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：

import numpy as np import shapelyfrom shapely.geometry import Polygon,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_hullprint(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if not poly1.intersects(poly2): #如果两四边形不相交 iou = 0else: 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) if union_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） except shapely.geos.TopologicalError: print('shapely.geos.TopologicalError occured, iou set to 0') 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！

def center_geolocation(geolocations): ''' 输入多个经纬度坐标(格式：[[lon1, lat1],[lon2, lat2],....[lonn, latn]])，找出中心点 :param geolocations: :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) for lon, lat in geolocations: lon = radians(float(lon)) # radians(float(lon)) Convert angle x from degrees to radians # 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 def geodistance(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） :param lon1: 第一个坐标 维度 :param lat1: 第一个坐标 经度 :param lon2: 第二个坐标 维度 :param lat2: 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) return distance def getMaxestDistance(geolocations,centre): ''' 中心点 距离 多个经纬度左边 最远的距离 :param geolocations: 多个经纬度坐标(格式：[[lon1, lat1],[lon2, lat2],....[lonn, latn]]) :param centre: 中心点 centre [lon,lat] :return: 最远距离 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): ''' 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 :param geolocations: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) return center,neartDistance

以上这篇python shapely.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。