opencv识别物体偏转角度和面积

要识别物体的偏转角度和面积，可以使用OpenCV中的一些函数和算法。下面是一些可能有用的函数：

1. cv2.findContours() - 用于查找图像中的轮廓。

2. cv2.minAreaRect() - 用于计算轮廓的最小外接矩形，该矩形可以提供物体的角度。

3. cv2.contourArea() - 用于计算轮廓的面积。

下面是一个简单的示例代码，演示如何使用这些函数来计算物体的偏转角度和面积：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('test.jpg')

# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化处理
ret, thresh = cv2.threshold(gray, 127, 255, 0)

# 查找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 遍历所有轮廓
for cnt in contours:
    # 计算轮廓的面积
    area = cv2.contourArea(cnt)
    
    # 如果面积小于某个值，则忽略该轮廓
    if area < 100:
        continue
    
    # 计算轮廓的最小外接矩形
    rect = cv2.minAreaRect(cnt)
    
    # 提取矩形顶点坐标和角度
    box = cv2.boxPoints(rect)
    box = np.int0(box)
    angle = rect[2]
    
    # 在图像上绘制矩形和角度
    cv2.drawContours(img, [box], 0, (0, 0, 255), 2)
    cv2.putText(img, '{:.1f}'.format(angle), (box[0][0], box[0][1]), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)
    
# 显示图像
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们首先读取了一张测试图像，然后将其转换为灰度图像并进行二值化处理。然后使用`cv2.findContours()`函数查找轮廓。接下来，我们遍历所有轮廓，并计算它们的面积。如果面积小于某个值，则忽略该轮廓。否则，我们使用`cv2.minAreaRect()`函数计算轮廓的最小外接矩形，并提取矩形的顶点坐标和角度。最后，我们在图像上绘制矩形和角度，并显示结果。