OpenCV：绘制图像中mask的最小外接矩形

在计算机视觉和图像处理中，我们经常需要计算直线与外接矩形边的交点。这在进行边缘检测、图像分割、目标跟踪等任务时非常有用。本文将介绍如何使用OpenCV和NumPy计算直线与外接矩形边的交点，并展示如何在实际图像中绘制直线。

1.使用OpenCV读取图像

import cv2
import numpy as np

# 读取二值图像
img = cv2.imread('./111.png', cv2.IMREAD_GRAYSCALE)

2.寻找图像中的轮廓

使用OpenCV的findContours函数寻找图像中的轮廓。这里我们选择RETR_EXTERNAL表示只检测最外层轮廓，CHAIN_APPROX_SIMPLE表示压缩水平、垂直和对角线方向的元素，只保留它们的终点坐标。

# 寻找轮廓
contours, _ = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

3.获取最大轮廓

找到所有轮廓后，我们选择面积最大的轮廓，即目标物体所在的区域。

# 获取最大轮廓（白色区域）
max_contour = max(contours, key=cv2.contourArea)

4.计算最小外接矩形

使用minAreaRect函数计算最小外接矩形的信息，包括中心点、尺寸和旋转角度。

# 计算最小外接矩形
rect = cv2.minAreaRect(max_contour)
box = cv2.boxPoints(rect)
box = np.intp(box