前处理letterbox 算法层优化

fwalker · 发表于 2022-8-26 08:59

1. 参考文档

2. 理论部分

letterbox的意义

以 yolo 举例：

在训练时和推理时的原图尺寸不一定相同，但是长宽比一定是严格相同的
训练时图像若下采样2倍，那么推理时的图像一定也是同样的下采样2倍，这和图像的尺寸无关，而是模型必须要进行的下采样操作
那么如推理时的图像进行下采样后HW比例和yolo模型要求的比例不一致，就需要进行padding
粗暴的resize会使得图片失真，采用letterbox可以较好的解决这个问题。该方法可以保持图片的长宽比例，剩下的部分采用灰色填充

letterbox的算法概括

先检查输入图像是否需要进行一个padding
如需进行padding，那么先resisze
然后调用cv2.copyMakeBorder() 进行边界填充

copyMakeBorder

cv.copyMakeBorder(src, top, bottom, left, right, borderType, None, value)

src: 即将被扩充边界的原始图像
top, bottom, left, right: 在图像上、下、左、右分别要扩充的行(列)数
borderType: 扩充的边界类型
cv.BORDER_CONSTANT: 用常数像素值填充扩充的边界(0或黑色)
cv.BORDER_REPLICATE: 原始边缘的行或列被复制到扩充的边界
value: 当使用cv.BORDER_CONSTANT时，设置的要填充的像素值

3. letterbox源码

yolo v5 3.1版本中的letterbox为例

def letterbox(img, new_shape=(416,416), color=(114,114,114),auto=True,scale_fill=False, scale_up=True):

# 1. 计算收缩比: Resize image to a 32-pixel-multiple rectangle https://github.com/ultralytics/yolov3/issues/232
shape = img.shape[:2] # current shape [height, width]

# new_shape是要padding成的尺寸，如果只有一个数，那就是正方形，自动给它变成二维的，current shape [height, width]
if isinstance(new_shape,int):
new_shape = (new_shape, new_shape)

#收缩比取的是长宽方向上变化最大的 Scale ratio (new / old)
r = min(new_shape[0]/shape[0],new_shape[1]/shape[1])
if not scale_up: # only scale down, do not scale up (for better test mAP)
r = min(r,1.0) #收缩比r一定是要小于1的
ratio = r,r

# 2. 计算收缩后图片的长宽
new_unpad = int(round(shape[1] - new_unpad[0]), int(round(shape[0]*r)))

# 3. 计算需要填充的像素
#计算那个变化大的那一边需要填充的像素
dw,dh = new_shape[1] - new_unpad[0], new_shape[0] - new_unpad[1]
# stride表示的即是模型下采样次数的2的次方，这个涉及感受野的问题，在YOLOV5中下采样次数为5,则stride为32
if auto:
dw, dh = np.mod(dw,32), np.mod(dh,32)
elif scaleFill:
dw, dh = 0.0,0.0
new_unpad = (new_shape[1], new_shape[0])
ratio = new_shape[1] / shape[1], new_shape[0] / shape[0]
# 除以2即最终每边填充的像素(四周padding，两边各padding一半)
dw /= 2
dh /= 2
# 4. 先resize图片
if shape[::-1] != new_unpad:
img = cv2.resize(img, new_unpad, interpolation=cv2.INTER_LINEAR)

# round(dw,dh - 0.1)直接让小于1的为0
top, bottom = int(round(dh - 0.1)), int(round(dh + 0.1))
left, right = int(round(dw - 0.1)), int(round(dw + 0.1))

# 5.填充像素添加灰边
img = cv2.copyMakeBorder(img, top, bottom, left, right, cv2.BORDER_CONSTANT, value=color)
return img, ratio, (dw,dh)4. 自定义letterbox

talk is cheap，理解后写一版优化的letterbox

def imgeCheck(self, image, max_stride=32, size_scle=2):

# 1. 计算收缩后图片的长宽
# size_scale: 根据下采样 stride 设定的，图像在进行下采样时要缩减多少倍
#floor: 向下取整数
new_unpad = int(math.floor(image.shape[1] * (1.0 / size_scle))),
int(math.floor*(image.shape[0] * (1.0 / size_scle)))
# 2. 进行resize
image2 = cv2.resize(image, new_unpad, interpolation=cv2.INTER_LINEAR)

# 3. 计算需要填充的像素
right_1 = max_stride - np.mod(new_unpad[0], max_stride)
bottom_1 = max_stride - np.mod(new_unpad[1], max_stride)
top = bottom_1 // 2 #计算图像上边界需要填充的像素
bottom = bottom_1 - top ##计算图像下边界需要填充的像素
left = right_1 // 2 ##计算图像左边界需要填充的像素
right = right_1 - left ##计算图像右边界需要填充的像素

# 4. 计算下采样时图像长宽的缩小比例用于返回
scale_h = size_scle
scale_w = size_scle

# 5. 边界值填充
new_img = cv2.copyMakeBorder(image2, top, bottom, left, right, cv2.BORDER_CONSTANT, value=(114,114,114))

return new_img,scale_h,scale_w5.scale_coords

图像经过letterbox后，目标检测框的坐标等信息也需要进行更新

def scale_coords(self, img1_shape, coords, img0_shape, size_scle=1):
gain = size_scle
pad = (img1_shape[1] - img0_shape[1] / gain) // 2
coords[:,[0,2]] -= pad[0]
coords[:,[1,3]] -= pad[1]
coords[:, :4] *= gain
clip_coords(coords, img0_shape)
return coords

源码注释版

def scale_coords(img1_shape, coords, img0_shape, ratio_pad=None):
&#34;&#34;&#34;
将预测的坐标信息coords(相对img1_shape)转换回相对原图尺度（img0_shape）
:param img1_shape: 缩放后的图像大小  [H, W]=[384, 512]
:param coords: 预测的box信息 [7,4]  [anchor_nums, x1y1x2y2] 这个预测信息是相对缩放后的图像尺寸（img1_shape）的
:param img0_shape: 原图的大小  [H, W, C]=[375, 500, 3]
:param ratio_pad: 缩放过程中的缩放比例以及pad  一般不传入
:return: coords: 相对原图尺寸（img0_shape）的预测信息
&#34;&#34;&#34;
# Rescale coords (xyxy) from img1_shape to img0_shape
if ratio_pad is None:  # calculate from img0_shape
      # gain = old/new = 1.024  max(img1_shape): 求img1的较长边  这一步对应的是之前的letterbox步骤
      gain = max(img1_shape) / max(img0_shape)
      # wh padding 这一步起不起作用，完全取决于letterbox的方式
      # 当letterbox为letter_pad_img时，pad=(0.0, 64.0); 当letterbox为leeter_img时,pad=(0.0, 0.0)
      pad = (img1_shape[1] - img0_shape[1] * gain) / 2, (img1_shape[0] - img0_shape[0] * gain) / 2
else:
      gain = ratio_pad[0][0]
      pad = ratio_pad[1]

# 将相对img1的预测信息缩放得到相对原图img0的预测信息
coords[:, [0, 2]] -= pad[0]  # x padding
coords[:, [1, 3]] -= pad[1]  # y padding
coords[:, :4] /= gain       # 缩放
# 缩放到原图的预测结果，并对预测值进行了一定的约束，防止预测结果超出图像的尺寸
clip_coords(coords, img0_shape)
return coords

def clip_coords(boxes, img_shape):
&#34;&#34;&#34;
Clip bounding xyxy bounding boxes to image shape (height, width)
c.clamp_(a, b): 将矩阵c中所有的元素约束在[a, b]中间
                  如果某个元素小于a,就将这个元素变为a;如果元素大于b,就将这个元素变为b
这里将预测得到的xyxy做个约束，是因为当物体处于图片边缘的时候，预测值是有可能超过图片大小的
:param boxes: 函数开始=>缩放到原图的预测结果[7, 4]
               函数结束=>缩放到原图的预测结果，并对预测值进行了一定的约束，防止预测结果超出图像的尺寸
:param img_shape: 原图的shape [H, W, C]=[375, 500, 3]
&#34;&#34;&#34;
boxes[:, 0].clamp_(0, img_shape[1])  # x1
boxes[:, 1].clamp_(0, img_shape[0])  # y1
boxes[:, 2].clamp_(0, img_shape[1])  # x2
boxes[:, 3].clamp_(0, img_shape[0])  # y2

		自动登录	找回密码
密码			立即注册

前处理letterbox 算法层优化

本帖子中包含更多资源