如何对四边形使用tensorflow.crop_和_resize（）

我想从由8个坐标点定义的图像中裁剪并调整随机四边形的大小：

(xtl, ytl), (xtr, ytr), (xbr, ybr), (xbl, ybl)

我有坐标-

(x1,y1), (x2, y2)

我对C没有太多的了解，但我仍然能够理解代码在做什么，直到无法理解作者为什么要进行计算为止。特别是从上述要点的第53行开始

伪代码，直到我理解：

涉及的变量：

形象- 也就是说，我们有一个5000个坐标（4对）的矩形列表，我们希望从原始图像中裁剪

通过使用双线性插值将每个裁剪调整为所需的裁剪尺寸

庄稼-

float*corps\u data//全零变量，用于保存形状的最终调整大小的裁剪像素-C=即原始图像大小的5000个矩阵
int crop\u height//我们希望裁剪到C0=8的高度，即裁剪框的高度为8像素
int crop_width//width我们希望裁剪到C1=64，即裁剪框的高度为64像素
为了我们的目的，可以忽略浮点外推值//C2=0

算法：

所有箱子上的第一个回路（0到5000）

初始化当前框和坐标（框，y1，x1，y2，x2）

断言复选框\u索引-可以忽略

对于一般情况，作物始终大于1

计算

height\u scale=（框的高度）*（原始图像和裁剪尺寸之间的比例）

计算

width\u scale=（框的宽度）*（原始图像和裁剪尺寸之间的比例）

启动第二个嵌套循环以选择列中的所有裁剪像素

以y计算

---我不明白为什么

启动第二个嵌套循环以选择列中的所有裁剪像素

又是一些晦涩难懂的骷髅阴谋，混淆了代码

返回裁剪后的像素值 有人能解释一下这里发生了什么吗？ 我必须循环选择部分的每个像素，并填充中间像素，我必须插值是

如何更改此函数以裁剪和调整随机四边形的大小

更多阅读：

我理解了它背后的理论，为了消除量化偏移，他们对等距像素进行采样，对于网格单元之间的像素值，使用双线性插值进行计算。将这些选定值平均合并到一个统一大小的图层上

任务： 实现文本对齐，如中所示

---

我想输入任意大小和方向的四边形，并将其映射到固定的网格大小，比如从

128X128

的图像中，我有两个四边形，一个小的像

~20x20（长方体）

，一个大的

~80x100（长方体）

。我有他们的坐标。现在，如何仅选择这些像素并将它们投影到统一的大小，例如

64x64（裁剪）

，您可以使用OpenCV库解决此问题

如果四边形是任意的（不是平行四边形），则需要透视变换（否则需要更简单的仿射变换）

制作4对对应的坐标：四边形顶点-生成的矩形顶点

查找透视变换矩阵：

---

使用此矩阵：透视图或变换

您真正的目标是什么-将一些非矩形图像区域映射为矩形？它可能是用OpenCV函数执行的。我想输入任意大小和方向的四边形，并将其映射到固定的网格大小，比如说从128X128的图像中，我有两个四边形，一个小的像20x20（长方体），一个大的像80x100（长方体）。我有他们的坐标。现在，如何只选择这些像素，并将它们都投影到一个统一的大小，比如64x64（裁剪），这很好，解决了一个问题。我确实理解透视变换是如何完成的。然而，这是神经网络的一部分，我也不需要为反向计算计算梯度：双线性的梯度可以通过：d（grad）/d（Vpi）=SUM{g（px，pix）反向计算∗ （py，piy）}因此，质疑基本代码是如何工作的。但最初的问题并没有涉及神经网络等。是的，它要求解释代码。几何体的工作原理。实际上并不是一个包中的另一个函数。上面的C代码是如何进行仿射变换的，你能帮我吗？

 float * image_data // float pointer to image data of original tensor shape- A = `<Batch X Channel X Height X Width>`
 int batch_size // Batch value - for simplicity lets take single image A0= 1
 int depth // Channel value from above shape for rgb A1= 3
 int image_height // Height value from above shape  A2= 128
 int width // width value from above shape A3 = 128 

float * boxes_data //float pointer to boxes coordinates in format B = `[y1,x1,y2,x2] X Number_of_Boxes`
int * box_index_data // can be ignored for our purpose B0= 0 
int start_box // starting count of box B1 = 0 
int limit_box // ending count of box B2 = 5000

float * corps_data //variable of all zeroes to hold final resized cropped pixels of shape - C = <5000*3*128*128> ie. 5000 matrices of original image size
int crop_height // height we wish to crop to C0 = 8 ie height of cropped box is 8 pixels
int crop_width // width we wish to crop to C1 = 64 ie height of cropped box is 64 pixels 
float extrapolation_value // can be ignored for our purpose C2 = 0