python shapely.geometry.polygon任意两个四边形的IOU计算实例
在目标检测中一个很重要的问题就是NMS及IOU计算，而一般所说的目标检测检测的box是规则矩形框，计算IOU也非常简单，有两种方法：
1.两个矩形的宽之和减去组合后的矩形的宽就是重叠矩形的宽，同比重叠矩形的高
2.右下角的minx减去左上角的maxx就是重叠矩形的宽，同比高
然后IOU=重叠面积/（两矩形面积和—重叠面积）
然，不规则四边形就不能通过这种方式来计算，找了好久数学资料，还是没找到答案（鄙人数学渣渣），最后看了白翔老师的textBoxes++论文源码后，知道python的shapely包可以直接做到，下面给出的代码和注释：
importnumpyasnp
importshapely
fromshapely.geometryimportPolygon,MultiPoint#多边形
line1=[2,0,2,2,0,0,0,2]#四边形四个点坐标的一维数组表示，[x,y,x,y....]
a=np.array(line1).reshape(4,2)#四边形二维坐标表示
poly1=Polygon(a).convex_hull#python四边形对象，会自动计算四个点，最后四个点顺序为：左上左下右下右上左上
print(Polygon(a).convex_hull)#可以打印看看是不是这样子
line2=[1,1,4,1,4,4,1,4]
b=np.array(line2).reshape(4,2)
poly2=Polygon(b).convex_hull
print(Polygon(b).convex_hull)
union_poly=np.concatenate((a,b))#合并两个box坐标，变为8*2
#print(union_poly)
print(MultiPoint(union_poly).convex_hull)#包含两四边形最小的多边形点
ifnotpoly1.intersects(poly2):#如果两四边形不相交
iou=0
else:
try:
inter_area=poly1.intersection(poly2).area#相交面积
print(inter_area)
#union_area=poly1.area+poly2.area-inter_area
union_area=MultiPoint(union_poly).convex_hull.area
print(union_area)
ifunion_area==0:
iou=0
#iou=float(inter_area)/(union_area-inter_area)#错了
iou=float(inter_area)/union_area
#iou=float(inter_area)/(poly1.area+poly2.area-inter_area)
#源码中给出了两种IOU计算方式，第一种计算的是:交集部分/包含两个四边形最小多边形的面积
#第二种：交集/并集（常见矩形框IOU计算方式）
exceptshapely.geos.TopologicalError:
print('shapely.geos.TopologicalErroroccured,iousetto0')
iou=0
print(a)
print(iou)
具体原理还没弄明白，还在研究中，研究完再给出来（当然数学渣渣能不能研究出来有待商榷*—*）
补充知识：python二维坐标多边形计算多边形中心点，以及距该中心点最远的距离
我就废话不多说了，还是直接看代码吧！
defcenter_geolocation(geolocations): ''' 输入多个经纬度坐标(格式：[[lon1,lat1],[lon2,lat2],....[lonn,latn]])，找出中心点 :paramgeolocations: :return:中心点坐标[lon,lat] ''' #求平均数同时角度弧度转化得到中心点 x=0 #lon y=0 #lat z=0 lenth=len(geolocations) forlon,latingeolocations: lon=radians(float(lon)) #radians(float(lon))Convertanglexfromdegreestoradians # 把角度x从度数转化为弧度 lat=radians(float(lat)) x+=cos(lat)*cos(lon) y+=cos(lat)*sin(lon) z+=sin(lat) x=float(x/lenth) y=float(y/lenth) z=float(z/lenth) return(degrees(atan2(y,x)),degrees(atan2(z,sqrt(x*x+y*y)))) #得到离中心点里程最近的里程 defgeodistance(lon1,lat1,lon2,lat2): ''' 得到两个经纬度坐标距离单位为千米（计算不分前后顺序） :paramlon1:第一个坐标维度 :paramlat1:第一个坐标经度 :paramlon2:第二个坐标维度 :paramlat2:第二个坐标经度 :return:distance单位千米 ''' #lon1,lat1,lon2,lat2=(120.12802999999997,30.28708,115.86572000000001,28.7427) lon1,lat1,lon2,lat2=map(radians,[float(lon1),float(lat1),float(lon2),float(lat2)])#经纬度转换成弧度 dlon=lon2-lon1 dlat=lat2-lat1 a=sin(dlat/2)**2+cos(lat1)*cos(lat2)*sin(dlon/2)**2 distance=2*asin(sqrt(a))*6371*1000#地球平均半径，6371km distance=round(distance/1000,3) print(distance) returndistance defgetMaxestDistance(geolocations,centre): ''' 中心点距离多个经纬度左边最远的距离 :paramgeolocations:多个经纬度坐标(格式：[[lon1,lat1],[lon2,lat2],....[lonn,latn]]) :paramcentre:中心点centre[lon,lat] :return:最远距离千米 ''' distantces=[] forlon,latingeolocations: d=geodistance(lat,lon,centre[1],centre[0]) distantces.append(d) #print(distantces) returnmax(distantces) defgetOnePolyygen(geolocations): ''' 输入多个经纬度坐标(格式：[[lon1,lat1],[lon2,lat2],....[lonn,latn]])，找出距该多边形中心点最远的距离 :paramgeolocations:多个经纬度坐标(格式：[[lon1,lat1],[lon2,lat2],....[lonn,latn]]) :return:center,neartDistance多边形中心点最远距离 ''' center=center_geolocation(geolocations)#得到中心点 neartDistance=getMaxestDistance(geolocations,center) #print(center,"-----------------",neartDistance) returncenter,neartDistance
以上这篇pythonshapely.geometry.polygon任意两个四边形的IOU计算实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。