有没有可以拟合一个轮廓是否为一个正方形的程度的办法

当你需要判断一个轮廓是否近似于正方形时，一种常见的方法是计算轮廓的几个关键特征，如长宽比、角度偏差等。这里提供一个基本的思路：

1. **计算长度和宽度**：首先从轮廓中提取四个顶点，然后计算最长边（最大宽度）和最短边（最大高度），形成原始的长和宽。

def get_dimensions(verts):
    # 假设verts是一个包含四个顶点坐标的列表，每个元素是(x, y)对
    width = max([v[0] for v in verts]) - min([v[0] for v in verts])
    height = max([v[1] for v in verts]) - min([v[1] for v in verts])
    return width, height

width, height = get_dimensions(verts)

2. **角度计算**：使用轮廓的边缘点来估计角点，然后测量相邻边之间的夹角。如果轮廓接近正方形，所有内角应大致相等（90度）。

import cv2
import numpy as np

# 使用OpenCV的minAreaRect获取最小外接矩形的角度
angle = cv2.minAreaRect(verts)[-1]

# 或者手动计算角度差
angles = [np.arctan2((verts[i+1][1]-verts[i][1]), (verts[i+1][0]-verts[i][0])) % (np.pi * 2) for i in range(len(verts)-1)]
angle_diffs = abs(np.diff(sorted(angles)))

3. **评估偏离程度**：比较这些角度和理想正方形的角度（90度）。可以定义一个误差阈值，例如，如果所有角度差都小于一定阈值，那么就认为轮廓接近正方形。

is_square = all(angle_diffs < threshold and angle_diffs / np.pi < tolerance) and width / height < aspect_ratio_threshold

其中`threshold`、`tolerance`和`aspect_ratio_threshold`都是你可以调整的参数，用来控制正方形的容错范围和形状要求。