用opencv实现在任意多边形内寻找最大的内接正交矩形

可以使用OpenCV中的minAreaRect函数来寻找最小外接矩形，然后通过旋转矩阵将其旋转到水平方向。接下来，我们需要找到该矩形在多边形内的最大内接正交矩形。

具体实现步骤如下：

1. 找到多边形的边界框，即使用boundingRect函数可以找到。

2. 将最小外接矩形旋转到水平方向，可以使用getRotationMatrix2D函数和warpAffine函数实现。

3. 将多边形的所有点旋转相同的角度以保持一致性。

4. 对边界框中的每个像素，找到其在旋转后的坐标系中的位置，并计算其离矩形边界的距离。

5. 找到距离最小的像素，并计算其周围的像素是否都在矩形内部。

6. 如果是，则将该像素作为最大内接正交矩形的左上角点。

7. 以该点为起点，向右和向下分别寻找最大的矩形边界，即为最大内接正交矩形。

下面是示例代码：

import cv2
import numpy as np

def find_max_inner_rect(poly):
    # 找到多边形的边界框
    x,y,w,h = cv2.boundingRect(poly)
    rect = ((x,y),(w,h),0)

    # 将最小外接矩形旋转到水平方向
    box = cv2.boxPoints(rect)
    center = rect[0]
    angle = rect[2]
    M = cv2.getRotationMatrix2D(center, angle, 1.0)
    box = np.int0(cv2.transform(np.array([box]), M))[0]
    rect = cv2.minAreaRect(box)

    # 将多边形的所有点旋转相同的角度
    poly = np.int0(cv2.transform(np.array([poly]), M))[0]

    # 找到矩形内的最大正交矩形
    max_rect = None
    max_area = 0
    for i in range(x, x+w):
        for j in range(y, y+h):
            # 计算像素在旋转后的坐标系中的位置
            r = np.array([[i],[j],[1]])
            r = np.matmul(np.linalg.inv(M), r)

            # 计算像素到矩形边界的距离
            dist = cv2.pointPolygonTest(poly, (r[0][0], r[1][0]), True)

            # 如果像素在矩形内部，则寻找最大的矩形边界
            if dist >= 0:
                rect = ((i,j),(1,1),0)
                x1,y1,w1,h1 = cv2.boundingRect(np.array([rect]))
                if w1*h1 > max_area and cv2.pointPolygonTest(poly, (x1+w1-1, y1+h1-1), False) >= 0:
                    max_rect = (x1,y1,w1,h1)
                    max_area = w1*h1

    return max_rect

其中，poly为多边形的顶点坐标，返回的max_rect为最大内接正交矩形的左上角点、宽度和高度。