首页opencv图像最小外包围矩形

opencv图像最小外包围矩形

时间: 2025-01-21 19:48:52 浏览: 38

### 使用 OpenCV 计算图像的最小外包围矩形为了计算图像中的对象的最小外包围矩形，可以利用 `cv2.minAreaRect()` 函数来获取旋转后的边界框。此函数返回一个 Box2D 结构体 (中心(x,y), (宽度,高度)，旋转角度)[^1]。对于得到的结果，如果希望将其转换成四个顶点坐标的形式，则可以通过 `cv2.boxPoints()` 方法实现这一目的[^2]。下面是一个完整的 Python 示例代码展示如何完成上述操作： ```python import cv2 import numpy as np def min_area_rect_demo(img_path): img = cv2.imread(img_path) gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) ret,binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) contours,hierarchy= cv2.findContours(binary,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[-2:] for cnt in contours: rect = cv2.minAreaRect(cnt) # 获取最小外接矩形的(中心(x,y),(宽,高),旋转角度) box = cv2.boxPoints(rect) # 获得矩形的4个顶点坐标 box = np.int0(box) # 将浮点数转为整型 cv2.drawContours(img,[box],0,(0,0,255),2)# 绘制红色轮廓 cv2.imshow('img',img) cv2.waitKey() cv2.destroyAllWindows() min_area_rect_demo('your_image.png') ``` 这段程序会读取指定路径下的图片文件，并对其进行二值化处理以便更容易找到目标物体的轮廓；接着调用 `findContours` 来检测这些轮廓并逐一应用 `minAreaRect` 和 `boxPoints` 得到每个轮廓对应的最小面积矩形及其四个角的位置信息；最后通过 `drawContours` 把结果可视化出来显示给用户查看[^3]。

阅读全文