任意图像尺寸变成目标尺寸（包含相应的boxes的变换）

def image_preporcess(image, target_size, gt_boxes=None):    image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB).astype(np.float32)    ih, iw    = target_size    h,  w, _  = image.shape    scale = min(iw/w, ih/h)    nw, nh  = int(scale * w), int(scale * h)                                                                            # 寻找最小的，即使准备将最大边转换为目标尺寸如416，但最小边肯定不能变到目标尺寸（416）    image_resized = cv2.resize(image, (nw, nh))                                                                         # 将原始图像转换为需要的目标尺寸内，但不能完全填充完    image_paded = np.full(shape=[ih, iw, 3], fill_value=128.0)                                                          # 用128填充目标尺寸的矩阵    dw, dh = (iw - nw) // 2, (ih-nh) // 2                                                                               # 找出目标尺寸与原始图像转换后尺寸的差距的二分之一    image_paded[dh:nh+dh, dw:nw+dw, :] = image_resized                                                                  # 将改变后的原始图像尺寸的数据填充到中间位置，因为其它位置已经被128填充    image_paded = image_paded / 255.    if gt_boxes is None:        return image_paded    else:        gt_boxes[:, [0, 2]] = gt_boxes[:, [0, 2]] * scale + dw                                                          # 将原始坐标按照图像变化（原始图像变到目标图像）对应其bboxes的坐标        gt_boxes[:, [1, 3]] = gt_boxes[:, [1, 3]] * scale + dh                                                          # 将原始坐标按照图像变化（原始图像变到目标图像）对应其bboxes的坐标        return image_paded, gt_boxes                                                                                    #   gt_boxes将会对应变换后的图像位置，如[[263 211 324 339   8]                                                                                                                                                             #   [165 264 253 372   8]                                                                                                                                                              #  [241 194 295 299   8]]

来源：https://www.cnblogs.com/tangjunjun/p/11734575.html