rotation_rectangle = cv2.minAreaRect(filtered_contours)，得到rotation_rectangle，如何求取四个顶点的坐标

`cv2.minAreaRect()` 函数用于找到最小面积的矩形去适应给定的轮廓（contours）。这个函数返回一个元组，包含矩形的角度（以度为单位）、中心点(x, y)以及宽度和高度。如果你想获取旋转矩形的四个顶点坐标，你需要进一步处理这些信息。

首先，矩形通常表示为 `(center, (width, height), angle)` 的形式，其中 `angle` 是逆时针旋转的角度。由于 OpenCV 使用的是逆时针方向的旋转，如果你想要顺时针旋转的角，则需要加上180度。

为了从这些信息计算出顶点坐标，你可以按照以下步骤操作：

1. **计算旋转矩阵**:
根据角度和中心点，你可以创建一个旋转矩阵，`M = cv2.getRotationMatrix2D(center, -angle, 1)`。这里的 `-angle` 是因为我们想要顺时针旋转。

2. **应用旋转矩阵**:
使用 `warped_vertices = cv2.transform([vertices], M)` 来旋转原矩形的边界框坐标（假设`vertices`是一个包含四边顶点坐标的列表）。

3. **调整坐标到图像范围**:
原始矩形可能并不完全落在图像内，因此你需要根据原矩形的尺寸和旋转后的尺寸，对每个顶点进行适当的偏移。

下面是一个示例代码片段，假设你已经有了 `filtered_contours` 和 `min_area_rect` 变量：

import numpy as np
from cv2 import getRotationMatrix2D, warpPoints

# 提取矩形中心点、宽高和角度
center, (width, height), angle = min_area_rect
angle = -angle  # 顺时针旋转

# 假设vertices是原始矩形的顶点，如果是OpenCV contour则要先转换成顺序的点
if vertices is not None and len(vertices):
    vertices = np.array([[x, y] for x, y in vertices])

# 创建旋转矩阵
M = getRotationMatrix2D(center, angle, 1)

# 计算旋转后的顶点
warped_vertices = warpPoints(np.expand_dims(vertices, axis=0), M)[0]

# 转换为实际的图像坐标（这里假设是从原始坐标开始旋转的）
warped_vertices[:, 0] += center[0]
warped_vertices[:, 1] += center[1]

# 如果有必要，还要考虑缩放的影响
warped_vertices *= (width / max(width, height))

# 输出或保存新的顶点
print(warped_vertices)

请注意，这只是一个基本的示例，实际使用时可能需要根据具体的轮廓形状和应用场景进行微调。如果你没有`vertices`，那么需要根据`min_area_rect`重构顶点，可能需要对轮廓进行额外的处理。