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後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

然後 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），最後看了白翔老師的textBoxes++論文原始碼後，知道python的shapely包可以直接做到，下面給出的程式碼和註釋：

import numpy as np 
import shapely
from shapely.geometry import Polygon,MultiPoint #多邊形
 
line1=[2,2,2]  #四邊形四個點座標的一維陣列表示，[x,y,x,y....]
a=np.array(line1).reshape(4,2)  #四邊形二維座標表示
poly1 = Polygon(a).convex_hull #python四邊形物件，會自動計算四個點，最後四個點順序為：左上 左下 右下 右上 左上
print(Polygon(a).convex_hull) #可以列印看看是不是這樣子
 
line2=[1,1,4,4]
b=np.array(line2).reshape(4,2)
poly2 = Polygon(b).convex_hull
print(Polygon(b).convex_hull)
 
union_poly = np.concatenate((a,b))  #合併兩個box座標，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)
    # 原始碼中給出了兩種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 / 並集（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 二維座標多邊形 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，還是直接看程式碼吧！

def center_geolocation(geolocations):
	'''
	輸入多個經緯度座標(格式：[[lon1,lat1],[lon2,lat2],....[lonn,latn]])，找出中心點
	:param geolocations:
	:return:中心點座標 [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))))
 
#得到離中心點裡程最近的里程
 
def geodistance(lon1,lat1,lon2,lat2):
	'''
	得到兩個經緯度座標距離 單位為千米 （計算不分前後順序）
	:param lon1: 第一個座標 維度
	:param lat1: 第一個座標 經度
	:param lon2: 第二個座標 維度
	:param lat2: 第二個座標 經度
	:return: distance 單位千米
	'''
	# lon1,lat2 = (120.12802999999997,30.28708,115.86572000000001,28.7427)
	lon1,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: 多個經緯度座標(格式：[[lon1,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):
	'''
	輸入多個經緯度座標(格式：[[lon1,latn]])，找出距該多邊形中心點最遠的距離
	:param geolocations:多個經緯度座標(格式：[[lon1,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計算例項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，也希望大家多多支援我們。