python 查找轮廓 最小外接矩形

### Python OpenCV 查找图像轮廓并计算最小外接矩形

在计算机视觉应用中，OpenCV 提供了强大的工具来处理图像中的几何形状分析。对于寻找图像中的轮廓以及计算这些轮廓的最小外包矩形，可以利用 `cv2.findContours` 函数获取二值化图像内的所有轮廓，并通过 `cv2.minAreaRect` 来得到每个轮廓对应的最小面积矩形。

#### 寻找轮廓
为了提取图像中的轮廓，首先需要有一个二值化的输入图像。这通常可以通过阈值操作或其他分割技术获得。之后调用如下函数：

contours, hierarchy = cv2.findContours(binary_image, mode=cv2.RETR_TREE, method=cv2.CHAIN_APPROX_SIMPLE)

这里 `binary_image` 是经过预处理后的黑白图片；`mode` 参数指定了检索模式，而 `method` 则定义了近似方法[^1]。

#### 计算最小外接矩形
一旦获得了轮廓列表，就可以针对每一个感兴趣的轮廓对象求解其最小包围盒：

for cnt in contours:
    rect = cv2.minAreaRect(cnt)  # 得到最小外接矩形中心点坐标(x,y)，宽度w高度h角度a
    box = cv2.boxPoints(rect)     # 获取四个顶点位置
    box = np.int0(box)            # 转换为整数类型
    cv2.drawContours(image,[box],0,(0,0,255),2)  # 绘制红色边框于原图上

这段代码遍历所有的轮廓，在每一轮迭代过程中先调用 `minAreaRect()` 方法取得该轮廓的最佳拟合旋转矩形参数，再由 `boxPoints()` 将此信息转换成具体的四角座标以便绘制出来。