下面用简化的小尺寸图像+具体数值来一步步演示整个映射过程。
一、设定示例基础参数
为了计算方便，我把参数简化（核心逻辑和原论文一致）：
- 原始图像尺寸：
宽=420像素，高=420像素（正方形，方便计算） - YOLOv1 网格划分：
S=7（和论文一致），即 7×7 网格 - 单个网格尺寸：
420/7 = 60像素（每个网格是 60×60 像素） - 选取目标网格：第
i=2行、第j=3列的网格（行列从0开始计数） - 该网格预测的单个边界框输出值：
bx=0.5, by=0.4, bw=0.6, bh=0.5
二、分步计算映射过程
步骤1：计算目标网格的左上角像素坐标
网格行列数决定了其在原图的基础位置：
- 网格左上角 x 坐标：
j × 网格宽度 = 3 × 60 = 180 像素 - 网格左上角 y 坐标：
i × 网格高度 = 2 × 60 = 120 像素
→ 这个网格覆盖原图的区域是：x(180-240)、y(120~180) 像素。
步骤2：映射边界框中心坐标到原图
YOLOv1 输出的 bx/by 是网格内的相对偏移（0~1），需先转换为网格内像素偏移，再加上网格左上角坐标：
- 中心x像素偏移（网格内）：
bx × 网格宽度 = 0.5 × 60 = 30 像素 - 中心y像素偏移（网格内）：
by × 网格高度 = 0.4 × 60 = 24 像素
→ 边界框中心在原图的绝对坐标：
- 中心x：
网格左上角x + 网格内x偏移 = 180 + 30 = 210 像素 - 中心y：
网格左上角y + 网格内y偏移 = 120 + 24 = 144 像素
步骤3：映射边界框宽高到原图
YOLOv1 输出的 bw/bh 是相对于整张图像的比例（0~1），直接乘以原图宽/高即可：
- 边界框宽度（原图像素）：
bw × 原图宽度 = 0.6 × 420 = 252 像素 - 边界框高度（原图像素）：
bh × 原图高度 = 0.5 × 420 = 210 像素
步骤4：转换为矩形框的左上角/右下角坐标（可视化用）
有了中心坐标和宽高，就能算出绘制矩形框需要的坐标：
- 左上角x1：
中心x - 宽度/2 = 210 - 252/2 = 210 - 126 = 84 像素 - 左上角y1：
中心y - 高度/2 = 144 - 210/2 = 144 - 105 = 39 像素 - 右下角x2：
中心x + 宽度/2 = 210 + 126 = 336 像素 - 右下角y2：
中心y + 高度/2 = 144 + 105 = 249 像素
三、示例结果汇总表
| 类型 | YOLOv1输出值 | 映射计算过程 | 原图像素值 |
|---|---|---|---|
| 网格内x偏移 (bx) | 0.5 | - | - |
| 网格内y偏移 (by) | 0.4 | - | - |
| 相对宽度 (bw) | 0.6 | - | - |
| 相对高度 (bh) | 0.5 | - | - |
| 边界框中心x | - | 3×60 + 0.5×60 | 210 像素 |
| 边界框中心y | - | 2×60 + 0.4×60 | 144 像素 |
| 边界框宽度 | - | 0.6×420 | 252 像素 |
| 边界框高度 | - | 0.5×420 | 210 像素 |
| 矩形框左上角 (x1,y1) | - | (210-126, 144-105) | (84, 39) |
| 矩形框右下角 (x2,y2) | - | (210+126, 144+105) | (336, 249) |
四、可视化理解
你可以想象这张420×420的原图被划成7×7的小格子：
- 第2行第3列的格子在原图的位置是：横向180-240像素，纵向120~180像素；
- 预测的边界框中心落在这个格子里：横向偏右50%（30像素）、纵向偏下40%（24像素）的位置；
- 最终画出的矩形框会从(84,39)到(336,249)，覆盖原图的对应区域。
总结
- 中心坐标映射：核心是「网格位置（j/i×网格尺寸） + 网格内偏移（bx/by×网格尺寸）」，把相对网格的偏移转为原图绝对像素；
- 宽高映射：直接用「相对比例（bw/bh）× 原图宽/高」，把相对比例转为绝对像素；
- 坐标转换：中心坐标±宽高/2，即可得到可视化所需的矩形框对角坐标。
这个例子的数值是简化过的，但完全复现了YOLOv1坐标映射的核心逻辑，无论图像尺寸、网格数如何变化，计算方法都完全一致。