はじめに

VisionKitで物体認識を行う際、boundingBoxがうまく表示されないことがあります。

原理は簡単ですが直し方が難しいので、コードでまとめておきます。

四角がうまく表示されない

今回は トマトを検出する アプリを参考にします。
こちらのアプリの作り方は以下の記事を参照：

ここで、以下のようなコードで検出された部分に四角を描画しようとします。

func drawBoundingBoxes(on image: UIImage, with observations: [VNRecognizedObjectObservation]) -> UIImage? {
    let renderer = UIGraphicsImageRenderer(size: image.size)
    
    let annotatedImage = renderer.image { context in
        image.draw(at: .zero)
        
        let ctx = context.cgContext
        ctx.setLineWidth(2.0)
        
        for observation in observations {
            let boundingBox = observation.boundingBox
            //描画する四角を生成
            let rect = CGRect(
                origin: CGPoint(
                    x: boundingBox.origin.x * image.size.width,
                    y: boundingBox.origin.y * image.size.height
                ),
                size: CGSize(
                    width: boundingBox.width * image.size.width,
                    height: boundingBox.height * image.size.height
                )
            )
            
            ctx.setStrokeColor(isFresh ? UIColor.green.cgColor : UIColor.red.cgColor)
            
            ctx.stroke(rect)
        }
    }
    
    return annotatedImage
}

しかしこれだと、若干ズレた位置に描画されてしまいます。

原因

実は、VNRecognizedObjectObservationで得られる四角の座標系と、CGImageの座標系は 異なります！

このため座標が狂ってしまっています。

また、UIImageをCGImageに変換する際に向きの情報が失われる ことがあります。

これにより、座標系がごちゃごちゃになっている ことがうまく描画されない原因です。

解決方法

四角を生成するコードを変更します。

let rect = CGRect(
    x: boundingBox.minX * image.size.width,
    y: (1 - boundingBox.maxY) * image.size.height,
    width: boundingBox.width * image.size.width,
    height: boundingBox.height * image.size.height
)

こうすることで、正しい位置に表示することができます！

まとめ

このあたり、Appleが公式で変換用のコードを用意してくれたらいいのに…とずっと思ってます。