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 shapelyfrom 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_hullprint(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 = 0else: 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# lony = 0# latz = 0lenth = 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-lon1dlat=lat2-lat1a=sin(dlat/2)**2 + cos(lat1) * cos(lat2) * sin(dlon/2)**2distance=2*asin(sqrt(a))*6371*1000 #地球平均半徑，6371kmdistance=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

以上這篇python shapely.geometry.polygon任意兩個四邊形的IOU計算實例就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持好吧啦網。