二维平面以椭圆模拟某点附近2米的范围

最新推荐文章于 2024-07-06 17:45:57 发布

SZ170110231

最新推荐文章于 2024-07-06 17:45:57 发布

阅读量338

点赞数 3

文章标签：平面 python 开发语言

本文链接：https://blog.csdn.net/SZ170110231/article/details/140144472

版权

# 圆形 --> 椭圆 孙赢利
        ##########################################################################################################################
        ##########################################################################################################################
        # # 判断点是否在椭圆内部
        def point_inside_ellipse(point, center, axes, rotation_angle):
            x, y = point[0] - center[0], point[1] - center[1]  # 将坐标系转换为相对于椭圆中心的新坐标系
            angle = math.radians(rotation_angle)  # 将旋转角度转换为弧度
            x_rotated = x * math.cos(angle) + y * math.sin(angle)  # 根据旋转角度计算旋转后的x坐标
            y_rotated = -x * math.sin(angle) + y * math.cos(angle)  # 根据旋转角度计算旋转后的y坐标
            a, b = axes[0], axes[1]  # 提取椭圆的半长轴a和半短轴b
            return (x_rotated / a) ** 2 + (y_rotated / b) ** 2 <= 1  # 判断点是否在旋转椭圆的内部
        # 接待判断模块
        if len(new_frame_tracks_results) > 0 and len(new_frame_tracks_results[0]) > 0:
            for a in range(len(new_frame_tracks_results[0])):
                output = new_frame_tracks_results[0][a]
                bbox = output[0:4]
                id = output[4]
                cls = output[5]
                conf = output[6]
                bbox_x = int((output[0] + output[2]) / 2)
                bbox_y = int((output[1] + output[3]) / 2)
                bbox_w = int(output[2] - output[0])
                bbox_h = int(output[3] - output[1])
                ##########################################################################################################################
                # 设置椭圆的中心坐标和轴长度， 旋转角度
                center = (bbox_x, bbox_y - int(bbox_h/2) + int(bbox_h/12)) # 中心点
                if bbox_w > bbox_h:
                    axes = (int(bbox_w), int(bbox_w/2)) # 轴长度
                if bbox_w < bbox_h or bbox_w == bbox_h:
                    axes = (int(2.25 * bbox_w), int(1.175 * bbox_w)) # 轴长度
                w_distance = abs(bbox_x - im0s_w/2) + 0.000001
                h_distance = abs((bbox_y - bbox_h/2 + bbox_h/12) - im0s_h) + 0.000001
                tan_h_w = w_distance / h_distance
                x = math.atan(tan_h_w) # 旋转角度
                if x < 0:
                    x = x +  math.pi
                if int(bbox_x) > int(im0s_w/2):
                    angle = math.degrees(x)
                elif int(bbox_x) < int(im0s_w/2):
                    angle = 90 - math.degrees(x)
                else:
                    angle = 0 
                # 旋转角度
                angle = int(angle / 4)
                # 设置椭圆的起始和终止角度
                startAngle = 0
                endAngle = 360 
                # 设置椭圆的颜色和线宽
                color = (0, 255, 0)  # BGR颜色格式，这里是绿色
                thickness = 2
                # 在图像上绘制椭圆
                cv2.ellipse(im0, center, axes, angle, startAngle, endAngle, color, thickness)
                for b in range(len(new_frame_tracks_results[0])):
                    # 这里注意，除了自己不和自己比，要重新开始
                    if b == a:
                        continue 
                    output = new_frame_tracks_results[0][b]
                    b_bbox = output[0:4]
                    b_id = output[4]
                    b_cls = output[5]
                    b_conf = output[6]
                    b_bbox_x = int((output[0] + output[2]) / 2)
                    b_bbox_y = int((output[1]  +output[3]) / 2)
                    b_bbox_w = int(output[2] - output[0])
                    b_bbox_h = int(output[3] - output[1])
                    # 判断点是否在椭圆内，即判断距离是否相近
                    if point_inside_ellipse([b_bbox_x, int(b_bbox_y - b_bbox_h/2)], center, axes, angle):
                        start_point = (b_bbox_x, int(b_bbox_y - b_bbox_h/2))
                        end_point = (bbox_x, bbox_y - int(bbox_h/2))
                        color = (255, 0, 0)  # 线条颜色（BGR格式）
                        thickness = 2  # 线条宽度
                        cv2.line(im0, start_point, end_point, color, thickness)
        ##########################################################################################################################
        ##############################################################################################################################
        ###########################################################################################################################