Python实现计算机视觉中IoU计算的完整代码解析
发布时间：2026-10-13 |
4人浏览过
本文详细解析了使用Python计算计算机视觉中边界框交并比（IoU）的实现方法。通过中心点坐标与宽高参数，代码逻辑判断矩形框是否存在交集，并计算重叠面积与总面积之比。该实例适用于目标检测任务中的模型评估，提供了可直接运行的完整函数定义及调用示例，帮助开发者快速掌握IoU核心算法逻辑。
Python IoU计算核心逻辑与代码实现
在计算过程中，变量x1、y1和x2、y2分别代表两个矩形边界框的中心点坐标。
def calcIOU(x1, y1, w1, h1, x2, y2, w2, h2):
if((abs(x1 - x2) < ((w1 + w2)/ 2.0)) and (abs(y1-y2) < ((h1 + h2)/2.0))):
left = max((x1 - (w1 / 2.0)), (x2 - (w2 / 2.0)))
upper = max((y1 - (h1 / 2.0)), (y2 - (h2 / 2.0)))
right = min((x1 + (w1 / 2.0)), (x2 + (w2 / 2.0)))
bottom = min((y1 + (h1 / 2.0)), (y2 + (h2 / 2.0)))
inter_w = abs(left - right)
inter_h = abs(upper - bottom)
inter_square = inter_w * inter_h
union_square = (w1 * h1)+(w2 * h2)-inter_square
calcIOU = inter_square/union_square * 1.0
print("calcIOU:", calcIOU)
else:
print("No intersection!")
return calcIOU
def main():
calcIOU(1, 2, 2, 2, 2, 1, 2, 2)
if __name__ == '__main__':
main()以上关于Python计算机视觉中IoU计算的实例分享完毕，希望能为读者提供参考，并欢迎大家继续支持本站获取更多技术内容。
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
