### 物体位置和旋转角度的提取 为了从图像中获取物体的位置以及其旋转角度，可以采用基于轮廓检测的方法。当找到足够的像素点形成封闭图形时，则认为这些点构成了一个轮廓。通过分析最大面积的轮廓来确定目标对象，并进一步计算该对象的方向角。 #### 轮廓检测与筛选 利用 `cv2.findContours` 函数能够发现二值化后的黑白图片中存在的所有轮廓结构。设定合适的阈值参数过滤掉不必要的小尺寸噪声干扰项，保留较大规模的有效特征区域作为候选物体质心所在之处[^1]。 ```python import numpy as np import cv2 def get_largest_contour(contours): """返回具有最大面积的一个轮廓""" if not contours: return None max_area = 0 largest_cnt = None for cnt in contours: area = cv2.contourArea(cnt) if area > max_area: max_area = area largest_cnt = cnt return largest_cnt, max_area ``` #### 计算最小外接矩形及其属性 一旦获得了代表感兴趣物体的主要轮廓之后，就可以调用 OpenCV 库内的 `cv2.minAreaRect()` 方法获得围绕此形状最紧凑的那个矩形边界框描述子——它不仅包含了宽度、高度这样的几何度量信息，还提供了相对于水平轴正向的角度偏移量θ用于表征倾斜程度；需要注意的是，在不同版本间可能存在 API 名称差异（如旧版可能需使用 `cv2.cv.BoxPoints`），具体取决于所使用的库版本[^2]。 ```python def compute_object_properties(largest_contoured_image): gray = cv2.cvtColor(largest_contoured_image, cv2.COLOR_BGR2GRAY) _, thresh = cv2.threshold(gray, 50, 255, cv2.THRESH_BINARY) # 寻找轮廓 contours, _ = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2:] contour, area = get_largest_contour(contours) rect = cv2.minAreaRect(contour) box = cv2.boxPoints(rect) box = np.intp(box) center_x, center_y = map(int, rect[0]) angle_of_rotation = int(rect[-1]) properties = { 'center': (center_x, center_y), 'angle': angle_of_rotation, 'area': area } return properties, box ``` 上述代码片段展示了如何定位到给定输入图像中最显著的目标实体，并解析出其中心坐标(x,y)，以及绕Z轴逆时针方向测量得到的姿态角α(单位为度)[^4]。