两个矩形相交有三种情况： 1. 相离，可以通过判断两个矩形的X最大值，最小值以及Y最大值，最小值的大小比较判定。（空间搜索外包矩形常用算法） 2. 包含与被包含，也是通过两个矩形的X最大值，最小值以及Y最大值，最小值的大小比较判定。（空间搜索外包矩形常用算法） 3. 相交。相交情况比较复杂，情况分以下三种

将代码拷到arcgis里的idle或者arcmap界面的python里面，将输入输出文件路径修改了，和参数中最小外包矩形改下即可运行。适合做大量数据clip批处理，节约人力。对于其他工具使用也是类似的，稍微改下即可。

提取二值化处理后图片中多个对象的最小外包矩形，以及外包矩形的集合属性信息。

一套基于最小外包矩形的四叉树实现案例，可运行，含测试数据文件

前言：         当我们通过阈值分割提取到图像中的目标物体后，我们就需要通过边缘检测来提取目标物体的轮廓，使用这两种方法基本能够确定物体的边缘或者前景。接下来，我们通常需要做的是拟合这些边缘的前景，如拟合出包含前景或者边缘像素点的最小外包矩形、圆、凸包等几何形状，为计算它们的面积或者模板匹配等操作打下坚实的基础。 一、查找、绘制轮廓       首先了解一下轮廓的定义。一个轮廓代表一系列的点（像素），这一系列的点构成一个有序的点集，所以可以把一个轮廓理解为一个有序的点集。 1.1 find