0.我要做什么？

本节任务是在预览界面中找到目标轮廓，计算该轮廓的长宽。

1.初步方案或待解决的问题

由于要检测的目标是一个矩形，所以我们可以先从图像轮廓中提取最大轮廓，计算其最小外接矩形，并获取矩形的尺寸和顶点坐标。

2.函数介绍

2.1 cv2.contourArea()

要找到最大轮廓，就需要先计算每个轮廓的面积，然后找到面积最大的轮廓。而contourArea()方法应运而生。
函数原型如下：

area = cv2.contourArea(
        contour, # 轮廓点集
        oriented=False # 是否计算有向面积
    )

参数说明如下：

参数	类型	作用	默认值
contour	list[list[Point]]	轮廓点集，通常由 cv2.findContours() 返回	-
oriented	bool	是否计算有向面积：False 无向（面积为正值）；True 有向（面积符号取决于轮廓方向）	False

返回值	类型	说明
area	float	轮廓面积（当 oriented=False 时为正值；当 oriented=True 时可为正负）

代码例子：

import cv2

# 图像预处理
img = cv2.imread('image/cap.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_, thresh = cv2.threshold(gray, 200, 255, cv2.THRESH_BINARY_INV)

# 轮廓检测
contours, _ = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

# 计算并输出轮廓面积
for i, cnt in enumerate(contours):
    area = cv2.contourArea(cnt)
    if area > 1000:
        print(f"Contour {i + 1} Area: {area}")
        cv2.drawContours(img, contours[i], -1, (0, 255, 0), 2) # 绘制单个轮廓在这里啦！

cv2.imshow('image', img)
cv2.waitKey(0)

效果如下图：

2.2 cv2.boundingRect()

找到轮廓后，就可以用cv2.boundingRect()函数来计算轮廓的最小外接矩形了。该函数用于计算点集或轮廓的最小正矩形（非旋转）的核心函数，适用于目标定位、尺寸分析和图像裁剪等场景。
函数原型如下：

x, y, w, h = cv2.boundingRect(points)

参数说明如下：

• 输入：points - 点集或轮廓（N×2维 np.array，数据类型为 int32 / float32）。
• 输出：返回元组 (x, y, w, h)：
• (x, y)：矩形左上角坐标（整数类型）。
• (w, h)：矩形的宽度和高度（整数类型）。

代码举例：

import cv2

# 图像预处理
img = cv2.imread('test.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)

# 轮廓检测
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 计算并绘制边界框
for cnt in contours:
    x, y, w, h = cv2.boundingRect(cnt)  # 获取矩形参数
    cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)  # 绘制绿色矩形

cv2.imshow('Bounding Boxes', img)
cv2.waitKey(0)

注意：我们实际情况中，矩形的摆放是随机的，该函数未必就适合。我们需要的可能是适用旋转矩形的minAreaRect方法。

2.3 cv2.rectangle()

既然用到了画矩形，咱们就简单说说这个函数。
函数原型如下：

cv2.rectangle(img, pt1, pt2, color[, thickness[, lineType[, shift]]]) -> img

参数说明：
入参：

参数名	类型	说明
img	Mat	待绘制的图像（NumPy数组格式）。
pt1	Tuple[int, int]	矩形对角线的起点坐标，格式为 (x1, y1) 。
pt2	Tuple[int, int]	矩形对角线的终点坐标，格式为 (x2, y2)（与 pt1 构成任意对角线）。
color	Tuple[B, G, R]	矩形颜色： • BGR格式（如蓝色：(255,0,0)）。 • 灰度图可使用单值（如 255 表示白色）。
thickness	int	线条粗细（单位：像素）： • 正数：边框线宽（如 2）。 • 负数（如 -1 或 cv2.FILLED）：填充整个矩形。
lineType	int（可选）	线条类型： • cv2.LINE_8（8连通，默认） • cv2.LINE_4（4连通） • cv2.LINE_AA（抗锯齿，平滑效果好）。
shift	int（可选）	坐标缩放位数（默认为 0）： • shift=1 时坐标值除以 2，shift=2 时除以 4，用于高精度绘制。

返回值：

• img：绘制好矩形的图像（与输入 img 相同）。

代码示例：

import cv2
import numpy as np

# 创建空白图像（512x512白色背景）
img = np.ones((512, 512, 3), dtype=np.uint8) * 255  # BGR白色

# 定义对角线坐标：左上角(50,50) → 右下角(300,300)
pt1 = (50, 50)
pt2 = (300, 300)
color = (0, 255, 0)  # 绿色边框（BGR格式）
thickness = 5  # 5像素边框

# 绘制矩形
cv2.rectangle(img, pt1, pt2, color, thickness)
cv2.imshow("Rectangle", img)
cv2.waitKey(0)

效果图如下：

2.4 cv2.minAreaRect()

该函数用于计算轮廓的最小外接矩形，返回值为一个旋转矩形，包含矩形的中心坐标、宽度、高度和旋转角度。这就十分适合我们的要求了。

函数原型如下：

rect = cv2.minAreaRect(points)

参数说明如下：
输入参数：
points：点集或轮廓坐标，格式为 np.array（形状为 [N, 2]），至少需 3 个非共线点（若为轮廓需从 findContours() 获取）。

返回值（RotatedRect 结构）：
元组 ((center_x, center_y), (width, height), angle)：

• 中心点 (center_x, center_y)：浮点坐标（矩形质心）。
• 尺寸 (width, height)：矩形的宽高（非长边优先，取决于旋转规则）。
• 角度 angle：矩形主轴与水平轴的夹角。范围是0到90度，顺时针旋转。（低版本可能不同，要注意区分）

得到这个旋转矩形的信息后，要将其画出来，这需要使用cv2.boxPoints()函数帮我们得到矩形的四个顶点。该函数很简单：
直接参考下面代码用起来：

import cv2
import numpy as np

# 创建空白图像（512x512白色背景）
img = np.ones((512, 512, 3), dtype=np.uint8) * 255  # BGR白色

rect = ((100.0, 100.0), (50.0, 30.0), 30.0)  # 中心(100,100)，宽50高30，角度30°
box = cv2.boxPoints(rect)  # → 4个顶点 [[x1,y1], [x2,y2], [x3,y3], [x4,y4]]
print(box)
cv2.drawContours(img, [np.intp(box)], 0, (0, 255, 0), 2)

cv2.imshow("Rectangle", img)
cv2.waitKey(0)

画图问题解决，那么我们就可以开始计算长宽了。
直接从rect元组中拿到width和height，例子如下：

rect = cv2.minAreaRect(largest_contour)
width = rect[1][0]
height = rect[1][1]

或者保险起见，这样写：

rect = cv2.minAreaRect(largest_contour)
(w, h) = rect[1]
long_side = max(w, h)  # 长边
short_side = min(w, h)  # 短边

3.代码实现

是时候展示真正的代码了！

import cv2
import numpy as np

cv2.namedWindow('image')
cap = cv2.VideoCapture(1, cv2.CAP_DSHOW)  # 0是默认摄像头，根据自己的摄像头设置

while True:
    ret, frame = cap.read()
    if not ret:
        break

    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    _, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

    # 轮廓提取
    contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)    
    largest_contour = max(contours, key=cv2.contourArea)

    # 最小外接矩形测量
    rect = cv2.minAreaRect(largest_contour)
    (w, h) = rect[1]
    long_side = max(w, h)  # 长边
    short_side = min(w, h)  # 短边

    # 绘制结果
    box = cv2.boxPoints(rect)
    cv2.drawContours(frame, [np.intp(box)], -1, (0, 255, 0), 2)
    cv2.putText(frame, f"Length: {long_side:.0f}px", (20, 40), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)
    cv2.putText(frame, f"Width: {short_side:.0f}px", (20, 80), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)

    cv2.imshow('image', frame)

    key = cv2.waitKey(120)
    if key == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

最终结果如下：

4.最后

至此，我们已经完成了尺寸测量仪的全部功能。至于如何将像素长度转换为毫米，有多种方式，后续看情况再说明。
接下来，我想再优化一下界面，将尺寸信息显示在更加合适的位置。