如何最优计算两个矩形的交集面积、并集面积及交并比？

嘿，我来聊聊怎么高效计算两个矩形的交集面积、并集面积以及它们的比值（也就是目标检测里常用的IoU指标），顺便帮你修正下参考代码里的小bug。

核心思路 #

要解决这个问题，核心是先明确两个矩形的重叠区域逻辑：

• 先把每个矩形的左上角坐标和右下角坐标拆解出来（参考代码里这步是对的）
• 交集区域的左上角，是两个矩形左上角x、y坐标的最大值
• 交集区域的右下角，是两个矩形右下角x、y坐标的最小值
• 如果交集的右下角坐标小于左上角，说明两个矩形完全不重叠，交集面积直接取0；否则用右下角减左上角得到宽高，相乘就是交集面积
• 并集面积 = 矩形A面积 + 矩形B面积 - 交集面积（因为交集部分被两个矩形重复计算了一次，必须减去）
• 交并比就是交集面积除以并集面积，注意要处理并集为0的极端情况（比如两个矩形都没有面积）

修正后的最优代码 #

你的参考代码里计算delta_x和delta_y的逻辑搞反了，会出现负数的交集面积，这是错误的。下面是修正后的鲁棒版本：

def intersection_over_union(a, b):
    # 解析矩形a的坐标范围
    ax1 = a['left']
    ay1 = a['top']
    ax2 = ax1 + a['width']
    ay2 = ay1 + a['height']
    
    # 解析矩形b的坐标范围
    bx1 = b['left']
    by1 = b['top']
    bx2 = bx1 + b['width']
    by2 = by1 + b['height']
    
    # 计算交集区域的边界
    intersect_x1 = max(ax1, bx1)
    intersect_y1 = max(ay1, by1)
    intersect_x2 = min(ax2, bx2)
    intersect_y2 = min(ay2, by2)
    
    # 计算交集的宽高，无交集时取0
    intersect_width = max(0, intersect_x2 - intersect_x1)
    intersect_height = max(0, intersect_y2 - intersect_y1)
    intersect_area = intersect_width * intersect_height
    
    # 计算两个矩形的总面积
    area_a = a['width'] * a['height']
    area_b = b['width'] * b['height']
    
    # 计算并集面积
    union_area = area_a + area_b - intersect_area
    
    # 避免除以0的极端情况
    if union_area == 0:
        return 0.0
    
    # 打印中间结果并返回交并比
    print(f"交集面积: {intersect_area}, 并集面积: {union_area}")
    return intersect_area / union_area

为什么这是最优实现？ #

• 效率拉满：所有操作都是O(1)的算术运算，没有循环、递归或复杂逻辑，运行速度最快
• 内存友好：只用到几个临时变量，空间复杂度也是O(1)，完全不占用额外内存
• 鲁棒性强：处理了无交集、并集为0的极端情况，不会出现报错或不合理的负数结果
• 易维护：每一步都对应直观的几何意义，新人看代码也能快速理解

内容的提问来源于stack exchange，提问作者Meetinger