最近在做多边形的最大内接矩形、最小外接矩形，找啦一些资料和大家分享一下

将网上计算多边形内最大矩形的java源码翻译成为c++/qt源.

code_001 | [图片读取与显示](python/code_001/opencv_001.py) | ✔️ code_002 | [图片灰度化](python/code_002/opencv_002.py) | ✔️ code_003 | [图像创建与赋值](python/code_003/opencv_003.py) | ✔️ code_004 | [图像像素读写](python/code_004/opencv_004.py) | ✔️ code_005 | [图像像素算术操作(加减乘

实验室项目中，希望求取一个近似圆形区域的质心，原本使用最小外接圆的质心来等效为该区域质心。但是由于部分区域的形状过于不规则导致发生质心偏移现象。如下图： 蓝色为实际要求质心。红色为等效圆质心 为获取较为准确的质心，拟用最大内接矩形的中心作为该区域质心。 采用改进的中心扩散法求内接矩形：先以最小外接矩的中心作为算法的起点进行中心扩散。得到一个内解矩形，在对最小外接矩的中心进行8邻域的遍历，应用中心扩散法分别求取内接矩，以面积最大的内接矩作为最大内接矩。 使用Opencv关键代码如下： /**

为解决多通道光谱图像数据成像过程中更换滤光片造成的几何畸变问题，研究了一种基于快速稳健特征(SURF)与最大子矩阵的多通道光谱图像配准方法。利用SURF算法提取了多通道光谱图像的特征，经过透视变换得到初步配准图像。针对配准后图像边缘出现零像素值无效区域的问题，提出了通过最大子矩阵检测图像中最大内接矩形的方法，去掉了无效边缘区域，最大化地保留了有效区域信息。对壁画的多通道成像数据进行了实验。结果表明，所提方法在图像尺度与亮度变化方面具有更好的稳健性，能够避免其他配准方法中无效区域对后续光谱重建与颜