python shapely.geometry.polygon如何實現(xiàn)任意兩個四邊形的IOU計算

import numpy as np 
import shapely
from shapely.geometry import Polygon,MultiPoint #多邊形
 
line1=[2,0,2,2,0,0,0,2]  #四邊形四個點坐標(biāo)的一維數(shù)組表示，[x,y,x,y....]
a=np.array(line1).reshape(4, 2)  #四邊形二維坐標(biāo)表示
poly1 = Polygon(a).convex_hull #python四邊形對象，會自動計算四個點，最后四個點順序為：左上 左下 右下 右上 左上
print(Polygon(a).convex_hull) #可以打印看看是不是這樣子
 
line2=[1,1,4,1,4,4,1,4]
b=np.array(line2).reshape(4, 2)
poly2 = Polygon(b).convex_hull
print(Polygon(b).convex_hull)
 
union_poly = np.concatenate((a,b))  #合并兩個box坐標(biāo)，變?yōu)?*2
#print(union_poly)
print(MultiPoint(union_poly).convex_hull)   #包含兩四邊形最小的多邊形點
if not poly1.intersects(poly2): #如果兩四邊形不相交
  iou = 0
else:
  try:
    inter_area = poly1.intersection(poly2).area  #相交面積
    print(inter_area)
    #union_area = poly1.area + poly2.area - inter_area
    union_area = MultiPoint(union_poly).convex_hull.area
    print(union_area)
    if union_area == 0:
      iou= 0
    #iou = float(inter_area) / (union_area-inter_area) #錯了
    iou=float(inter_area) / union_area
    # iou=float(inter_area) /(poly1.area+poly2.area-inter_area)
    # 源碼中給出了兩種IOU計算方式，第一種計算的是: 交集部分/包含兩個四邊形最小多邊形的面積 
    # 第二種： 交集 / 并集（常見矩形框IOU計算方式） 
  except shapely.geos.TopologicalError:
    print('shapely.geos.TopologicalError occured, iou set to 0')
    iou = 0
 
print(a)
 
print(iou)

def center_geolocation(geolocations):
	'''
	輸入多個經(jīng)緯度坐標(biāo)(格式：[[lon1, lat1],[lon2, lat2],....[lonn, latn]])，找出中心點
	:param geolocations:
	:return:中心點坐標(biāo) [lon,lat]
	'''
	#求平均數(shù) 同時角度弧度轉(zhuǎn)化 得到中心點
	x = 0	# lon
	y = 0	# lat
	z = 0
	lenth = len(geolocations)
	for lon, lat in geolocations:
		lon = radians(float(lon))
		# radians(float(lon))  Convert angle x from degrees to radians
		# 	          把角度 x 從度數(shù)轉(zhuǎn)化為 弧度
		lat = radians(float(lat))
		x += cos(lat) * cos(lon)
		y += cos(lat) * sin(lon)
		z += sin(lat)
		x = float(x / lenth)
		y = float(y / lenth)
		z = float(z / lenth)
	return (degrees(atan2(y, x)), degrees(atan2(z, sqrt(x * x + y * y))))
 
#得到離中心點里程最近的里程
 
def geodistance(lon1,lat1,lon2,lat2):
	'''
	得到兩個經(jīng)緯度坐標(biāo)距離 單位為千米 （計算不分前后順序）
	:param lon1: 第一個坐標(biāo) 維度
	:param lat1: 第一個坐標(biāo) 經(jīng)度
	:param lon2: 第二個坐標(biāo) 維度
	:param lat2: 第二個坐標(biāo) 經(jīng)度
	:return: distance 單位千米
	'''
	# lon1,lat1,lon2,lat2 = (120.12802999999997,30.28708,115.86572000000001,28.7427)
	lon1, lat1, lon2, lat2 = map(radians, [float(lon1), float(lat1), float(lon2), float(lat2)]) #經(jīng)緯度轉(zhuǎn)換成弧度
	dlon=lon2-lon1
	dlat=lat2-lat1
	a=sin(dlat/2)**2 + cos(lat1) * cos(lat2) * sin(dlon/2)**2
	distance=2*asin(sqrt(a))*6371*1000 #地球平均半徑，6371km
	distance=round(distance/1000,3)
	print(distance)
	return distance
 
def getMaxestDistance(geolocations,centre):
	'''
	中心點 距離 多個經(jīng)緯度左邊 最遠(yuǎn)的距離
	:param geolocations: 多個經(jīng)緯度坐標(biāo)(格式：[[lon1, lat1],[lon2, lat2],....[lonn, latn]])
	:param centre: 中心點  centre [lon,lat]
	:return: 最遠(yuǎn)距離 千米
	'''
	distantces=[]
	for lon, lat in geolocations:
		d=geodistance(lat,lon,centre[1],centre[0])
		distantces.append(d)
	# print(distantces)
	return max(distantces)
 
def getOnePolyygen(geolocations):
	'''
	輸入多個經(jīng)緯度坐標(biāo)(格式：[[lon1, lat1],[lon2, lat2],....[lonn, latn]])，找出距該多邊形中心點最遠(yuǎn)的距離
	:param geolocations:多個經(jīng)緯度坐標(biāo)(格式：[[lon1, lat1],[lon2, lat2],....[lonn, latn]])
	:return:center,neartDistance 多邊形中心點 最遠(yuǎn)距離
	'''
	center=center_geolocation(geolocations) # 得到中心點
	neartDistance=getMaxestDistance(geolocations,center)
	# print(center,"-----------------",neartDistance)
	return center,neartDistance