1.截图图像中的目标对象
1.1 查找边界矩形
1.1.1直边界矩形
一个直矩形（就是没有旋转的矩形）。它不会考虑对象是否旋转。所以边界矩形的面积不是最小的。
cv2.boundingRect(array)
输入：点集
输出：（x，y）为矩形左上角的坐标，（w，h）是矩形的宽和高。1.1.2旋转的边界矩形
这个边界矩形是面积最小的，因为它考虑了对象的旋转
cv2.minAreaRect(points) # 得到最小外接矩形的（中心(x,y), (宽,高), 旋转角度）
输入：点集
输出：返回的是一个Box2D 结构，其中包含矩形左上角角点的坐标（x，y），矩形的宽和高（w，h），以及旋转角度。
注意：
- 旋转角度θ是水平轴（x轴）逆时针旋转，直到碰到矩形的第一条边停住，此时该边与水平轴的夹角。并且这个边的边长是width，另一条边边长是height。也就是说，在这里，width与height不是按照长短来定义的。
- 在opencv中，坐标系原点在左上角，相对于x轴，逆时针旋转角度为负，顺时针旋转角度为正。所以，θ∈（-90度，0]。
1.1.3给出矩形的4 个角点
cv2.boxPoints(box, points=None)
输入：一个Box2D 结构
输出：x1,y1,x2,y21.2绘制矩形
1.2.1绘制直边界矩形
1.2.2绘制旋转的边界矩形
1.3 图像旋转
1.3.1构造旋转矩阵
# 这里的第一个参数为旋转中心，第二个为旋转角度，第三个为旋转后的缩放因子
# 可以通过设置旋转中心，缩放因子，以及窗口大小来防止旋转后超出边界的问题
M=cv2.getRotationMatrix2D((cols/2,rows/2),45,0.6)1.3.2执行图像几何变换
# 第三个参数是输出图像的尺寸中心
dst=cv2.warpAffine(img,M,(2*cols,2*rows))1.4图像截取
坐标值，感兴趣区域都为整形变量
getRectSubPix(image, patchSize, center, patch=None, patchType=None)
输入：InputArray image：输入图像
Size patchSize：获取感兴趣区域矩形的大小
Point2f center：感兴趣区域矩形在原图像中的位置（即感兴趣区域矩形的中心点坐标）
输出：截取后的图像1.5 模板匹配
2 获取指定颜色的物体
2.1色域转变为HSV
cv2.cvtColor(img2,cv2.COLOR_BGR2HSV)2.2 获取相关颜色的HSV值
通过鼠标触发获取相关位置的HSV值
img=cv2.imread("D:\\video_data\\ocr7.PNG")
img_hsv=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
def mouse_click(event, x, y, flags, para):
if event == cv2.EVENT_LBUTTONDOWN: # 左边鼠标点击
print("HSV:", img_hsv[y, x])
if __name__ == '__main__':
cv2.namedWindow("img")
cv2.setMouseCallback("img", mouse_click)
while True:
cv2.imshow('img', img)
if cv2.waitKey() == ord('q'):
break
cv2.destroyAllWindows()2.3 进行二值化图像处理
cv2.inRange(src,lowerb, upperb)
输入：src ：HSV图像，
lowerb：hsv值域下限,
upperb：hsv值域上限
输出：二值化后的图像3.轮廓识别
3.1 轮廓检测
cv2.findContours(image, mode, method, contours=None, hierarchy=None, offset=None)
三个参数，第一个是输入图像，第二个是轮廓检索模式，
第三个是轮廓近似方法{cv2.CHAIN_APPROX_NONE：所有的边界点都会被存储，
cv2.CHAIN_APPROX_SIMPLE：将轮廓上的冗余点都去掉，压缩轮廓}
返回值有两个，第一个是轮廓，第二个是（轮廓的）层析结构3.2 轮廓绘制
drawContours(image, contours, contourIdx, color)
它的第一个参数是原始图像，第二个参数是轮廓，一个Python 列表。第三个参数是轮廓的索引（在绘制独立轮廓是很有用，当设置为-1 时绘制所有轮廓）。接下来的参数是轮廓的颜色和厚度
