我认为有两个问题：
1.您应该交换x_和y_，因为shape[0]实际上是y维度，而shape[1]是x维度
1.在原始图像和缩放后的图像上应该使用相同的坐标，原始图像上的矩形是(160, 35)-(555, 470)，而不是代码中使用的(128,25)-(447,375)。
如果我使用下面的代码：

import cv2
import numpy as np

def drawBox(boxes, image):
    for i in range(0, len(boxes)):
        # changed color and width to make it visible
        cv2.rectangle(image, (boxes[i][2], boxes[i][3]), (boxes[i][4], boxes[i][5]), (255, 0, 0), 1)
    cv2.imshow("img", image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

def cvTest():
    # imageToPredict = cv2.imread("img.jpg", 3)
    imageToPredict = cv2.imread("49466033\\img.png ", 3)
    print(imageToPredict.shape)

    # Note: flipped comparing to your original code!
    # x_ = imageToPredict.shape[0]
    # y_ = imageToPredict.shape[1]
    y_ = imageToPredict.shape[0]
    x_ = imageToPredict.shape[1]

    targetSize = 416
    x_scale = targetSize / x_
    y_scale = targetSize / y_
    print(x_scale, y_scale)
    img = cv2.resize(imageToPredict, (targetSize, targetSize));
    print(img.shape)
    img = np.array(img);

    # original frame as named values
    (origLeft, origTop, origRight, origBottom) = (160, 35, 555, 470)

    x = int(np.round(origLeft * x_scale))
    y = int(np.round(origTop * y_scale))
    xmax = int(np.round(origRight * x_scale))
    ymax = int(np.round(origBottom * y_scale))
    # Box.drawBox([[1, 0, x, y, xmax, ymax]], img)
    drawBox([[1, 0, x, y, xmax, ymax]], img)

cvTest()

并使用您的“原始”图像作为“49466033\img.png”，

我得到了以下图像

正如你所看到的，我的细蓝线正好位于你原来的红线之内，无论你选择了什么targetSize，它都保持在那里（所以缩放实际上是正确的）。

另一种方法是使用CHITRA

image = Chitra(img_path, box, label)
# Chitra can rescale your bounding box automatically based on the new image size.
image.resize_image_with_bbox((224, 224))

print('rescaled bbox:', image.bounding_boxes)
plt.imshow(image.draw_boxes())

https://chitra.readthedocs.io/en/latest/
管道安装chitra

我在使用TensorFlow.js和MobileNet-v2进行预测时遇到了Angular中边界框坐标的问题。坐标基于视频帧的分辨率。
但是我是在一个固定高度和宽度的画布上显示视频的，我通过将坐标除以原始视频分辨率与画布分辨率的比率来解决这个问题。

const x = prediction.bbox[0] / (this.Owidth / 300);
      const y = prediction.bbox[1] / (this.Oheight / 300);
      const width = prediction.bbox[2] / (this.Owidth / 300);
      const height = prediction.bbox[3] / (this.Oheight / 300);
      // Draw the bounding box.
      ctx.strokeStyle = '#99ff00';
      ctx.lineWidth = 2;
      ctx.strokeRect(x, y, width, height);

• this.Owidth & this.Oheight为视频的原始分辨率，由.

this.video.addEventListener(
      'loadedmetadata',
      (e: any) => {
        this.Owidth = this.video.videoWidth;
        this.Oheight = this.video.videoHeight;
        console.log(this.Owidth, this.Oheight, ' pixels ');
      },
      false
    );

• 300 X 300是静态画布的宽度和高度。

您可以使用resize_dataset_pascalvoc
使用python3 main.py -p <IMAGES_&_XML_PATH> --output <IMAGES_&_XML> --new_x <NEW_X_SIZE> --new_y <NEW_X_SIZE> --save_box_images <FLAG>"很容易
它可以调整所有数据集的大小，并将新的注解文件重写为调整大小后的图像