最小外接矩形

https://blog.csdn.net/weixin_37763340/article/details/114339621

(cx,cy), (l,w), theta=cv2.minAreaRect(points)

输入：点集
返回值：中心点坐标->(cx,cy)；长宽->(l,w)；从x轴逆时针旋转到宽(w)的角度->theta

cv2.boxPoints()可以将minAreaRect的返回值转换为四个角点坐标

sum函数

a.sum()是将矩阵中所有的元素进行求和

a.sum(axis = 0)是普通的相加，即对应列相加

a.sum(axis=1)，矩阵中元素行相加

argmin()函数，给出数组中最小值的下标值。

np.roll（）函数：

numpy.roll(a, shift, axis=None)，a为输入数组，shift为滚动长度，axis为滚动维度，默认为None，即先将数组进行扁平化处理，然后再水平滚动；axis=0，数组垂直方向滚动；axis=1，数组水平方向滚动。

a.reshape(x,y,z):将数组变换为x行，y列，z维的数组，若x或y为-1，代表a数组的行或列数不变。

cv2.polylines()函数：

cv2.polylines()用来画多边形。

• 第1个参数为图像对象；
• 第2个参数为包含一个三元组元素的列表，包含了多边形的各个顶点；
• 第3个参数为Bool型参数表示是否闭合；通常为ture
• 第4个参数为颜色；
• 第5个参数为线条宽度，注意不能使用-1表示填充；

实现代码：

import cv2

imgpath = '1.jpg'
image = cv2.imread(imgpath)
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
_, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)  
contours, _ = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
for cont in contours:
	# 对每个轮廓点求最小外接矩形
    rect = cv2.minAreaRect(cont)
    # cv2.boxPoints可以将轮廓点转换为四个角点坐标
    box = cv2.boxPoints(rect)
    # 这一步不影响后面的画图，但是可以保证四个角点坐标为顺时针
    startidx = box.sum(axis=1).argmin()
    box = np.roll(box,4-startidx,0)
    # 在原图上画出预测的外接矩形
    box = box.reshape((-1,1,2)).astype(np.int32)
    cv2.polylines(image,[box],True,(0,255,0),10)
cv2.imshow('ret',image)

cv2.waitKey(0)

输出结果：