OpenCV 輪廓形狀擬合常用方法包括 `cv2.boundingRect()`、`cv2.minAreaRect()`、`cv2.fitEllipse()`、`cv2.minEnclosingCircle()` 與 `cv2.fitLine()`。選擇函數時，要先判斷需要的是外接範圍、旋轉角度、橢圓軸向、圓形範圍，還是點集趨勢線。
`cv2.boundingRect()` 適合做什麼？
`cv2.boundingRect()` 適合取得不旋轉的矩形邊界框。函數會回傳 `(x, y, w, h)`，其中 `(x, y)` 是左上角座標，`w` 與 `h` 是矩形寬高。
這個方法速度快，也很適合做裁切 ROI。限制是矩形邊界框永遠與影像座標軸平行，所以物件旋轉時，框出的區域會包含較多背景。
```python
import cv2
img = cv2.imread("image.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
x, y, w, h = cv2.boundingRect(contours[0])
cv2.rectangle(img, (x, y), (x + w, y + h), (0, 0, 255), 2)
```
`cv2.minAreaRect()` 適合做什麼？
`cv2.minAreaRect()` 適合取得能包住輪廓的最小旋轉矩形。函數會回傳中心點、寬高與角度，常用在需要知道物件方向的情境。
原文特別提醒，`rect` 本身不是可以任意修改的物件。若要自己產生旋轉矩形，可以建立 `((center_x, center_y), (width, height), angle)` 這種結構，再用 `cv2.boxPoints()` 取四個角點。
```python
import cv2
import numpy as np
rect = cv2.minAreaRect(contours[0])
box = cv2.boxPoints(rect)
box = np.int0(box)
cv2.drawContours(img, [box], 0, (0, 0, 255), 2)
```
```python
center = (250, 250)
width = 200
height = 100
angle = 45
rect = (center, (width, height), angle)
box = cv2.boxPoints(rect)
box = np.int0(box)
```
`cv2.fitEllipse()` 和最小包圍橢圓差在哪？
`cv2.fitEllipse()` 找的是最能擬合點集的橢圓，不保證包住所有點。最小包圍橢圓的概念是包住所有點，但 OpenCV Python 常見實作多用 `fitEllipse()` 取得中心、軸長與角度。
使用 `cv2.fitEllipse()` 時，輪廓點數至少要足夠形成橢圓擬合。若點數太少或輪廓品質不穩，橢圓角度也會跟著不穩。
```python
import cv2
ellipse = cv2.fitEllipse(contours[0])
cv2.ellipse(img, ellipse, (0, 0, 255), 2)
```
`cv2.minEnclosingCircle()` 適合做什麼？
`cv2.minEnclosingCircle()` 適合取得能包住點集的最小外接圓。函數會回傳圓心與半徑，適合近似圓形物件或需要快速估算物件尺寸的場景。
最小外接圓不會描述物件方向，因此不適合拿來轉正影像。若任務需要方向角，應改用 `cv2.minAreaRect()`、`cv2.fitEllipse()` 或 `cv2.fitLine()`。
```python
(x, y), radius = cv2.minEnclosingCircle(contours[0])
center = (int(x), int(y))
radius = int(radius)
cv2.circle(img, center, radius, (0, 0, 255), 2)
```
`cv2.fitLine()` 適合做什麼？
`cv2.fitLine()` 適合從一組輪廓點擬合出趨勢直線。函數回傳 `(vx, vy, x0, y0)`，其中 `(vx, vy)` 是方向向量，`(x0, y0)` 是線上的一點。
這個方法常用於判斷長條形物件、邊緣方向或點集主要方向。若要把直線畫滿整張影像，可以用方向向量推算左右邊界交點。
```python
rows, cols = img.shape[:2]
[vx, vy, x, y] = cv2.fitLine(contours[0], cv2.DIST_L2, 0, 0.01, 0.01)
lefty = int((-x * vy / vx) + y)
righty = int(((cols - x) * vy / vx) + y)
cv2.line(img, (cols - 1, righty), (0, lefty), (0, 0, 255), 2)
```
OpenCV 形狀擬合該怎麼選？
OpenCV 形狀擬合要依輸出需求選函數。只要裁切用 `boundingRect()`，要旋轉矩形用 `minAreaRect()`，要橢圓軸向用 `fitEllipse()`，要外接圓用 `minEnclosingCircle()`。
| 需求 | 建議函數 | 主要輸出 |
|---|---|---|
| 快速裁切輪廓 | `cv2.boundingRect()` | x、y、寬、高 |
| 找旋轉外框 | `cv2.minAreaRect()` | 中心、寬高、角度 |
| 找橢圓方向 | `cv2.fitEllipse()` | 中心、軸長、角度 |
| 找最小外接圓 | `cv2.minEnclosingCircle()` | 圓心、半徑 |
| 找點集趨勢線 | `cv2.fitLine()` | 方向向量、線上一點 |
我自己的習慣是先用 `boundingRect()` 做最穩的裁切，再看任務是否需要角度。如果物件邊界容易因為小缺口改變，橢圓擬合有時比最小矩形更穩。
常見問題
`cv2.boundingRect()` 和 `cv2.minAreaRect()` 差在哪？
`cv2.boundingRect()` 回傳不旋轉矩形，速度快且適合裁切。`cv2.minAreaRect()` 回傳旋轉矩形，適合取得物件角度與更貼合的外框。
`cv2.fitEllipse()` 一定能包住所有輪廓點嗎？
`cv2.fitEllipse()` 不保證包住所有輪廓點。`cv2.fitEllipse()` 是擬合橢圓，重點是符合點集趨勢，不是最小外接邊界。
哪個 OpenCV 函數適合做物件轉正？
若物件是近似長條或橢圓形，我會優先測 `cv2.fitEllipse()` 的角度。若物件是明確矩形，`cv2.minAreaRect()` 也可以取得旋轉角度。
輪廓點太少會影響擬合嗎？
輪廓點太少會影響擬合結果，尤其是橢圓擬合。實作前應先確認 `contours[0]` 的點數與輪廓品質。
參考資料
- OpenCV Documentation, Structural Analysis and Shape Descriptors: <https://docs.opencv.org/4.x/d3/dc0/groupimgprocshape.html>
最後更新
Mon May 08 2023 08:00:00 GMT+0800 (Taiwan Standard Time)
延伸閱讀
關於作者 {#author}
Claire Chang ｜ 企業 AI 導入與流程轉型顧問。專注於 AI Agent 架構設計、ERP 系統整合與企業 AI 治理。
首次發布：2023-05-08