opencv求两个矩形的iou

在 OpenCV 中，我们可以使用 `cv2.intersectUnion()` 函数来计算两个矩形的 IoU（Intersection over Union）。

以下是一个示例代码：

import cv2

# 定义两个矩形
rect1 = [50, 50, 100, 100]   # [x, y, w, h]
rect2 = [70, 70, 120, 80]

# 计算交集和并集
intersection = cv2.intersectConvexConvex(cv2.boxPoints(rect1), cv2.boxPoints(rect2))
union = cv2.contourArea(cv2.convexHull(cv2.vconcat([cv2.boxPoints(rect1), cv2.boxPoints(rect2)])))

# 计算 IoU
iou = intersection / union
print(iou)

在上面的代码中，我们首先定义了两个矩形。然后，我们使用 `cv2.intersectConvexConvex()` 函数计算它们的交集，使用 `cv2.convexHull()` 函数计算它们的并集，最后计算 IoU 值。

请注意，`cv2.boxPoints()` 函数用于将矩形转换为其对应的四个顶点坐标，`cv2.vconcat()` 函数用于垂直拼接两个矩形的顶点坐标，`cv2.contourArea()` 函数用于计算一个轮廓的面积。

相关问题

opencv c++计算两个矩形的iou

在 OpenCV 中，我们可以使用 `cv::intersectConvexConvex()` 函数来计算两个矩形的交集，并使用 `cv::contourArea()` 函数计算它们的并集，从而计算它们的 IoU（Intersection over Union）。

以下是一个示例代码：

#include <opencv2/opencv.hpp>

int main()
{
    // 定义两个矩形
    cv::Rect rect1(50, 50, 100, 100);
    cv::Rect rect2(70, 70, 120, 80);

    // 计算交集和并集
    cv::Mat intersection;
    cv::intersectConvexConvex(cv::Mat(cv::boxPoints(rect1)), cv::Mat(cv::boxPoints(rect2)), intersection);

    std::vector<cv::Point> hull;
    cv::convexHull(cv::Mat(cv::vconcat(cv::Mat(cv::boxPoints(rect1)), cv::Mat(cv::boxPoints(rect2)))), hull);
    double unionArea = cv::contourArea(hull);

    // 计算 IoU
    double iou = cv::contourArea(intersection) / unionArea;
    std::cout << "IoU: " << iou << std::endl;

    return 0;
}

在上面的代码中，我们首先定义了两个矩形。然后，我们使用 `cv::Mat` 类型将它们转换为其对应的四个顶点坐标，并使用 `cv::intersectConvexConvex()` 函数计算它们的交集。接下来，我们使用 `cv::vconcat()` 函数将两个矩形的顶点坐标垂直拼接，并使用 `cv::convexHull()` 函数计算它们的并集。最后，我们使用 `cv::contourArea()` 函数计算交集和并集的面积，并计算 IoU 值。

请注意，在 C++ 中，`cv::Rect` 类型的构造函数参数依次为 `(x, y, width, height)`。

opencv求最小外接矩形

在OpenCV中，可以使用minAreaRect()函数来求解最小外接矩形。该函数接受一个轮廓作为输入，并返回一个RotatedRect对象，其中包含了最小外接矩形的中心点、长度、宽度和旋转角度等信息。

代码示例：

import cv2

# 读取图像并转换为灰度图像
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化处理
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 查找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 绘制轮廓
cv2.drawContours(img, contours, -1, (0, 0, 255), 2)

# 计算最小外接矩形
rect = cv2.minAreaRect(contours[0])

# 绘制最小外接矩形
box = cv2.boxPoints(rect)
box = np.int0(box)
cv2.drawContours(img, [box], 0, (0, 255, 0), 2)

# 显示图像
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述代码中，首先读取图像并进行灰度转换和二值化处理，然后使用findContours()函数查找轮廓。接着，使用minAreaRect()函数计算最小外接矩形，并使用boxPoints()函数将矩形转换为四个顶点的坐标。最后，使用drawContours()函数绘制轮廓和最小外接矩形，并显示图像。