Function evaluate_result

modules/metric_evaluator.py:1426–1468

快捷函数 - 评估转换结果 Args: elements: 元素列表 image_path: 原始图片路径 canvas_width: 画布宽度（可选，会自动从图片获取） canvas_height: 画布高度（可选） config: 评估配置 Returns: 评估结果字典，包含： - overall_score: 总体分数（0-100，即覆盖率） - content_coverage: 内容覆盖率

(elements: List[ElementInfo],
                    image_path: str,
                    canvas_width: int = 0,
                    canvas_height: int = 0,
                    config: Dict = None)

# ======================== 快捷函数 ========================

def evaluate_result(elements: List[ElementInfo],
                    image_path: str,
                    canvas_width: int = 0,
                    canvas_height: int = 0,
                    config: Dict = None) -> Dict[str, Any]:
    """
    快捷函数 - 评估转换结果
    
    Args:
        elements: 元素列表
        image_path: 原始图片路径
        canvas_width: 画布宽度（可选，会自动从图片获取）
        canvas_height: 画布高度（可选）
        config: 评估配置
        
    Returns:
        评估结果字典，包含：
        - overall_score: 总体分数（0-100，即覆盖率）
        - content_coverage: 内容覆盖率
        - missing_rate: 漏检率
        - bad_regions: 问题区域列表
        - metrics: 详细指标
        
    使用示例:
        result = evaluate_result(elements, "test.png")
        print(f"评分: {result['overall_score']}/100")
        print(f"覆盖率: {result['content_coverage']}%")
        print(f"漏检率: {result['missing_rate']}%")
        print(f"问题区域: {len(result['bad_regions'])}个")
        
        for region in result['bad_regions']:
            print(f"  - {region['bbox']}: {region['description']}")
    """
    evaluator = MetricEvaluator(config)
    context = ProcessingContext(
        image_path=image_path,
        elements=elements,
        canvas_width=canvas_width,
        canvas_height=canvas_height
    )
    
    result = evaluator.process(context)
    return result.metadata

def compute_content_coverage(image_path: str, 
                              bboxes: List[List[int]],