OpenCv高阶（4.0）——案例：海报的透视变换

文章目录

• 前言
• 一、工具函数模块
• • [1.1 图像显示函数](#1.1 图像显示函数)
  • [1.2 保持宽高比的缩放函数](#1.2 保持宽高比的缩放函数)
  • [1.3 坐标点排序函数](#1.3 坐标点排序函数)
• 二、透视变换核心模块
• • [2.1 四点透视变换实现](#2.1 四点透视变换实现)
• 三、主流程技术分解
• • [3.1 图像预处理](#3.1 图像预处理)
  • [3.2 轮廓检测流程](#3.2 轮廓检测流程)
  • [3.3 最大轮廓处理](#3.3 最大轮廓处理)
• 四、后处理技术
• • [4.1 透视变换](#4.1 透视变换)
  • [4.2 形态学处理](#4.2 形态学处理)
• 五、完整代码
• 总结

---

前言

构建智能文档视觉矫正体系：通过 AI 图像识别技术自动分析文档倾斜特征，结合自适应透视校正模型动态调整校正参数，不仅消除物理歪斜（如扫描歪斜、拍摄俯仰角偏差），还能修复因纸张褶皱、扫描设备误差导致的 "隐性扭曲"，最终呈现视觉上完全平整、几何上严格对齐的标准文档版面，为专业打印奠定基础。

一、工具函数模块

1.1 图像显示函数

def cv_show(name, value):
    cv2.imshow(name, value)    # 创建命名窗口显示图像
    cv2.waitKey(0)             # 等待任意键输入（单位：毫秒，0表示无限等待）
    cv2.destroyAllWindows()    # 关闭所有OpenCV窗口（实际代码中未显式调用，需注意内存释放）

cv2.waitKey(0) 的返回值为按键ASCII码，可用于交互控制

调试建议：添加 cv2.destroyWindow(name) 关闭指定窗口，避免内存泄漏

1.2 保持宽高比的缩放函数

def resize(image, width=None, height=None, inter=cv2.INTER_AREA):
	dim=None
    (h, w) = image.shape[:2]  # 获取原始高度和宽度（兼容灰度/彩色图）
    
    # 尺寸计算逻辑
    if width is None and height is None:
        return image  # 无缩放直接返回
    if width is None:
        r = height / float(h)  # 计算高度缩放比例
        dim = (int(w * r), height)  # 新尺寸元组（宽度, 高度）
    else:
        r = width / float(w)    # 计算宽度缩放比例
        dim = (width, int(h * r))
    
    # 执行缩放操作
    resized = cv2.resize(image, dim, interpolation=inter)
    return resized

插值算法选择：

cv2.INTER_AREA：基于像素区域关系重采样，适合缩小图像

cv2.INTER_CUBIC：4x4像素邻域的双三次插值，适合放大图像

cv2.INTER_LINEAR：双线性插值（默认）

1.3 坐标点排序函数

def order_points(pts):
    rect = np.zeros((4, 2), dtype="float32")  # 初始化4x2矩阵
    #按顺序找到对应的坐标0123，分别是左上右上右下、左下
    # 计算坐标点x+y的和
    s = pts.sum(axis=1)  # 形状：(4,) ，对矩阵的每一行进行求和操作
    rect[0] = pts[np.argmin(s)]  # 左上角：x+y最小
    rect[2] = pts[np.argmax(s)]  # 右下角：x+y最大
    
    # 计算坐标点x-y的差
    diff = np.diff(pts, axis=1)  # 形状：(4,1)
    rect[1] = pts[np.argmin(diff)]  # 右上角：x-y最小（即y相对较大）
    rect[3] = pts[np.argmax(diff)]  # 左下角：x-y最大（即y相对较小）
    
    return rect  # 返回有序坐标：[左上, 右上, 右下, 左下]

二、透视变换核心模块

2.1 四点透视变换实现

def four_point_transform(image, pts):
    # 坐标排序（关键步骤！）
    rect = order_points(pts)
    (tl, tr, br, bl) = rect  # 解构赋值四个顶点
    
    # 计算输出图像的宽度（取两组对边最大值）
    widthA = np.sqrt(((br[0] - bl[0]) ** 2) + (br[1] - bl[1]) ** 2)
    widthB = np.sqrt(((tr[0] - tl[0]) ** 2) + (tr[1] - tl[1]) ** 2)
    maxWidth = max(int(widthA), int(widthB))
    
    # 计算输出图像的高度（同理）
    heightA = np.sqrt(((tr[0] - br[0]) ** 2) + (tr[1] - br[1]) ** 2)
    heightB = np.sqrt(((tl[0] - bl[0]) ** 2) + (tl[1] - bl[1]) ** 2)
    maxHeight = max(int(heightA), int(heightB))
    
    # 定义目标点坐标（规范坐标系）
    dst = np.array([
        [0, 0],
        [maxWidth - 1, 0],          # 宽度方向预留1像素边界
        [maxWidth - 1, maxHeight - 1],
        [0, maxHeight - 1]], dtype="float32")
    
    # 计算透视变换矩阵（核心数学操作）
    M = cv2.getPerspectiveTransform(rect, dst)
    
    # 执行透视变换
    warped = cv2.warpPerspective(image, M, (maxWidth, maxHeight))
    return warped

1.尺寸计算

公式推导：基于欧氏距离公式计算对边长度
distance = sqrt((x2-x1)^2 + (y2-y1)^2)

取最大值的原因：确保输出图像能完整包含原始四边形区域

2.cv2.getPerspectiveTransform

输入：源四边形（rect）和目标四边形（dst）的4个点

输出：3x3透视变换矩阵

数学原理：求解投影变换方程
透视变换矩阵公式
通过4对点建立8个方程，求解8个未知参数

3.cv2.warpPerspective

参数 M：3x3变换矩阵

参数 (maxWidth, maxHeight)：输出图像尺寸

插值方式：默认双线性插值（可指定cv2.INTER_LINEAR等）

三、主流程技术分解

3.1 图像预处理

# 读取原始图像
img = cv2.imread('../data/hb.png')  # 默认BGR格式

# 计算缩放比例（基于原始高度）
ratio = img.shape[0] / 500.0  # 假设将高度缩放到500px
orig = img.copy()             # 深拷贝保留原始图像
img = resize(orig, height=500)  # 执行缩放

缩放目的：加速后续轮廓处理（复杂度与图像尺寸成平方关系）

ratio的作用：后续将检测到的坐标还原到原始尺寸

3.2 轮廓检测流程

# 灰度化处理
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)   #获取灰度图
# 自适应阈值化
edged = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]

# 查找轮廓
cnts = cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)[-2]
img_contours=cv2.drawContours(img.copy(),cnts,-1,(0,0,255),1)
cv_show('img_contours',img_contours)

cv2.findContours参数解析：

edged.copy()：避免修改原始边缘图像

cv2.RETR_LIST：检索所有轮廓，不建立层级关系

cv2.CHAIN_APPROX_SIMPLE：压缩水平、垂直和对角方向的冗余点

-2\]：兼容不同OpenCV版本（返回格式可能为 \[contours, hierarchy\] 或 \[image, contours, hierarchy\]） ### 3.3 最大轮廓处理 ```python # 按轮廓面积排序（降序） screenCnt = sorted(cnts, key=cv2.contourArea, reverse=True)[0] #获取面积最大的轮廓 # 计算轮廓周长 peri = cv2.arcLength(screenCnt, True) # True表示轮廓闭合 # 多边形近似（Douglas-Peucker算法） screenCnt = cv2.approxPolyDP(screenCnt, 0.01 * peri, True) print(screenCnt.shape) img_contours=cv2.drawContours(img.copy(),[screenCnt],-1,(0,255,0),2) cv_show('img_contours1',img_contours) ``` 1、cv2.contourArea 计算方式：格林公式积分 对非闭合轮廓可能返回错误值 2、cv2.approxPolyDP 参数 0.01*peri：近似精度阈值（周长比例） 原理：迭代拟合多边形，删除偏离当前线段超过阈值的点 效果：将曲线近似为折线，减少顶点数量 ## 四、后处理技术 ### 4.1 透视变换 ```python # 执行变换（注意坐标还原） warped = four_point_transform(orig, screenCnt.reshape(4, 2) * ratio) # 保存结果 cv2.imwrite('../data/invoice_new.jpg', warped) ``` screenCnt.reshape(4,2)：将轮廓点从 (N,1,2) 转换为 (4,2) ratio：将缩放后的坐标还原到原始图像尺寸 ### 4.2 形态学处理 ```python # 转换为灰度图 warped_gray = cv2.cvtColor(warped, cv2.COLOR_BGR2GRAY) # 二值化处理 _, warped_binary = cv2.threshold(warped_gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU) # 逆时针旋转90度，在对自己的文档进行识别时，可以根据需求调整转动角度 warped_rotated = cv2.rotate(warped_binary, cv2.ROTATE_90_COUNTERCLOCKWISE) # 定义形态学核 kernel = np.ones((11,11),np.uint8) #做一个闭运算，先膨胀再腐蚀 warped_rotated_closed=cv2.morphologyEx(warped_rotated,cv2.MORPH_CLOSE,kernel) cv2.namedWindow('warped_rotated_closed',cv2.WINDOW_NORMAL) cv_show("warped_rotated_closed",warped_rotated) ``` 腐蚀（Erode）：用核的最小值替换锚点像素，消除小物体 膨胀（Dilate）：用核的最大值替换锚点像素，填充空洞 开运算 = 先腐蚀后膨胀，用于去噪 核大小选择：3x3平衡去噪效果与细节保留 目的是为了使海报上的图案和文字显示的更清晰，字迹不会很模糊。 最终效果展示：  将歪歪扭扭的图片扶正，并将图片上的文字变得更清晰，上边的效果仍没有达到预计的效果，可以通过图像形态学的处理来达到更好的效果。 ## 五、完整代码 ```python import numpy as np import cv2 def cv_show(name,value): cv2.imshow(name,value) cv2.waitKey(0) def resize(image,width=None,height=None,inter=cv2.INTER_AREA): dim=None (h,w)=image.shape[:2] if width is None and height is None: return image if width is None: r=height/float(h) dim=(int(w*r),height) else: r=width/float(w) dim=(width,int(h*r)) resized=cv2.resize(image,dim,interpolation=inter) return resized def order_points(pts): #一共四个坐标点 rect=np.zeros((4,2),dtype='float32') #按顺序找到对应的坐标0123，分别是左上右上右下、左下 s=pts.sum(axis=1) #对矩阵的每一行进行求和操作 rect[0]=pts[np.argmin(s)] rect[2]=pts[np.argmax(s)] diff=np.diff(pts,axis=1) rect[1]=pts[np.argmin(diff)] rect[3]=pts[np.argmax(diff)] return rect def four_point_transform(image,pts): #获取输入的坐标点 rect=order_points(pts) (tl,tr,br,bl)=rect #计算输入的w和h值 widthA=np.sqrt(((br[0]-bl[0])**2) +( br[1] - bl[1])**2) widthB = np.sqrt(((tr[0] - tl[0]) ** 2) + (tr[1] - tl[1]) ** 2) maxwidth=max(int(widthA),int(widthB)) heightA=np.sqrt(((tr[0]-br[0])**2) +( tr[1] - br[1])**2) heightB=np.sqrt(((tl[0]-bl[0])**2) +( tl[1] - bl[1])**2) maxheight=max(int(heightA),int(heightB)) dst=np.array([[0,0],[maxwidth,0],[maxwidth,maxheight],[0,maxheight]],dtype='float32') M=cv2.getPerspectiveTransform(rect,dst) warped=cv2.warpPerspective(image,M,(maxwidth,maxheight)) return warped img=cv2.imread('../data/hb.png') cv_show('fp',img) # 图片多大调整大小 ratio=img.shape[0]/500.0 #计算缩小比例 orig=img.copy() img=resize(orig,height=500) # cv_show('1',img) #轮廓检测 print("STEP 1:轮廓检测") gray=cv2.cvtColor(img,cv2.COLOR_BGRA2GRAY) #获取灰度图 edged=cv2.threshold(gray,0,255,cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1] cnts=cv2.findContours(edged.copy(),cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)[-2] img_contours=cv2.drawContours(img.copy(),cnts,-1,(0,0,255),1) cv_show('img_contours',img_contours) print("STEP 2:获取最大轮廓") screenCnt=sorted(cnts,key=cv2.contourArea,reverse=True)[0] #获取面积最大的轮廓 peri=cv2.arcLength(screenCnt,True) screenCnt=cv2.approxPolyDP(screenCnt,0.01*peri,True) print(screenCnt.shape) img_contours=cv2.drawContours(img.copy(),[screenCnt],-1,(0,255,0),2) cv_show('img_contours1',img_contours) # 透视变换 warped=four_point_transform(orig,screenCnt.reshape(4,2)*ratio) cv2.imwrite('../data/invoice_new.jpg',warped) cv2.namedWindow('xx',cv2.WINDOW_NORMAL) #设置这个参数可以使imshow()显示出来的窗口被拉大缩小 cv2.imshow('xx',warped) cv2.waitKey(0) warped_gray=cv2.cvtColor(warped,cv2.COLOR_BGR2GRAY) warped_binary=cv2.threshold(warped_gray.copy(),0,255,cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1] cv2.namedWindow('warped_binary',cv2.WINDOW_NORMAL) cv_show("warped_binary",warped_binary) warped_rotated=cv2.rotate(warped_binary,cv2.ROTATE_90_COUNTERCLOCKWISE) cv2.namedWindow('warped_rotated',cv2.WINDOW_NORMAL) cv_show("warped_rotated",warped_rotated) #做一个闭运算，先膨胀再腐蚀 kernel = np.ones((3,3),np.uint8) warped_rotated_closed=cv2.morphologyEx(warped_rotated,cv2.MORPH_OPEN,kernel) cv2.namedWindow('warped_rotated_closed',cv2.WINDOW_NORMAL) cv_show("warped_rotated_closed",warped_rotated) ``` ## 总结 通过对计算机视觉技术的综合使用，可以实现很多种对文档的处理任务，还可以将将功能与摄像头结合实现实时处理任务。