溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要講解了python shapely.geometry.polygon如何實現任意兩個四邊形的IOU計算，內容清晰明了，對此有興趣的小伙伴可以學習一下，相信大家閱讀完之后會有幫助。
在目標檢測中一個很重要的問題就是NMS及IOU計算，而一般所說的目標檢測檢測的box是規則矩形框，計算IOU也非常簡單，有兩種方法：
1. 兩個矩形的寬之和減去組合后的矩形的寬就是重疊矩形的寬，同比重疊矩形的高
2. 右下角的minx減去左上角的maxx就是重疊矩形的寬，同比高
然后 IOU = 重疊面積 / （兩矩形面積和—重疊面積）
然，不規則四邊形就不能通過這種方式來計算，找了好久數學資料，還是沒找到答案（鄙人數學渣渣），最后看了白翔老師的textBoxes++論文源碼后，知道python的shapely包可以直接做到，下面給出的代碼和注釋：
import numpy as np
import shapely
from shapely.geometry import Polygon,MultiPoint #多邊形
line1=[2,0,2,2,0,0,0,2] #四邊形四個點坐標的一維數組表示，[x,y,x,y....]
a=np.array(line1).reshape(4, 2) #四邊形二維坐標表示
poly1 = Polygon(a).convex_hull #python四邊形對象，會自動計算四個點，最后四個點順序為：左上 左下 右下 右上 左上
print(Polygon(a).convex_hull) #可以打印看看是不是這樣子
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)) #合并兩個box坐標，變為8*2
#print(union_poly)
print(MultiPoint(union_poly).convex_hull) #包含兩四邊形最小的多邊形點
if not poly1.intersects(poly2): #如果兩四邊形不相交
iou = 0
else:
try:
inter_area = poly1.intersection(poly2).area #相交面積
print(inter_area)
#union_area = poly1.area + poly2.area - inter_area
union_area = MultiPoint(union_poly).convex_hull.area
print(union_area)
if union_area == 0:
iou= 0
#iou = float(inter_area) / (union_area-inter_area) #錯了
iou=float(inter_area) / union_area
# iou=float(inter_area) /(poly1.area+poly2.area-inter_area)
# 源碼中給出了兩種IOU計算方式，第一種計算的是: 交集部分/包含兩個四邊形最小多邊形的面積
# 第二種： 交集 / 并集（常見矩形框IOU計算方式）
except shapely.geos.TopologicalError:
print('shapely.geos.TopologicalError occured, iou set to 0')
iou = 0
print(a)
print(iou)具體原理還沒弄明白，還在研究中，研究完再給出來（當然數學渣渣能不能研究出來有待商榷*—*）
補充知識：python 二維坐標多邊形 計算多邊形中心點，以及距該中心點最遠的距離
我就廢話不多說了，還是直接看代碼吧！
def center_geolocation(geolocations): ''' 輸入多個經緯度坐標(格式：[[lon1, lat1],[lon2, lat2],....[lonn, latn]])，找出中心點 :param geolocations: :return:中心點坐標 [lon,lat] ''' #求平均數 同時角度弧度轉化 得到中心點 x = 0 # lon y = 0 # lat z = 0 lenth = len(geolocations) for lon, lat in geolocations: lon = radians(float(lon)) # radians(float(lon)) Convert angle x from degrees to radians # 把角度 x 從度數轉化為 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)))) #得到離中心點里程最近的里程 def geodistance(lon1,lat1,lon2,lat2): ''' 得到兩個經緯度坐標距離 單位為千米 （計算不分前后順序） :param lon1: 第一個坐標 維度 :param lat1: 第一個坐標 經度 :param lon2: 第二個坐標 維度 :param lat2: 第二個坐標 經度 :return: distance 單位千米 ''' # 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)]) #經緯度轉換成弧度 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 #地球平均半徑，6371km distance=round(distance/1000,3) print(distance) return distance def getMaxestDistance(geolocations,centre): ''' 中心點 距離 多個經緯度左邊 最遠的距離 :param geolocations: 多個經緯度坐標(格式：[[lon1, lat1],[lon2, lat2],....[lonn, latn]]) :param centre: 中心點 centre [lon,lat] :return: 最遠距離 千米 ''' distantces=[] for lon, lat in geolocations: d=geodistance(lat,lon,centre[1],centre[0]) distantces.append(d) # print(distantces) return max(distantces) def getOnePolyygen(geolocations): ''' 輸入多個經緯度坐標(格式：[[lon1, lat1],[lon2, lat2],....[lonn, latn]])，找出距該多邊形中心點最遠的距離 :param geolocations:多個經緯度坐標(格式：[[lon1, lat1],[lon2, lat2],....[lonn, latn]]) :return:center,neartDistance 多邊形中心點 最遠距離 ''' center=center_geolocation(geolocations) # 得到中心點 neartDistance=getMaxestDistance(geolocations,center) # print(center,"-----------------",neartDistance) return center,neartDistance
看完上述內容，是不是對python shapely.geometry.polygon如何實現任意兩個四邊形的IOU計算有進一步的了解，如果還想學習更多內容，歡迎關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
