python shapely.geometry.polygon任意兩個(gè)四邊形的IOU計(jì)算實(shí)例
在目標(biāo)檢測(cè)中一個(gè)很重要的問題就是NMS及IOU計(jì)算,而一般所說的目標(biāo)檢測(cè)檢測(cè)的box是規(guī)則矩形框,計(jì)算IOU也非常簡(jiǎn)單,有兩種方法:
1. 兩個(gè)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(guī)則四邊形就不能通過這種方式來計(jì)算,找了好久數(shù)學(xué)資料,還是沒找到答案(鄙人數(shù)學(xué)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(gè)點(diǎn)坐標(biāo)的一維數(shù)組表示,[x,y,x,y....]
a=np.array(line1).reshape(4, 2) #四邊形二維坐標(biāo)表示
poly1 = Polygon(a).convex_hull #python四邊形對(duì)象,會(huì)自動(dòng)計(jì)算四個(gè)點(diǎn),最后四個(gè)點(diǎn)順序?yàn)椋鹤笊?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(gè)box坐標(biāo),變?yōu)?*2
#print(union_poly)
print(MultiPoint(union_poly).convex_hull) #包含兩四邊形最小的多邊形點(diǎn)
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(cuò)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(jì)算方式,第一種計(jì)算的是: 交集部分/包含兩個(gè)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(jì)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(dāng)然數(shù)學(xué)渣渣能不能研究出來有待商榷*—*)
補(bǔ)充知識(shí):python 二維坐標(biāo)多邊形 計(jì)算多邊形中心點(diǎn),以及距該中心點(diǎn)最遠(yuǎn)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(gè)經(jīng)緯度坐標(biāo)(格式:[[lon1, lat1],[lon2, lat2],....[lonn, latn]]),找出中心點(diǎn) :param geolocations: :return:中心點(diǎn)坐標(biāo) [lon,lat] ''' #求平均數(shù) 同時(shí)角度弧度轉(zhuǎn)化 得到中心點(diǎn) 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(shù)轉(zhuǎn)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(diǎn)里程最近的里程 def geodistance(lon1,lat1,lon2,lat2): ''' 得到兩個(gè)經(jīng)緯度坐標(biāo)距離 單位為千米 (計(jì)算不分前后順序) :param lon1: 第一個(gè)坐標(biāo) 維度 :param lat1: 第一個(gè)坐標(biāo) 經(jīng)度 :param lon2: 第二個(gè)坐標(biāo) 維度 :param lat2: 第二個(gè)坐標(biāo) 經(jīng)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(jīng)緯度轉(zhuǎn)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(diǎn) 距離 多個(gè)經(jīng)緯度左邊 最遠(yuǎn)的距離 :param geolocations: 多個(gè)經(jīng)緯度坐標(biāo)(格式:[[lon1, lat1],[lon2, lat2],....[lonn, latn]]) :param centre: 中心點(diǎn) centre [lon,lat] :return: 最遠(yuǎn)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(gè)經(jīng)緯度坐標(biāo)(格式:[[lon1, lat1],[lon2, lat2],....[lonn, latn]]),找出距該多邊形中心點(diǎn)最遠(yuǎn)的距離 :param geolocations:多個(gè)經(jīng)緯度坐標(biāo)(格式:[[lon1, lat1],[lon2, lat2],....[lonn, latn]]) :return:center,neartDistance 多邊形中心點(diǎn) 最遠(yuǎn)距離 ''' center=center_geolocation(geolocations) # 得到中心點(diǎn) neartDistance=getMaxestDistance(geolocations,center) # print(center,"-----------------",neartDistance) return center,neartDistance
以上這篇python shapely.geometry.polygon任意兩個(gè)四邊形的IOU計(jì)算實(shí)例就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
Python異步編程中asyncio.gather的并發(fā)控制詳解
在Python異步編程生態(tài)中,asyncio.gather是并發(fā)任務(wù)調(diào)度的核心工具,本文將通過實(shí)際場(chǎng)景和代碼示例,展示如何結(jié)合信號(hào)量機(jī)制實(shí)現(xiàn)精準(zhǔn)并發(fā)控制,希望對(duì)大家有所幫助2025-03-03
pandas.DataFrame的for循環(huán)迭代的實(shí)現(xiàn)
本文主要介紹了pandas.DataFrame的for循環(huán)迭代的實(shí)現(xiàn),文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-02-02
Python virtualenv虛擬環(huán)境實(shí)現(xiàn)過程解析
這篇文章主要介紹了Python virtualenv虛擬環(huán)境實(shí)現(xiàn)過程解析,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-04-04
python中使用正則表達(dá)式的后向搜索肯定模式(推薦)
這篇文章主要介紹了python里使用正則表達(dá)式的后向搜索肯定模式,本文通過代碼介紹的非常詳細(xì),包括語法介紹,非常不錯(cuò),具有參考借鑒價(jià)值,需要的朋友可以參考下2017-11-11
python3 dict ndarray 存成json,并保留原數(shù)據(jù)精度的實(shí)例
今天小編就為大家分享一篇python3 dict ndarray 存成json,并保留原數(shù)據(jù)精度的實(shí)例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-12-12

