python实现提取文件名某个字符串并新建文件夹保存，判断两个矩形是否相交或重合

需求：

1. 有一批样本集，其中文件的命名格式为：N编号+C类型+P位置信息+S文件名称，和一批图片文件夹（若干jpg文件）。
2. 先循环遍历图片文件夹，对其进行图像处理操作，得到一系列操作后的结果，保存为npy文件并且保存到新建的文件夹中，命名格式为N编号+P位置信息+S文件名，暂且将它称为数据集吧。
3. 所以可以发现，样本集和数据集的命名格式就是其实就是相差了类型。这也是接下来要做的。
4. 首先要提取样本集和数据集的文件名字段，进行匹配，然后找到它们的位置信息（位置信息不是完全一样的，可能是包含关系，就是样本集的矩形框会比数据集大，也有可能是相交，这个是未知的）。一旦文件名匹配成功，位置信息也发现是有重合或者是相交，那就将样本集的类型添加到数据集中，后续会作为模型的标签。

样本文件名例如： N00001C3noFusionP110_456_45_12S12345.npy

其中00001为编号，3noFusion为类型，110_456_45_12为位置信息，为x，y，width，height，12345.npy为文件名

 具体实现：

1、首先就是循环遍历这个图片文件夹，并进行相应的图像处理操作。这个在之前的博客里有写到。接下来就是新建文件夹并将npy文件保存进去。

def save_npy(data,path,name):
    '''
    data为要保存的npy数据
    path为要保存的路径
    name为要保存的文件名
    '''
    if not os.path.exists(path):    
        os.makedirs(path)    #如果没有该文件夹，创建文件夹
    file = os.path.join(path,name)    #保存文件
    if not os.path.isfile(file):
        np.save(file,data)
 
 
# 所以在主函数中，只需要定义好我们的路径和文件名，调用该函数即可完成新建文件夹和文件的保存。

 到这一步，数据集就搞好了，接下来就是比较头疼的匹配环节。

2、提取样本集的各字段

# 定义样本集的三个要收集的信息--list
filename_list = []
filetype_list = []
fileposition_list = []
 
#循环遍历样本集，依次获取三种信息并添加到相应list中
fileList = getFileList(filepath,[],'npy')  #这一步是读取样本集中的文件
#它的输出是包含了这个文件的完整路径 比如 D:\\xxxx\\这种的
#所以我们需要提前获取到它的真正文件名
filenameList = []
for item in fileList:
    #就是去掉所有的路径前缀，保留文件名
    filename = os.path.splitext(os.path.basename(item))[0] 
    filenameList.append(filename)  
 
#filenameList中存放的就全部都是每一个文件的文件名了
 
for fileitem in filenameList:
    name = fileitem.split('S')[1]
    filetype = fileitem.split('C')[1][0:1]
    fileposition = fileitem.split('S')[0][-17:].split('P')[1]
    filename_list.append(name)
    filetype_list.append(filetype)
    fileposition_list.append(fileposition)
 
#至此，样本集的三个信息均收集完成

具体记录一下提取字符串的split方法

str = '你好，HelloWorld'
 
b = str.split(',')  #这个就是以 ，为分割，划分这个字符串
print(b)   # 输出会发现，它是数组，['你好','HelloWorld'] 分别存放分割前和后的字符串
#如果只要逗号后的字符串
c = str.split(',')[1]  # HelloWorld

所以对于文件名就是提取S字符之后的所有字符串就是 split('S')[1]

而文件的类型，其实我需要的只是C3noFusion里面，C后面紧跟的那个数字即可（共分为1，2，3，三类，每一大类里面有小类，就是后面的英文，但实际中只需要大类即可），所以split('C')[1]就是C后面的所有字段，[0:1]就是该字段中的【0，1）的字段，即那个数字 3

fileposition写的很复杂，是因为在给文件夹规定命名格式时，是N+C+P+S，但是我一时疏忽忘记考虑在C这个类型里面，第三类有一个小类中包含了P这个字符，C3noPen....这样子的，所以仅通过找到P是不行的。

# N00001C3noFusionP110_456_45_12S12345.npy 以这个命名为例
fileitem.split('S')[0]  # N00001C3noFusionP110_456_45_12
# 从后往前找17位，（这里的17是根据命名位置信息P时是超过x，y，width，height所有的长度上限的）
#并且如果有时P字段字符较少，也不会查找到C3noP....中的P字段
 
# 所以假设查找到了 onP110_456_45_12
就只需要再split('S')[1]即可

---

这里就是完成了文件名中的三个信息的收集工作，后面就是样本集和数据集中位置信息的匹配工作。（位置信息就是外界矩形的左上角的x，y坐标，和它的宽高）。先根据position信息，提取到四个值，存到变量中。如 positon1 = [x,y,width,height] 

也就是有了两个矩形的位置信息，首先判断它们是否相交，如果相交，判断它们的重合度。

#计算两个矩形是否相交
def mat_inter(box1,box2):
    #这里的x01，y01就是左上角的坐标，x02，y02是右下角的坐标
    #所以根据我们的x y width height 还要转换一下右下角坐标
    x01,y01,x02,y02 = box1
    x11,y11,x12,y12 = box2
    
    lx = abs((x01 + x02) / 2 - (x11 + x12) / 2)
    ly = abs((y01 + y02) / 2 - (y11 + y12) / 2)
 
    width1 = abs(x01 - x02)
    height1 = abs(y01 - y02)
    width2 = abs(x11 - x12)
    height2 = abs(y11 - y12)
 
    if(lx <= (width1 + width2) / 2 and ly <= (height1 + height2) / 2):
        return True
    else:
        return False
 
#计算两个矩形框的重合度
def solve_inter(box1,box2):
    if mat_inter(box1,box2) == True:
        x01,y01,x02,y02 = box1
        x11,y11,x12,y12 = box2
        
        col = min(x02,x12) - max(x01,x11)
        row = min(y02,y12) - max(y01,y11)
        intersection = col * row
        area1 = abs(x02 - x01) * abs(y02 - y01)
        area2 = abs(x12 - x11) * abs(y12 - y11)
        coincide = intersection / (area1 + area2 - intersection)
        return coincide
    else:
        return False

后续的类型字符段添加还有模型的训练等就不写了