这就是你如何使用openCV的minAreaRect函数来完成它。它是用C++编写的，但您可能很容易适应，因为几乎只使用了OpenCV函数。

cv::Mat input = cv::imread("../inputData/rectangles.png");

cv::Mat gray;
cv::cvtColor(input,gray,CV_BGR2GRAY);

// since your image has compression artifacts, we have to threshold the image
int threshold = 200;
cv::Mat mask = gray > threshold;

cv::imshow("mask", mask);
// extract contours
std::vector<std::vector<cv::Point> > contours;
cv::findContours(mask, contours, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);

for(int i=0; i<contours.size(); ++i)
{
    // fit bounding rectangle around contour
    cv::RotatedRect rotatedRect = cv::minAreaRect(contours[i]);

    // read points and angle
    cv::Point2f rect_points[4]; 
    rotatedRect.points( rect_points );

    float  angle = rotatedRect.angle; // angle

    // read center of rotated rect
    cv::Point2f center = rotatedRect.center; // center

    // draw rotated rect
    for(unsigned int j=0; j<4; ++j)
        cv::line(input, rect_points[j], rect_points[(j+1)%4], cv::Scalar(0,255,0));

    // draw center and print text
    std::stringstream ss;   ss << angle; // convert float to string
    cv::circle(input, center, 5, cv::Scalar(0,255,0)); // draw center
    cv::putText(input, ss.str(), center + cv::Point2f(-25,25), cv::FONT_HERSHEY_COMPLEX_SMALL, 1, cv::Scalar(255,0,255)); // print angle
}

导致了这个图像：

正如您所看到的，Angular 可能不是您想要的（因为它们随机使用较长或较短的线作为参考）。您可以提取矩形的较长边并手动计算Angular 。
如果你选择旋转矩形的长边并计算它的Angular ，它看起来像这样：

// choose the longer edge of the rotated rect to compute the angle
cv::Point2f edge1 = cv::Vec2f(rect_points[1].x, rect_points[1].y) - cv::Vec2f(rect_points[0].x, rect_points[0].y);
cv::Point2f edge2 = cv::Vec2f(rect_points[2].x, rect_points[2].y) - cv::Vec2f(rect_points[1].x, rect_points[1].y);

cv::Point2f usedEdge = edge1;
if(cv::norm(edge2) > cv::norm(edge1))
{
    usedEdge = edge2;
}

cv::Point2f reference = cv::Vec2f(1,0); // horizontal edge

angle = 180.0f/CV_PI * acos((reference.x*usedEdge.x + reference.y*usedEdge.y) / (cv::norm(reference) *cv::norm(usedEdge)));

给出这个结果，这应该是你正在寻找的！

编辑：看起来操作并没有使用他发布的输入图像，因为参考矩形中心将位于图像之外。
使用此输入（手动重新缩放，但可能仍不是最佳）：

我得到了这些结果（蓝点是操作提供的参考矩形中心）：

比较参比品与检测结果：

reference (x,y,angle)    detection (x,y,angle)
(320,240,0)              (320, 240, 180) // angle 180 is equal to angle 0 for lines
(75,175,90)              (73.5, 174.5, 90)
(279,401,170)            (279.002, 401.824, 169.992)
(507,379,61)             (507.842, 379.75, 61.1443)
(545,95,135)             (545.75, 94.25, 135)
(307,79,37)              (306.756, 77.8384, 37.1042)

我很想看到真实的的输入图像虽然，也许结果会更好。

下面是你如何做到这一点：
1.连接的组件标记，以检测每个模式（在您的例子中，矩形）
1.分离不同图像中的图案
1.（可选）如果图案不全是矩形，则使用形状索引来区分它们
1.使用主成分分析（PCA）计算主轴，它会给予你你正在寻找的Angular 。

approx = cv2.approxPolyDP（cnt，epsilon，True）创建给定闭合轮廓的近似多边形。多边形中的线段具有可变长度，这会导致不正确的矩计算，因为它期望从规则网格中采样点以给予正确的中心。
您的问题有三种解决方案：
1.在调用多边形近似方法之前使用原始轮廓的矩。
1.使用drawContours生成每个闭合轮廓内区域的遮罩，然后使用生成的遮罩的矩来计算中心。
1.沿着闭合多边形的每条线段以单位距离采样点，并使用生成的点集合自行计算矩。这应该给予你相同的中心。