python图片截取斜四边形_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
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python博客。
python图片截取斜四边形_python shapely.geometry.polygon任意两个四边形的IOU计算实例...相关推荐
- python绘制四边形_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 ...
- python中geometry_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 ...
- python图片截取斜四边形_opencv 截取任意四边形区域的图像
截取任意四边形区域的图像. mask就是结果. 需要定义四边形区域,分别是 tl, tr, bl, br std::map> generateBorders(const std::vector& ...
- python图片截取斜四边形_【算法趣题】Q16 3根绳子折成四边形
引言 [算法趣题]是来自图灵程序设计丛书绝云译的<程序员的算法趣题>,书中是用Ruby实现的.这里是用python来实现. 问题描述 假设分别3根长度相同的绳子摆成3个四边形.其中2根摆成 ...
- python字符串截取split 失败_python如何截断字符串
字符串本质上就是由多个字符组成的,Python 允许通过索引来操作字符,比如获取指定索引处的字符,获取指定字符在字符串中的位置 等.python中截取字符串,可以使用split()方法,或者使用索引来 ...
- python图片批量重命名_python实现大量图片重命名
本文实例为大家分享了python实现大量图片重命名的具体代码,供大家参考,具体内容如下 说明 在进行深度学习的过程中,需要对图片进行批量的命名处理,因此利用简单的python代码实现图片的命名格式处理 ...
- python图片修复软件下载_python 实现图片修复(可用于去水印)
在现实的生活中,我们可能会遇到一些美好的或是珍贵的图片被噪声干扰,比如旧照片的折痕,比如镜头上的灰尘或污渍,更或者是某些我们想为我所用但有讨厌水印,那么有没有一种办法可以消除这些噪声呢? 答案是肯定的 ...
- python图片分析中央气象台降水_Python气象绘图教程(十)
这几天一直在躺尸,只能找一些陈年材料和汇总了 本节提要:matplotlib绘图时,一些实用的解决办法.包括降水量等值线的色号.风矢杆显示不正确的问题.台风符号.散点图表示数值的两种办法.关于colo ...
- python真值是什么意思_Python 为什么能支持任意的真值判断?
本文出自"Python为什么"系列,请查看全部文章 Python 在涉及真值判断(Truth Value Testing)时,语法很简便. 比如,在判断某个对象是否不为 None ...
最新文章
- 主动做了业务监控,产品经理对我竖起大拇指
- 图灵奖获得者 Alan Kay:突破常规思维,创建下一代科研社区(附视频)
- python的特点和优点-【Python面试】 Python 的特点和优点是什么?
- 学python爬虫需要什么基础-Python爬虫需要学习那些东西?
- oracle字段重复新增错误,Oracle 判断表或字段是否存在新增/修改表结构可重复执行sql...
- koa --- restful规范及其栗子
- 一秒点击屏幕次数测试_安卓App性能专项测试流畅度深度解析
- Parallel Extensions CTP第二版发布
- MapReduce之如何处理失败的task
- 蓝桥杯 ALGO-86 算法训练 矩阵乘法
- 食堂饭卡管理系统C语言——课程设计实习
- Allegro铜皮动静态切换操作指导
- 服务器机器系统,Angel:一种新型分布式机器学习系统
- 计算不规则四边形(多边形)的面积
- 有一种记录叫“时光轴”!
- HTC VIVE 安装,SteamVR,VRTK插件的使用,HTC VIVE Tracker的使用和外接按键测试
- Transformer-XL
- 怎么用c语言编写画图软件,大佬们,小菜鸟想问一问用vc编译器做简易画图软件...
- Java代码通过Kerberos连接HDFS
- Unity URP 曲面细分
热门文章
- Quartus-ii的LPT1编程硬件配置问题
- java 锟斤 解决乱码_java eclipse 开发中文乱码锟斤拷小锟斤拷锟
- 20.docker cp从容器里面拷文件到宿主机或从宿主机拷文件到docker容器里面
- 锤子手机关闭位置服务器,技巧:锤子手机的4个隐藏小技巧 处处有情怀
- 创建微信订阅号全攻略
- 手把手教你DIY一款属于自己的万能红外遥控器!
- IntelliJ IDEA 还能画思维导图,果然最强 IDE!
- matplotlib添加行列标题、axes.axis以及axes.xaxis.set_ticklabels相关使用方法
- Golang入门之——文件锁操作flock
- Neural Summarization by Extracting Sentences and Words