Python合并多个相交矩形框

Python合并多个相交矩形框

前言

前提条件

相关介绍

  • Python是一种跨平台的计算机程序设计语言。是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。最初被设计用于编写自动化脚本(shell),随着版本的不断更新和语言新功能的添加,越多被用于独立的、大型项目的开发。

实验环境

  • Python 3.x (面向对象的高级语言)

Python合并多个相交矩形框

代码实现

python 复制代码
import cv2
import numpy as np


def xyxy2xywh(rect):
    '''
    (x1,y1,x2,y2) -> (x,y,w,h)
    '''
    return [rect[0],rect[1],rect[2]-rect[0],rect[3]-rect[1]]

def xywh2xyxy(rect):
    '''
    (x,y,w,h) -> (x1,y1,x2,y2)
    '''
    return [rect[0],rect[1],rect[0]+rect[2],rect[1]+rect[3]]


def is_RecA_RecB_interSect(RecA, RecB): # Rec = [xmin,ymin,xmax,ymax]
    # 获取交集区域的[xmin,ymin,xmax,ymax]
    x_A_and_B_min = max(RecA[0], RecB[0])
    y_A_and_B_min = max(RecA[1], RecB[1])
    x_A_and_B_max = min(RecA[2], RecB[2])
    y_A_and_B_max = min(RecA[3], RecB[3])
    # 计算交集部分面积, 当(xmax - xmin)为负时,说明A与B框无交集,直接置为0。 (ymax - ymin)同理。
    interArea = max(0, x_A_and_B_max - x_A_and_B_min) * max(0, y_A_and_B_max - y_A_and_B_min)
    return interArea > 0

def merge_RecA_RecB(RecA, RecB): # Rec = [xmin,ymin,xmax,ymax]
    # 获取合并区域的[xmin,ymin,xmax,ymax]
    xmin = min(RecA[0], RecB[0])
    ymin = min(RecA[1], RecB[1])
    xmax = max(RecA[2], RecB[2])
    ymax = max(RecA[3], RecB[3])
    return [xmin,ymin, xmax,ymax]

# def merge_rect(box,box_len):
#     if  box_len== 1:
#         return box

#     for i in range(box_len):
#         RecA_xywh = box[i]
#         RecA_xyxy = xywh2xyxy(RecA_xywh)
#         for j in range(i+1,box_len):
#             RecB_xywh = box[j]
#             RecB_xyxy = xywh2xyxy(RecB_xywh)
#             print(is_RecA_RecB_interSect(RecA_xyxy, RecB_xyxy))
#             if is_RecA_RecB_interSect(RecA_xyxy, RecB_xyxy):
#                 rect_xyxy = merge_RecA_RecB(RecA_xyxy, RecB_xyxy)
#                 rect_xywh = xyxy2xywh(rect_xyxy)
#                 box.remove(RecA_xywh)
#                 box.remove(RecB_xywh)
#                 box.append(rect_xywh)
#                 box_len = len(box)
#                 merge_rect(box,box_len)
#                 # 此处少了return box会报错
#     return box


# def merge_rect(box, box_len):
    
#     if box_len == 1:
#         return box

#     for i in range(box_len):
#         RecA_xywh = box[i]
#         RecA_xyxy = xywh2xyxy(RecA_xywh)
#         for j in range(i+1, box_len):
#             RecB_xywh = box[j]
#             RecB_xyxy = xywh2xyxy(RecB_xywh)
#             if is_RecA_RecB_interSect(RecA_xyxy, RecB_xyxy):
#                 rect_xyxy = merge_RecA_RecB(RecA_xyxy, RecB_xyxy)
#                 rect_xywh = xyxy2xywh(rect_xyxy)
#                 # 使用remove(elem)来移除元素
#                 box.remove(RecA_xywh)
#                 box.remove(RecB_xywh)

#                 box.append(rect_xywh)
#                 box_len = len(box)
#                 merge_rect(box, box_len)
#                 # 返回上一级循环,避免重复处理已合并的矩形
#                 return box
#     return box



'''
递归是一个过程或函数在其定义或说明中有直接或间接调用自身的一种方法,
它通常把一个大型复杂的问题层层转化为一个与原问题相似的规模较小的问题来求解。
因此递归过程,最重要的就是查看能不能讲原本的问题分解为更小的子问题,这是使用递归的关键。


    终止条件:矩形框数为1或者为空。
    返回值: 新合并的矩形框
    本级任务: 每一级需要做的就是遍历从它开始的后续矩形框,寻找可以和他合并的矩形

'''
def merge_rect(box):
    '''
    合并重叠框 

    输入参数: box :[[x,y,w,h],...]

    返回:
        合并后的box:[[x,y,w,h],...]
    '''
    if len(box) == 1 or len(box) == 0 : # 矩形框数为1或者为空
        return box

    for i in range(len(box)):
        RecA_xywh = box[i]
        RecA_xyxy = xywh2xyxy(RecA_xywh)
        for j in range(i+1, len(box)):
            RecB_xywh = box[j]
            RecB_xyxy = xywh2xyxy(RecB_xywh)
            if is_RecA_RecB_interSect(RecA_xyxy, RecB_xyxy):
                rect_xyxy = merge_RecA_RecB(RecA_xyxy, RecB_xyxy)
                rect_xywh = xyxy2xywh(rect_xyxy)
                # 使用remove(elem)来移除元素
                box.remove(RecA_xywh)
                box.remove(RecB_xywh)
                box.append(rect_xywh)
                merge_rect(box)
                # 返回上一级循环,避免重复处理已合并的矩形
                return box
    return box


if __name__=="__main__":
    # 原始
    box = [[256,256,10,10],[10,10,15,15],[20,20,10,10],[100,100,150,150],
           [200,200,100,100],[400,400,15,15],[410,410,15,15],[420,420,10,10]] # (x,y,w,h)
    print("原始的矩形框:",box)
    
    img = np.ones([512, 512, 3], np.uint8)
    for x,y,w,h in box:
        img = cv2.rectangle(img, (x,y), (x+w,y+h), (0, 255, 0), 2)
    cv2.imshow('origin', img)

    # 合并后
    merged_box =  merge_rect(box)
    print("合并的矩形框:",merged_box)

    img = np.ones([512, 512, 3], np.uint8) 
    for x,y,w,h in merged_box:
        img = cv2.rectangle(img, (x,y), (x+w,y+h), (0, 0, 255), 2)
    cv2.imshow('merged', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
相关推荐
DeepSeek大模型官方教程23 分钟前
NLP之文本纠错开源大模型:兼看语音大模型总结
大数据·人工智能·ai·自然语言处理·大模型·产品经理·大模型学习
想躺平的咸鱼干33 分钟前
Volatile解决指令重排和单例模式
java·开发语言·单例模式·线程·并发编程
Owen_Q1 小时前
Denso Create Programming Contest 2025(AtCoder Beginner Contest 413)
开发语言·算法·职场和发展
MidJourney中文版1 小时前
深度报告:中老年AI陪伴机器人需求分析
人工智能·机器人
·云扬·1 小时前
【Java源码阅读系列37】深度解读Java BufferedReader 源码
java·开发语言
王上上1 小时前
【论文阅读41】-LSTM-PINN预测人口
论文阅读·人工智能·lstm
liulilittle2 小时前
C++ i386/AMD64平台汇编指令对齐长度获取实现
c语言·开发语言·汇编·c++
智慧化智能化数字化方案2 小时前
69页全面预算管理体系的框架与落地【附全文阅读】
大数据·人工智能·全面预算管理·智慧财务·智慧预算
PyAIExplorer2 小时前
图像旋转:从原理到 OpenCV 实践
人工智能·opencv·计算机视觉
Wilber的技术分享2 小时前
【机器学习实战笔记 14】集成学习:XGBoost算法(一) 原理简介与快速应用
人工智能·笔记·算法·随机森林·机器学习·集成学习·xgboost