如何在OpenCV Python中查找图像轮廓的边界矩形？

对象的边界矩形是在图像中围绕对象绘制的矩形。有两种方法可以找到边界矩形：

直立边界矩形

直立边界矩形是一个直立矩形，因为它不考虑对象的旋转。可以使用函数 cv2.boundingRect() 计算它。其语法如下：

x,y,w,h = cv2.boundingRect(cnt)
img = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)

在这里，“ cnt ”是轮廓点的数组。它返回边界矩形的左上角坐标（ x ， y ）和宽度和高度（ w ， h ）。

旋转矩形

它考虑对象的旋转并绘制一个最小面积的矩形。通过函数 cv2.minAreaRect() 找到旋转矩形。它返回左上角坐标（ x ， y ）、宽度（ width ）、高度（ height ）和旋转角度。通过函数 cv2.boxPoints() 获取矩形的4个角点。

rect = cv2.minAreaRect(cnt)
box = cv2.boxPoints(rect)
box = np.int0(box)
img = cv2.drawContours(img,[box],0,(0,255,255),2)

步骤

您可以使用以下步骤来计算给定函数的雅可比矩阵：-

导入所需的库。所需的库是 OpenCV 和 NumPy 。
加载输入图像。将输入图像转换为灰度图像。
对灰度图像应用阈值处理以创建二值图像。
找到图像中物体的轮廓。
使用上述轮廓计算直角边界矩形。在图像上画出矩形。
计算旋转边界矩形并在图像上绘制它。
显示带有直角和旋转边界矩形的图像。

我们将使用以下图像作为 输入文件 在以下示例中。

如何在OpenCV Python中查找图像轮廓的边界矩形？

示例1

在下面的Python代码中，我们计算直角边界矩形。

# import required libraries
import cv2

# read the input image
img = cv2.imread('approx.png')

# convert the image to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# apply thresholding on the gray image to create a binary image
ret,thresh = cv2.threshold(gray,127,255,0)

# find the contours
contours, _ = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

# take the first contour
cnt = contours[0]

# compute the bounding rectangle of the contour
x,y,w,h = cv2.boundingRect(cnt)

# draw contour
img = cv2.drawContours(img,[cnt],0,(0,255,255),2)

# draw the bounding rectangle
img = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)

# display the image with bounding rectangle drawn on it
cv2.imshow("Bounding Rectangle", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果

当您执行上述代码时，它将产生以下输出窗口。

如何在OpenCV Python中查找图像轮廓的边界矩形？

在上面的输出中，绿色矩形显示了直边界矩形。

现在，让我们计算一个包围最小面积的旋转边界矩形。请参考以下示例。

示例2

在下面的Python代码中，我们同时计算直边界矩形和旋转边界矩形。通过比较输出窗口来清楚理解两种类型边界矩形之间的区别。

import cv2
import numpy as np

img = cv2.imread('approx.png')
img1 = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

ret,thresh = cv2.threshold(img1,127,255,0)
contours,_ = cv2.findContours(thresh, cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

# print("Number of contours detected:", len(contours))
cnt = contours[0]

# compute straight bounding rectangle
x,y,w,h = cv2.boundingRect(cnt)
img = cv2.drawContours(img,[cnt],0,(255,255,0),2)
img = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)

# compute rotated rectangle (minimum area)
rect = cv2.minAreaRect(cnt)
box = cv2.boxPoints(rect)
box = np.int0(box)

# draw minimum area rectangle (rotated rectangle)
img = cv2.drawContours(img,[box],0,(0,255,255),2)
cv2.imshow("Bounding Rectangles", img)
cv2.waitKey(0)
cv2.destroyAllWindows()