opencv生成最小外接矩形：

最小外接矩形修正版：

opencv生成最小外接矩形：

cnt = np.array([[x1,y1],[x2,y2],[x3,y3],[x4,y4]]) # 必须是array数组的形式

rect = cv2.minAreaRect(cnt) # 得到最小外接矩形的（中心(x,y), (宽,高), 旋转角度）
box = cv2.cv.BoxPoints(rect) # cv2.boxPoints(rect) for OpenCV 3.x 获取最小外接矩形的4个顶点
box = np.int0(box)

RotatedRect该类表示平面上的旋转矩形，有三个属性：

1. 矩形中心点*(质心)*
2. 边长*(长和宽)*
3. 旋转角度

旋转角度angle的范围为[-90,0)，当矩形水平或竖直时均返回-90，请看下图：

一、组成angel的最小外接矩形的边的选取问题。

angel的形成与选取的最小外接矩形的边有关，在这里我们只给出最终结论，有兴趣的同志，可以自己去验证一下，距离坐标原点最近的最小外接矩形的边，作为angel的一条边或者其延长线，而另一条边为X轴，两条线最终形成一个夹角。如图所示

————————————————
版权声明：本文为CSDN博主「W`Peak」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_39430765/article/details/99431709

最小外接矩形修正版：

GitHub - root12321/Rotation-Detect-yolov5_poly

def cvminAreaRect2longsideformat(x_c, y_c, width, height, theta):
    '''
    trans minAreaRect(x_c, y_c, width, height, θ) to longside format(x_c, y_c, longside, shortside, θ)
    两者区别为:
            当opencv表示法中width为最长边时（包括正方形的情况），则两种表示方法一致
            当opencv表示法中width不为最长边 ，则最长边表示法的角度要在opencv的Θ基础上-90度
    @param x_c: center_x
    @param y_c: center_y
    @param width: x轴逆时针旋转碰到的第一条边
    @param height: 与width不同的边
    @param theta: x轴逆时针旋转与width的夹角，由于原点位于图像的左上角，逆时针旋转角度为负 [-90, 0)
    @return:
            x_c: center_x
            y_c: center_y
            longside: 最长边
            shortside: 最短边
            theta_longside: 最长边和x轴逆时针旋转的夹角，逆时针方向角度为负 [-180, 0)
    '''
    '''
    意外情况:(此时要将它们恢复符合规则的opencv形式：wh交换，Θ置为-90)
    竖直box：box_width < box_height  θ=0
    水平box：box_width > box_height  θ=0
    '''
    # print("theta",theta)
    theta=int(theta)
    if theta == 0:
        theta = -90
        buffer_width = width
        width = height
        height = buffer_width

    if theta > 0:
        if theta != 90:  # Θ=90说明wh中有为0的元素，即gt信息不完整，无需提示异常，直接删除
            print('θ计算出现异常，当前数据为：%.16f, %.16f, %.16f, %.16f, %.1f;超出opencv表示法的范围：[-90,0)' % (
            x_c, y_c, width, height, theta))
        return False

    if theta < -90:
        print(
            'θ计算出现异常，当前数据为：%.16f, %.16f, %.16f, %.16f, %.1f;超出opencv表示法的范围：[-90,0)' % (x_c, y_c, width, height, theta))
        return False

    if width != max(width, height):  # 若width不是最长边
        longside = height
        shortside = width
        theta_longside = theta - 90
    else:  # 若width是最长边(包括正方形的情况)
        longside = width
        shortside = height
        theta_longside = theta

    if longside < shortside:
        print('旋转框转换表示形式后出现问题：最长边小于短边;[%.16f, %.16f, %.16f, %.16f, %.1f]' % (
        x_c, y_c, longside, shortside, theta_longside))
        return False
    if (theta_longside < -180 or theta_longside >= 0):
        print('旋转框转换表示形式时出现问题:θ超出长边表示法的范围：[-180,0);[%.16f, %.16f, %.16f, %.16f, %.1f]' % (
        x_c, y_c, longside, shortside, theta_longside))
        return False

    return x_c, y_c, longside, shortside, theta_longside
def longsideformat2cvminAreaRect(x_c, y_c, longside, shortside, theta_longside):
    '''
    trans longside format(x_c, y_c, longside, shortside, θ) to minAreaRect(x_c, y_c, width, height, θ)
    两者区别为:
            当opencv表示法中width为最长边时（包括正方形的情况），则两种表示方法一致
            当opencv表示法中width不为最长边 ，则最长边表示法的角度要在opencv的Θ基础上-90度
    @param x_c: center_x
    @param y_c: center_y
    @param longside: 最长边
    @param shortside: 最短边
    @param theta_longside: 最长边和x轴逆时针旋转的夹角，逆时针方向角度为负 [-180, 0)
    @return: ((x_c, y_c),(width, height),Θ)
            x_c: center_x
            y_c: center_y
            width: x轴逆时针旋转碰到的第一条边最长边
            height: 与width不同的边
            theta: x轴逆时针旋转与width的夹角，由于原点位于图像的左上角，逆时针旋转角度为负 [-90, 0)
    '''
    theta_longside=int(theta_longside)
    if (theta_longside >= -180 and theta_longside < -90):  # width is not the longest side
        width = shortside
        height = longside
        theta = theta_longside + 90
    else:
        width = longside
        height = shortside
        theta = theta_longside

    if theta < -90 or theta >= 0:
        print('当前θ=%.1f，超出opencv的θ定义范围[-90, 0)' % theta)
        return False

    return ((x_c, y_c), (width, height), theta)

def xyxy2xywhn_new(x, w=640, h=640, clip=False, eps=0.0):
    # Convert nx4 boxes from [x1, y1, x2, y2] to [x, y, w, h] normalized where xy1=top-left, xy2=bottom-right
    if clip:
        clip_coords(x, (h - eps, w - eps))  # warning: inplace clip
    y = x.clone() if isinstance(x, torch.Tensor) else np.copy(x)
    
    codinate_new=[]
    for i in y:
        codinate=[]
        point=np.array([(i[1],i[2]),(i[3],i[4]),(i[5],i[6]),(i[7],i[8])])
        rect = cv2.minAreaRect(point)
        c_x = rect[0][0]
        c_y = rect[0][1]
        w_label = rect[1][0]
        h_label = rect[1][1]
        theta = rect[-1]  # Range for angle is [-90，0)
        if(w==0 or h==0 ):
            continue
        trans_data = cvminAreaRect2longsideformat(c_x, c_y, w_label, h_label, theta)
        
        if not trans_data:
            continue
        else:
            c_x, c_y, longside, shortside, theta_longside = trans_data
            theta_label = int(theta_longside + 180.5)  # range int[0,180] 四舍五入
            if theta_label == 180:  # range int[0,179]
                theta_label = 179
            if theta_label < 0 or theta_label > 179:
                # print('id problems,问题出现在该图片中:%s' % (i, img_fullname))
                print('出问题的longside形式数据:[%.16f, %.16f, %.16f, %.16f, %.1f]' % (
                    c_x, c_y, longside, shortside, theta_longside))
                continue
            codinate.append(i[0])
            codinate.append(c_x/w)
            codinate.append(c_y/h)
            codinate.append(longside/w)
            codinate.append(shortside/h)
            codinate.append(theta_label)
            codinate_new.append(codinate)
            
    codinate_new=np.array(codinate_new)
    return codinate_new