前言
在图像分类任务中，很多时候我们不仅要知道图像中目标的类别，而且还想知道它们在图像中的具体位置。在计算机视觉里，这类任务被称为目标检测（object detection）或物体检测。
目标检测的应用领域十分广泛。例如，在无人驾驶里，需要通过识别拍摄到的视频图像里的车辆、行人、道路和障碍的位置来规划行进线路。机器人也常通过该任务来检测感兴趣的目标。安防领域则需要检测异常目标，如歹徒或者炸弹等。
本文将介绍如何在图片中标出目标所在的区域边界框。
导入图片
先导入实验所需的包或模块。
%matplotlib inline from PIL import Image from IPython import display import sys from matplotlib import pyplot as plt
下面加载示例图像，如下图所示：图像左边是一只狗，右边是一只猫。它们是这张图像里的两个主要目标。
figsize=(3.5, 2.5) display.set_matplotlib_formats('svg') plt.rcParams['figure.figsize'] = figsize img = Image.open('./img/catdog.jpg') plt.imshow(img); # 加分号只显示图
定义边界框绘制函数
在目标检测里，我们通常使用边界框（bounding box）来描述目标位置。边界框是一个矩形框，可以由矩形左上角的x xx和y yy轴坐标与右下角的x xx和y yy轴坐标确定。我们根据上面的图的坐标信息来定义图中狗和猫的边界框。图中的坐标原点在图像的左上角，原点往右和往下分别为x xx轴和y yy轴的正方向。
# bbox是bounding box的缩写 dog_bbox, cat_bbox = [60, 45, 378, 516], [400, 112, 655, 493]
定义一个辅助函数bbox_to_rect。它将边界框表示成matplotlib的边界框格式。
def bbox_to_rect(bbox, color): # 将边界框(左上x, 左上y, 右下x, 右下y)格式转换成matplotlib格式： # ((左上x, 左上y), 宽, 高) return plt.Rectangle( xy=(bbox[0], bbox[1]), width=bbox[2]-bbox[0], height=bbox[3]-bbox[1], fill=False, edgecolor=color, linewidth=2)
在图片中绘制边界框
我们将边界框加载在图像上，可以看到目标的主要轮廓基本在框内。
fig = plt.imshow(img) fig.axes.add_patch(bbox_to_rect(dog_bbox, 'blue')) fig.axes.add_patch(bbox_to_rect(cat_bbox, 'red'))
输出：
总结
- 在目标检测里不仅需要找出图像里面所有感兴趣的目标，而且要知道它们的位置。位置一般由矩形边界框来表示。
