opencv中cv2.minAreaRect函数输出角度问题详解

minAreaRect返回的数据包括了矩形的中心点，宽、高，和旋转角度,下面这篇文章主要给大家介绍了关于opencv中cv2.minAreaRect函数输出角度问题的相关资料,需要的朋友可以参考下

前言

网上很多例子都说cv2.minAreaRect函数的输出的角度范围在[-90,0]，但是实测输出范围在[0,90]。再进行调研，确定为opencv4.5版本升级改动引起。

cv2.minAreaRect输入：四边形的四个点（不要求顺序）。

输出：最小外接矩形的中心点坐标x,y，宽高w,h，角度anlge，输出形式为元组((x,y),(w,h),anlge)，顺序格式不变。

1、4.5版本

4.5版本定义为，x轴顺时针旋转最先重合的边为w，angle为x轴顺时针旋转的角度，angle取值为(0,90]。

cnts, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) rect = cv2.minAreaRect(cnts[0]) box = np.int0(cv2.boxPoints(rect)) print(rect)

输出结果：((201.25, 92.10), (20.93, 101.94), 67.47)

中心点坐标：(201, 92)，宽高： (20, 101)，角度： 67。

配合旋转函数，可实现框的拉平。旋转函数(逆时针旋转)：

import cv2 import numpy as np def rotate(img, angle, center=None, scale=1.0, fill=0, interpolation=cv2.INTER_LINEAR, expand=True): if center is not None and expand: raise ValueError('`auto_bound` conflicts with `center`') h, w = img.shape[:2] if center is None: center = ((w - 1) * 0.5, (h - 1) * 0.5) assert isinstance(center, tuple) matrix = cv2.getRotationMatrix2D(center, angle, scale) if expand: cos = np.abs(matrix[0, 0]) sin = np.abs(matrix[0, 1]) new_w = h * sin + w * cos new_h = h * cos + w * sin matrix[0, 2] += (new_w - w) * 0.5 matrix[1, 2] += (new_h - h) * 0.5 w = int(np.round(new_w)) h = int(np.round(new_h)) rotated = cv2.warpAffine( img, matrix, (w, h), flags=interpolation, borderValue=fill) return rotated

执行旋转：

rotate(img, -23, center=(201, 92), expand=False)

结果：

角度说明：

角度为x轴顺时针旋转，第一次接触到矩形边界时的值，范围：0~90°，第一次接触的边界为宽，区分方向可以使用宽、高的值来确定。

角度按逆时针旋转方式调整为：

if rect[1][0] > rect[1][1]: # w > h angle = int(rect[2]) else: angle = -(90 - int(rect[2]))

2、4.5之前版本

有网友测试4.1.*，4.2.*，4.3.*，4.4.*下minAreaRect函数的都一样，就是网上常见的角度输出为[-90~0]情况。但是实测python版本4系列的都为上述4.5版情况，可能是c++版本的不同吧。这里补充[-90~0]情况。

rect = cv2.minAreaRect(cnts[0])

rect[0]返回最小外接矩形的中心点，rect[1]为最小外接矩形的宽、高。rect[2]为旋转角度。

宽、高和角度定义如下：角度为x轴沿逆时针旋转遇到的第一个边时的旋转角度，因为是逆时针旋转所以角度为0~-90度。约定：遇到的第一个边为宽、另一个边为高。

补充：opencv ---minAreaRect（）计算偏转角度并纠正

此次试验的目的是计算目标图像偏转的角度，在不改变图像尺寸下纠正
这里主要用到minAreaRect（）函数和getRotationMatrix2D()函数
先简单的介绍下minAreaRect（）函数，本人在这里踩了一些坑，在这里说明一下，如有不妥的地方，大家尽管指正。

函数为minAreaRect(InputArray points) ，InputArray points是所要求最小外接矩形的点集，这个点集不定个数。

这个矩形是可以有偏转角度的，可以与图像的边界不平行。

调用形式：RotatedRect minAreaRect(InputArray points)

角度计算规则：以左上角为原点，X轴逆时针旋转，所得到的第一个角度即为旋转角度，第一条边为最小外接矩形的宽。角度范围[-90，0]，当最小外接矩形平行（或垂直）X轴时角度为-90。（跟目标图像的长宽没关系）

顺时针为正，逆时针为负

函数getRotationMatrix2D(Point2f center, double angle, double scale)

参数详解：

Point2f center：表示旋转的中心点

double angle：表示旋转的角度 //这里的角度顺时针为负，逆时针为正

double scale：图像缩放因子

踩坑的地方主要在角度分不清，我总结了一下：

minAreaRect():以X轴正方向为起点，顺时针为正，逆时针为负

getRotationMatrix2D():以X轴正方向为起点，顺时针为负，逆时针为正

下面是一个例子：

#include  #include  #include  #include  #include  #include  #include  #include  #include  using namespace cv; using namespace std; int main() { Mat image = imread("a11.jpg-600"); Mat gaussianimage,grayimage, cannyimage, thresholdimage; //---------------------旋转----------------- //计算偏转角度 GaussianBlur(image, gaussianimage, Size(5, 5), 3, 3);//尽可能多的去除杂质 Canny(gaussianimage, cannyimage, 50, 150, 3); cvtColor(cannyimage, grayimage, CV_GRAY2BGR); vector>vec_point; vectorhireachy; findContours(cannyimage, vec_point, hireachy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE); double degree = 0; for (size_t i = 0; i  -90 && degree <= -45) { degree += 90; } else if (degree >-45 && degree <0) { degree; } else { degree = 0; } cout <<"degree:" << degree << endl; } //旋转纠正 Point center = Point(image.cols / 2, image.rows / 2); double angle = degree; double scale = 1; Mat rot(2, 3, CV_32FC1); rot = getRotationMatrix2D(center, angle, scale);//getRotationMatrix2D():以X轴正方形为起点，顺时针为负，逆时针为正 Mat rotimage; warpAffine(image, rotimage, rot, image.size()); namedWindow("rotation", 0); resizeWindow("rotation", 800, 600); imshow("rotation", rotimage); }

效果图：