opencv minAreaRect角度

minAreaRect返回的数据包括了矩形的中心点，宽、高，和旋转角度。

其中旋转角度的范围是[-90,0)，在第一、第二象限有不同的表现形式，更重要的是，宽高也会跟着旋转而发生变化。

下面是实验的模拟：

首先创建一个矩形图，如下图所示，初始水平，宽，高分别为200和70。minArea对这个初始矩形轮廓的返回角度为-90

接下来，让矩形逆时针旋转，每次旋转15度，（键盘任意键按下为一次旋转），下面的动图展示了整个旋转过程（360度）中minAreaRect返回的角度与宽高值。

可以发现，在第一象限时，水平方向在opencv中表示为-90，但实际上往逆时针稍微旋转一点，就是0，逆时针方向旋转角度减少，直达-90变成垂直。第二象限时，角度垂直时opencv中表示为-90，也与之前第一象限的角度连续，但实际上往逆时针方向转一点，也就变成了0度，然后逆时针转到水平时为-90度（也与第一象限的初始位置角度连续）。

特别注意，在第二象限时，opencv返回的宽高是实际矩形的高、宽。第一象限时宽高没有交换。

ps：针对这一点特性，若需要利用minAreaRect返回的角度值对图片进行矫正，则可以通过该函数返回的矩形宽、高之比进行判定，若小于1（宽小于高），则表明图形处于第二象限，利用getRotationMatrix2D(center, angle,1)函数进行变换时，angle就需要加上90.(因为getRotationMatrix2D中的angle参数为正时表示逆时针旋转)

即opencv中的minAreaRect在第一象限的返回结果如下：

opencv中的minAreaRect在第二象限的返回结果如下：

实验程序如下：

import cv2
import numpy as np
import matplotlib.pyplot as plt
import imutils

if __name__ == '__main__':
    image = np.zeros((400, 400), dtype='uint8')
    image[180:251, 100:301] = 255

    # loop over the rotation angles
    for angle in np.arange(0, 360, 15):  # 逆时针旋转
        rotated = imutils.rotate(image, angle)
        try:
            _, contours, hierarchy = cv2.findContours(rotated, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
        except ValueError:
            contours, hierarchy = cv2.findContours(rotated, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
        rotatedRect = cv2.minAreaRect(contours[0])

        angle = rotatedRect[-1]
        w, h = rotatedRect[1]
        print("angle:", angle)
        print("size:", rotatedRect[1])
        cv2.putText(rotated, 'angle:' + str(int(angle)), (100, 25), cv2.FONT_HERSHEY_SIMPLEX, 1, 255)
        cv2.putText(rotated, '(h,w):({0},{1})'.format(int(h), int(w)), (80, 60), cv2.FONT_HERSHEY_SIMPLEX, 1, 255)
        cv2.imshow("Rotated (Problematic)", rotated)
        cv2.waitKey(0)

    cv2.destroyAllWindows()