python shapely.geometry.polygon任意两个四边形的IOU计算实例

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 shapely
from 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_hull
print(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 = 0
else:
 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

来源：https://blog.csdn.net/u012433049/article/details/82909484