站长资源脚本专栏
python计算二维矩形IOU实例
简介计算交并比：交的面积除以并的面积。要求矩形框的长和宽应该平行于图片框。不然不能用这样的公式计算。原理，从一维上来理解：两条红线的距离之和减去黑色线之间的距离就是相交的距离。两条红线之和很容易算，两条黑线之间的距离就是最小的起点到到最大的末点，最小的起点好算，最大的末点就是两点加上各自长度之后的最
计算交并比：交的面积除以并的面积。
要求矩形框的长和宽应该平行于图片框。不然不能用这样的公式计算。
原理，从一维上来理解：两条红线的距离之和减去黑色线之间的距离就是相交的距离。两条红线之和很容易算，两条黑线之间的距离就是最小的起点到到最大的末点，最小的起点好算，最大的末点就是两点加上各自长度之后的最大值。这就算出了一维的情况，二维的情况一样，计算二次而已。
def iou(rect1,rect2): ''' 计算两个矩形的交并比 :param rect1:第一个矩形框。表示为x,y,w,h，其中x,y表示矩形右上角的坐标 :param rect2:第二个矩形框。 :return:返回交并比，也就是交集比并集 ''' x1,y1,w1,h1=rect1 x2,y2,w2,h2=rect2 inter_w=(w1+w2)-(max(x1+w1,x2+w2)-min(x1,x2)) inter_h=(h1+h2)-(max(y1+h1,y2+h2)-min(y1,y2)) if inter_h<=0 or inter_w<=0:#代表相交区域面积为0 return 0 #往下进行应该inter 和 union都是正值 inter=inter_w * inter_h union=w1*h1+w2*h2-inter return inter/union
以上这篇python计算二维矩形IOU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。