OpenCV库学习之NMSBoxes函数
OpenCV库学习之NMSBoxes函数
一、简介
cv2.dnn.NMSBoxes 是 OpenCV 库中的一个函数，用于在目标检测任务中执行非极大值抑制（Non-Maximum Suppression, NMS）。这个函数通过移除多余的边界框来保留最佳的检测结果。在目标检测算法（如 SSD、YOLO 等）中，通常会预测出多个重叠的边界框，NMS 可以帮助筛选出最佳的边界框。
二、语法和参数
语法：
cv2.dnn.NMSBoxes(boxes, scores, score_threshold, nms_threshold, top_k=0, eta=1.0)
参数：
boxes: 边界框的列表，每个边界框是一个四元组(x1, y1, x2, y2)，表示边界框的左上角和右下角的坐标。scores: 每个边界框对应的置信度分数列表。score_threshold: 置信度的阈值，低于此阈值的边界框将被忽略。nms_threshold: NMS 的阈值，用于决定是否抑制某个边界框。top_k: 可选参数，指定要保留的最大边界框数量，如果为 0，则忽略此参数。eta: 可选参数，表示在处理top_k时的严格性，通常设置为 1.0。
返回值：
返回一个列表，包含通过 NMS 筛选后保留的边界框的索引。
三、实例
3.1 基本的 NMS 操作
- 代码：
import cv2# 假设有一组边界框和对应的置信度分数
boxes = [(x1, y1, x2, y2) for x1, y1, x2, y2 in [(100, 100, 200, 200), (150, 150, 250, 250)]]
scores = [0.9, 0.8]# 应用 NMS
indices = cv2.dnn.NMSBoxes(boxes, scores, score_threshold=0.5, nms_threshold=0.3)
print("Indices of the remaining boxes:", indices)
- 输出：
Indices of the remaining boxes: [0 1]
3.2 指定 top_k 和 eta 参数
- 代码：
import cv2# 假设有一组边界框和对应的置信度分数
boxes = [(x1, y1, x2, y2) for x1, y1, x2, y2 in [(100, 100, 200, 200), (150, 150, 250, 250), (300, 300, 400, 400)]]
scores = [0.9, 0.8, 0.7]# 应用 NMS，同时指定 top_k 和 eta 参数
indices = cv2.dnn.NMSBoxes(boxes, scores, score_threshold=0.5, nms_threshold=0.3, top_k=2, eta=1.0)
print("Indices of the remaining boxes:", indices)
- 输出：
Indices of the remaining boxes: [0 1]
四、注意事项
cv2.dnn.NMSBoxes函数是 OpenCV 4.x 版本中新增的，如果你使用的是 OpenCV 3.x 或更早版本，这个函数不可用。- 边界框坐标通常是整数，表示图像中的位置。
score_threshold和nms_threshold是两个重要的参数，需要根据实际情况进行调整，以达到最佳的检测效果。top_k参数可以用来进一步限制保留的边界框数量，但要注意，即使设置了top_k，最终保留的边界框数量也可能少于top_k，因为低于score_threshold的边界框会被忽略。- 在使用 NMS 时，通常需要先对边界框和置信度分数进行排序，以确保高置信度的边界框优先被处理。