网上很多例子都说cv2.minAreaRect函数的输出的角度范围在[-90,0]，但是实测输出范围在[0,90]。再进行调研，确定为opencv4.5版本升级改动引起。
cv2.minAreaRect输入：四边形的四个点（不要求顺序）。
输出：最小外接矩形的中心点坐标x,y，宽高w,h，角度anlge，输出形式为元组((x,y),(w,h),anlge)，顺序格式不变。
4.5版本定义为，x轴顺时针旋转最先重合的边为w，angle为x轴顺时针旋转的角度，angle取值为(0,90]。
cnts, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) rect = cv2.minAreaRect(cnts[0]) box = np.int0(cv2.boxPoints(rect)) print(rect)
输出结果：((201.25, 92.10), (20.93, 101.94), 67.47)
中心点坐标：(201, 92)，宽高： (20, 101)，角度： 67。
配合旋转函数，可实现框的拉平。旋转函数(逆时针旋转)：
import cv2
import numpy as np
def rotate(img, angle, center=None, scale=1.0, fill=0, interpolation=cv2.INTER_LINEAR, expand=True):
if center is not None and expand:
raise ValueError('`auto_bound` conflicts with `center`')
h, w = img.shape[:2]
if center is None:
center = ((w - 1) * 0.5, (h - 1) * 0.5)
assert isinstance(center, tuple)
matrix = cv2.getRotationMatrix2D(center, angle, scale)
if expand:
cos = np.abs(matrix[0, 0])
sin = np.abs(matrix[0, 1])
new_w = h * sin + w * cos
new_h = h * cos + w * sin
matrix[0, 2] += (new_w - w) * 0.5
matrix[1, 2] += (new_h - h) * 0.5
w = int(np.round(new_w))
h = int(np.round(new_h))
rotated = cv2.warpAffine(
img,
matrix, (w, h),
flags=interpolation,
borderValue=fill)
return rotated执行旋转：
rotate(img, -23, center=(201, 92), expand=False)
结果：
角度说明：
角度为x轴顺时针旋转，第一次接触到矩形边界时的值，范围：0~90°，第一次接触的边界为宽，区分方向可以使用宽、高的值来确定。
角度按逆时针旋转方式调整为：
if rect[1][0] > rect[1][1]: # w > h
angle = int(rect[2])
else:
angle = -(90 - int(rect[2]))有网友测试4.1.*，4.2.*，4.3.*，4.4.*下minAreaRect函数的都一样，就是网上常见的角度输出为[-90~0]情况。但是实测python版本4系列的都为上述4.5版情况，可能是c++版本的不同吧。这里补充[-90~0]情况。
rect = cv2.minAreaRect(cnts[0])
rect[0]返回最小外接矩形的中心点，rect[1]为最小外接矩形的宽、高。rect[2]为旋转角度。
宽、高和角度定义如下：角度为x轴沿逆时针旋转遇到的第一个边时的旋转角度，因为是逆时针旋转所以角度为0~-90度。约定：遇到的第一个边为宽、另一个边为高。
函数为minAreaRect(InputArray points) ，InputArray points是所要求最小外接矩形的点集，这个点集不定个数。
这个矩形是可以有偏转角度的，可以与图像的边界不平行。
调用形式：RotatedRect minAreaRect(InputArray points)
顺时针为正，逆时针为负
参数详解：
Point2f center：表示旋转的中心点
double angle：表示旋转的角度 //这里的角度顺时针为负，逆时针为正
double scale：图像缩放因子
minAreaRect():以X轴正方向为起点，顺时针为正，逆时针为负
getRotationMatrix2D():以X轴正方向为起点，顺时针为负，逆时针为正
下面是一个例子：
#include <iostream>
#include <string>
#include <math.h>
#include <vector>
#include <io.h>
#include <fstream>
#include <opencv2/opencv.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
using namespace cv;
using namespace std;
int main()
{
Mat image = imread("a11.jpg");
Mat gaussianimage,grayimage, cannyimage, thresholdimage;
//---------------------旋转-----------------
//计算偏转角度
GaussianBlur(image, gaussianimage, Size(5, 5), 3, 3);//尽可能多的去除杂质
Canny(gaussianimage, cannyimage, 50, 150, 3);
cvtColor(cannyimage, grayimage, CV_GRAY2BGR);
vector<vector<Point>>vec_point;
vector<Vec4i>hireachy;
findContours(cannyimage, vec_point, hireachy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
double degree = 0;
for (size_t i = 0; i < vec_point.size(); i++)
{
RotatedRect minrect = minAreaRect(vec_point[i]);//minAreaRect():以X轴正方形为起点，顺时针为正，逆时针为负
degree = minrect.angle;
//此处目的是为了让目标图像旋转到水平位置
if (degree > -90 && degree <= -45)
{
degree += 90;
}
else if (degree >-45 && degree < 0)
{
degree;
}
else
{
degree = 0;
}
cout <<"degree:" << degree << endl;
}
//旋转纠正
Point center = Point(image.cols / 2, image.rows / 2);
double angle = degree;
double scale = 1;
Mat rot(2, 3, CV_32FC1);
rot = getRotationMatrix2D(center, angle, scale);//getRotationMatrix2D():以X轴正方形为起点，顺时针为负，逆时针为正
Mat rotimage;
warpAffine(image, rotimage, rot, image.size());
namedWindow("rotation", 0);
resizeWindow("rotation", 800, 600);
imshow("rotation", rotimage);
}效果图：
