多边形区域填充算法_求取任意两个多边形的IOU

在目标检测中，真值与预测值的交并比IoU（Intersection over Union）是用来评价检测模型的一个重要指标。通俗意义上来讲，也就是检测结果与真实的结果重叠的区间所占两者面积之和的权重，一般说来，当IoU>0.5,我们认为检测准确。IoU具体的定义如下所示：

图片来源网络

对于常见的矩形框类型的求取交并比，我们见得较多，算法也容易掌握。而最近需要求解一个任意多边形的IoU用来判断检测效果，在手撸了代码不断尝试以后，发现了借助opencv可以简单快速的实现。详情见代码：

import cv2
import numpy as np
import matplotlib.pyplot as plt
height=600
width=600
color = (1,0,0)
color2 = (0,1,0)

img = np.zeros([600,600,2])
triangle1 = np.array([[20,20], [20, 100], [300, 100],[300,20]])
cv2.fillConvexPoly(img, triangle1, color)
area1 = img.sum()
img = np.zeros([600,600,3])
triangle2 = np.array([[20,60], [20, 120], [300, 120],[300,60]])
cv2.fillConvexPoly(img, triangle2, color2)
area2 = img.sum()
cv2.fillConvexPoly(img, triangle1, color)
union_area = img.sum()
inter_area = area1 + area2 - union_area
IOU = inter_area / union_area
plt.imshow(img)
plt.show()
print (IOU)

借助opencv的fillConvexPoly函数，实现对多变形的填充，而填充的对象为固定的color，利用triangle接受多边形各个顶点的坐标信息，最后得到两个多边形的IoU。上述代码在计算IoU时存在一定的误差，这主要是利用fillConvexPoly函数时导致，如果满足你的IoU精度要求，不妨采用这种思路，主要我也没想到怎么求任意多边形的IoU,就将就着了。