最大最小外接矩形

1.最小外接矩形

1. 读取图像并转换为灰度图

im = cv2.imread("yy.png") im1 = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)

• im 读取的是彩色图像。
• im1 是将 im 转换为灰度图的结果。灰度图简化了图像信息，适合进行轮廓检测等操作。

2. 查找轮廓

contours, _ = cv2.findContours(im1, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

• contours 保存了图像中所有找到的轮廓，每个轮廓是一个点集。
• cv2.RETR_TREE 提供了完整的轮廓嵌套信息，cv2.CHAIN_APPROX_SIMPLE 优化了轮廓存储，仅保留必要的点。

3. 计算最小外接矩形

box = cv2.minAreaRect(contours[0])

• contours[0] 代表第一个轮廓。
• cv2.minAreaRect 计算轮廓的最小外接矩形。它返回一个 box，包含矩形的中心坐标、宽高和旋转角度。

4. 获取矩形的四个顶点并进行坐标处理

box = cv2.boxPoints(box) box = np.intp(np.round(box)) box = np.expand_dims(box, 0)

• cv2.boxPoints 获取矩形的四个角点坐标。
• np.round(box) 将坐标四舍五入，确保为整数。
• np.intp 将坐标转换为整型数组，便于绘图。
• np.expand_dims(box, 0) 为绘制轮廓添加维度，使 box 的形状符合 drawContours 的输入要求。

5. 绘制最小外接矩形

cv2.drawContours(im, box, -1, (0, 0, 255), 1, cv2.LINE_AA)

• 在图像 im 上绘制 box 的轮廓。
• -1 表示绘制整个轮廓。
• (0, 0, 255) 指定轮廓颜色为红色。
• 1 设置线条的粗细。
• cv2.LINE_AA 为抗锯齿线，使矩形边缘更平滑。

2. 最大外接矩形

1. 读取图像并转换为灰度图

im = cv2.imread("yy.png") im1 = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)

• im 读取的是彩色图像。
• im1 是将 im 转换为灰度图的结果。灰度图简化了图像信息，适合进行轮廓检测等操作。

2. 查找轮廓

contours, _ = cv2.findContours(im1, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

• contours 是一个包含所有轮廓的列表，每个轮廓表示为一组点的集合。
• cv2.RETR_TREE 用于检索图像中所有的轮廓层次结构，cv2.CHAIN_APPROX_SIMPLE 会压缩轮廓点数据，只保留关键点，从而减少存储空间。

3. 计算水平外接矩形的坐标和尺寸

x, y, w, h = cv2.boundingRect(contours[0])

• cv2.boundingRect 计算水平外接矩形，该矩形是能完全包围 contours[0] 的最小矩形。
• 返回值：
  • x, y：矩形左上角的坐标。
  • w, h：矩形的宽度和高度。

4. 绘制矩形

cv2.rectangle(im, (x, y), (x + w, y + h), (255, 0, 0), 2, cv2.LINE_AA)

• cv2.rectangle 在图像 im 上绘制矩形。
  • (x, y)：左上角坐标。
  • (x + w, y + h)：右下角坐标（通过左上角坐标和宽高计算得到）。
  • (255, 0, 0)：矩形颜色，这里为蓝色。
  • 2：矩形边框的厚度。
  • cv2.LINE_AA：抗锯齿效果，使边缘更平滑。

水平外接矩形是沿图像坐标轴的矩形框，简单而高效，适用于大多数情况。

适合对规则形状和固定方向的目标物体进行包围，但如果物体是倾斜或不规则形状，最小外接矩形可能更加精准。