OpenCV图片进行去噪声操作，再利用轮廓检测检测，画出轮廓，并进一步画出图中的旋转矩形和最小外包圆

在OpenCV库中，图像处理的一个常见步骤是先对图片进行去噪，以便提高后续分析的准确性和效率。常用的去噪方法有高斯滤波、中值滤波等。一旦图像预处理完成，可以使用`cv2.findContours()`函数从去噪后的图像中提取边缘轮廓。

首先，你需要读取并加载图片：

import cv2
image = cv2.imread('input.jpg', cv2.IMREAD_GRAYSCALE)  # 防止颜色干扰，通常使用灰度图像处理

然后，应用去噪操作，例如高斯滤波：

kernel_size = 5  # 可调整大小
blurred_image = cv2.GaussianBlur(image, (kernel_size, kernel_size), 0)

接着，找到轮廓：

contours, hierarchy = cv2.findContours(blurred_image, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

对于每个轮廓，你可以计算旋转矩形和最小外包圆：

import numpy as np

for contour in contours:
    x, y, w, h = cv2.boundingRect(contour)  # 计算矩形边界
    rect = np.int0(cv2.boxPoints(cv2.minAreaRect(contour)))  # 计算旋转矩形
    cv2.drawContours(image, [rect], -1, (0, 255, 0), 2)  # 绘制旋转矩形
    
    ellipse = cv2.fitEllipse(contour)  # 计算最小外包椭圆
    cv2.ellipse(image, ellipse, (0, 0, 255), 2)  # 绘制最小外包圆

最后，显示结果：

cv2.imshow("Original", image)
cv2.waitKey(0)
cv2.destroyAllWindows()