目录
参考：YOLO网络图像前处理的探讨(resize or letterbox) - 知乎 (zhihu.com)
图像的几种前处理方式
目标检测网络输入一般是W==H的形式，例如416x416,608x608，但是输入图像大部分情况下都不是矩形框，这需要对输入图像进行前处理以符合网络的一个输入。
扫描二维码关注公众号，回复：
14730651 查看本文章
一般有3三种：
1：resize，
直接对图像进行resize，改变了图像的长宽比，图像会拉伸，在darknet-AB中，作者用的就是这种前处理方式，原因作者解释说在相同的图像尺寸被拉伸后，进行训练和测试效果上是没有影响的，但是resize可以使得目标的尺寸变大，使得对小目标检测更加友好。
2. letterbox，像信封一样，
图像在保持长宽比的情况下，填充到一个盒子内，操作就是在短边上去填充0像素，使得图像扩充为网络输入尺寸，在原始darknet框架中，用的就是这种前处理形式。
3. blobFromImage，
opencv中深度学习的图像前处理方式，先等比例缩放，宽高尺寸一个等于对应的size尺寸，另一个大于或者等于对应的size尺寸，然后再从中心进行裁剪，得到网络输入图片，这种方式目标尺寸是大了，但是也会丢失一些图片信息。
letterbox使网络加速
在项目实际使用时，很多图片的长宽比不同，因此缩放填充后，两端的黑边大小都不同，而如果填充的比较多，则存在信息冗余，影响推理速度。
参考yolov3 issue: https://github.com/ultralytics/yolov3/issues/232
这里提出一种letterbox函数中进行了修改，对原始图像自适应的添加最少的黑边。