一、問題引出
最近看到stackflow關于minAreaRect的討論：
- MinAreaRect angles - Unsure about the angle returned
- OpenCV's RotatedRect angle does not provide enough information
大概問題是minAreaRect這個接口返回的角度信息不足以反應返回的旋轉(zhuǎn)矩形的旋轉(zhuǎn)信息，例如返回角度為30度，那它到底是下面圖中的哪一個呢？
那有人回答說OpenCV返回的角度是根據(jù)長邊來的，是長邊與豎直線之間的角度，如要使用那個角度就需要通過返回的size信息與角度信息結(jié)合就知道了。
他這么理解我暫時也沒發(fā)現(xiàn)什么問題，但如果你想利用這個角度做些事情，這樣理解可能不是很方便。因為你還得根據(jù)當前的角度去計算新的角度，例如給定與旋轉(zhuǎn)矩形相同大小的矩形，讓你旋轉(zhuǎn)到旋轉(zhuǎn)矩形的角度，可能就得想半天了。這里提供一個可能會更好理解的方式。
我們先來看一下，當給定一個旋轉(zhuǎn)矩形后，通過minAreaRect接口返回的角度和返回的寬高來查看OpenCV是怎么旋轉(zhuǎn)的。（注意這里使用的4.1.2版本的OpenCV，其它版本可能不一致，我遇到過只返回正值角度的版本，但這影響使用本文方法理解）
我們有如下兩種旋轉(zhuǎn)矩形
左圖opencv返回的是-30度，size為(365, 47)
右圖opencv返回的是-60度，size為(47, 365)
二、OpenCV是怎么“想”的
我們怎么理解它是怎么得到這些旋轉(zhuǎn)角度的旋轉(zhuǎn)矩形呢？根據(jù)返回的寬高結(jié)果，可以這樣想，左圖是寬大于高的矩形旋轉(zhuǎn)得到的，右圖是使用高大于寬的矩形旋轉(zhuǎn)得到的，所以初始狀態(tài)分別為如下兩圖：
然后兩種框分別繞著矩形框中心逆時針旋轉(zhuǎn)對應的角度（左圖旋轉(zhuǎn)30，右圖旋轉(zhuǎn)60度就得到了）。（至于這里為什么是順時針旋轉(zhuǎn)，這里跟返回值的正負無關，上面提到過有的版本會返回正值，具體可以根據(jù)你用的版本檢查一下是否是順時針。）
三、怎么通過minAreaRect返回的角度用于自己的計算
現(xiàn)在假定我們的任務是根據(jù)獲取到的旋轉(zhuǎn)角度，對一個相同大小的矩形進行旋轉(zhuǎn)對應的角度。
我們假設所有矩形的初始狀態(tài)都是寬大于高的情況，如下圖所示
當我們有一個上圖這樣的初始化矩形后，怎么分別旋轉(zhuǎn)到左右兩圖兩種情況呢？
首先需要說明的是旋轉(zhuǎn)操作我們采用cv2.getRotationMatrix2D接口，這個接口需要提供旋轉(zhuǎn)中心，旋轉(zhuǎn)角度，縮放值三個參數(shù)。
旋轉(zhuǎn)中心就是當前矩形框的中心，縮放值設為1就是不縮放，重點是角度的計算。
對于左圖，它在opencv的旋轉(zhuǎn)方式里，初始化就是寬大于高的框，所以只需要對應的轉(zhuǎn)30就可以了，至于是正30還是負30（逆時針還是順時針），我們這里明顯是逆時針，所以根據(jù)當前版本的OpenCV返回角度取反就可以了。
對于右圖，它在opencv的旋轉(zhuǎn)方式里，初始化是高大于寬的框，所以我們需要先將我們假設的框轉(zhuǎn)90度或者-90度，然后在逆時針旋轉(zhuǎn)60即可。為了方便計算，前面水平框逆時針旋轉(zhuǎn)90再逆時針旋轉(zhuǎn)60即可，就是90+60度。
Talk is cheap, the code is below:
import cv2.cv2 as cv2
import numpy as np
print(cv2.__version__)
def drawPolygons(img, polygon, scalar):
poly = polygon.reshape((-1, 1, 2)).astype(np.int)
cv2.polylines(img, [poly], True, scalar, 2)
def get_horizontal_rect(center, size):
points = np.zeros((2, 2))
points[0] = center - size / 2.0
points[1] = center + size / 2.0
horizontal_rect = np.array([points[0],
[points[1][0], points[0][1]],
points[1],
[points[0][0],points[1][1]]])
return horizontal_rect
if __name__ == "__main__":
img = np.ones((640, 640, 3), dtype=np.uint8) * 255
points = np.array([[29, 200],
[346, 18],
[370, 59],
[53, 241]])
# points = np.array([[52, 17],
# [369, 200],
# [346, 241],
# [29, 58]])
rotated_bbox = cv2.minAreaRect(points)
rotated_bbox_center, rotated_bbox_size, rotated_bbox_angle = rotated_bbox
rotated_bbox_size = np.array(list(rotated_bbox_size))
print(rotated_bbox)
rect_bbox = cv2.boxPoints(rotated_bbox).astype(np.int)
# drawPolygons(img, points, (255, 0, 0))
drawPolygons(img, rect_bbox, (0, 255, 0))
new_img = np.ones((640, 640, 3), dtype=np.uint8) * 122
width, height = rotated_bbox_size
if width < height:
rotated_bbox_size = np.array([height, width])
rotated_bbox_angle = rotated_bbox_angle - 90
horizontal_rect = get_horizontal_rect(rotated_bbox_center, rotated_bbox_size)
# drawPolygons(new_img, horizontal_rect, (0, 255, 255))
# 輸入角度為正值表示逆時針旋轉(zhuǎn)
rot_matrix = cv2.getRotationMatrix2D(rotated_bbox_center, -rotated_bbox_angle, 1.0)
print("rot_matrix: ", rot_matrix)
horizontal_rect = np.concatenate([horizontal_rect, np.ones((len(horizontal_rect), 1))], axis=-1)
rot_box = horizontal_rect @ rot_matrix.T
rot_box = rot_box.astype(np.int)
drawPolygons(new_img, rot_box, (255, 0, 0))
print(horizontal_rect, rot_box)
concat_img = np.concatenate([img, new_img], axis=1)
cv2.imshow('img', concat_img)
cv2.waitKey(0)
