Python 我如何将[xmin-ymin-xmax-ymax]格式转换为图像中规格化的[x-y-width-height]？

我正在用微软的软件构建一个自定义的vision应用程序

我正在使用

在对象检测项目中标记图像时，需要使用规范化坐标指定每个标记对象的区域

我有一个包含图像注释的XML文件，例如名为

sample_1.jpg

：

<annotation>
        <filename>sample_1.jpg</filename>
    <size>
        <width>410</width>
        <height>400</height>
        <depth>3</depth>
    </size>
    <object>
        <bndbox>
            <xmin>159</xmin>
            <ymin>15</ymin>
            <xmax>396</xmax>
            <ymax>302</ymax>
        </bndbox>
    </object>
</annotation>

示例_1.jpg
410
400
3.
159
15
396
302

我必须将边界框坐标从xmin、xmax、ymin、ymax转换为根据提供的教程标准化的x、y、w、h坐标

---

有人能给我一个转换函数吗？

假设x/ymin和x/ymax分别是您的边界角，左上角和右下角。然后：

x = xmin
y = ymin
w = xmax - xmin
h = ymax - ymin

然后，您需要对这些值进行规格化，这意味着将它们作为整个图像的一部分，因此只需将每个值除以其各自的大小即可：

x = xmin / width
y = ymin / height
w = (xmax - xmin) / width
h = (ymax - ymin) / height

---

这假设是左上角原点，如果不是这样，则必须应用移位因子。

在这种情况下，x和y是什么意思？