计算机视觉——Opencv（图像透视变换）

我们经常需要将纸质文档转换为电子档，但拍摄的文档照片往往存在倾斜、透视畸变等问题，导致文档内容歪斜、不易识别。想要解决这个问题，就需要用到**图像透视变换。**它能够将不规则的四边形区域映射为规整的矩形，完美消除透视畸变，广泛应用于文档矫正、车牌识别、全景拼接等场景。

本文将通过一个完整案例，从图像读取、轮廓检测，到透视变换、结果后处理，逐步完成发票/文件的自动矫正。

图片准备：

透视变换的核心流程

透视变换的实现不需要手动推导复杂的矩阵公式，OpenCV 已经封装了核心函数，整个流程可以概括为 3 步：

1. 从原始图像中精准提取目标区域的 4 个顶点坐标（文档的四个角点）。

2. 定义变换后图像的4 个对应顶点坐标（规整矩形的四个角点）。

3. 利用 OpenCV 计算透视变换矩阵，再通过该矩阵完成图像的透视映射，得到矫正后的图像。

最关键的步骤是提取准确的 4 个顶点坐标，这直接决定了透视变换的最终效果。

案例

1.导入相关库

import cv2
import numpy as np

2.图像显示工具函数

方便调试过程中查看每一步结果

def cv_show(name, img):
    cv2.imshow(name, img)
    cv2.waitKey(0)

3.图像按比例缩放工具函数

避免图像过大导致处理速度慢、轮廓检测不准确

def resize(image, width=None, height=None, inter=cv2.INTER_AREA):
    dim = None
    (h, w) = image.shape[:2]     # 获取图像原始高度和宽度
    if width is None and height is None:
        return image       # 若未指定缩放尺寸，直接返回原始图像

    if width is None:
# 仅指定高度，按比例计算宽度
        r = height / float(h)
        dim = (int(w * r), height)
    else:
# 仅指定宽度，按比例计算高度
        r = width / float(w)
        dim = (width, int(h * r))
    resized = cv2.resize(image, dim, interpolation=inter)
    return resized

resize()函数：实现图像的等比例缩放，避免拉伸变形，核心是计算缩放比例r，再通过cv2.resize()完成缩放

4.图像读取与预处理

#读取原图
image = cv2.imread(r"C:\Users\LEGION\Desktop\83a7a5a67856e5690a7a34da17c4fda7.jpg")
cv_show('image', image)

# 缩小图像，便于处理
#高度缩放到500像素，宽度按比例缩放
ratio = image.shape[0] / 500
orig = image.copy()
image = resize(orig, height=500)
cv_show('1', image)

运行结果：

5.轮廓检测

print('STEP 1: 轮廓检测')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)  # 转成灰度图
# 自动阈值二值化，突出目标区域
edged = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
# 寻找所有轮廓
cnts = cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)[-2]
# 绘制所有轮廓，便于可视化
image_contours = cv2.drawContours(image.copy(), cnts, -1, (0, 0, 255), 1)
cv_show('image_contours', image_contours)

这里使用了cv2.threshold()函数的组合参数cv2.THRESH_BINARY | cv2.THRESH_OTSU，其中：

cv2.THRESH_BINARY：二值化模式，将超过阈值的像素设为 255（白色），低于阈值的像素设为 0（黑色）。

cv2.THRESH_OTSU：自动寻找最佳阈值，无需手动指定，适用于背景和目标区域对比度较为明显的图像（如文档照片），能够有效提升二值化效果。

cv2.findContours()：用于寻找图像中的轮廓，返回值取[-2]是为了兼容不同版本的 OpenCV，避免因版本差异导致报错。

运行结果：

6.找到最大轮廓（逼近为四边形）

print("STEP 2: 获取最大轮廓")
screenCnt = sorted(cnts, key=cv2.contourArea, reverse=True)[0]  # 按面积排序，取最大
peri = cv2.arcLength(screenCnt, True)  # 计算周长
screenCnt = cv2.approxPolyDP(screenCnt, 0.05 * peri, True)  # 多边形逼近，保留主要拐点
image_contour = cv2.drawContours(image.copy(), [screenCnt], -1, (0, 0, 255), 2)
cv2.imshow("image_contour", image_contour)
cv2.waitKey(0)

cv2.approxPolyDP()：用于多边形逼近，核心作用是简化轮廓。我们的目标是获取文档的 4 个角点，因此通过该函数将复杂的最大轮廓简化为四边形，逼近精度0.05 * peri可根据实际图像微调，过大会导致轮廓失真，过小则无法简化为四边形。

运行结果：

7.顶点坐标排序函数order_points()

def order_points(pts):
#一共4个坐标点
    rect = np.zeros((4, 2), dtype="float32")#用来存储排序之后的坐标位置#按顺序找到对应坐标0123分别是左上，右上，右下，左下
    s=pts.sum(axis=1) #对pts矩阵的每一行进行求和操作。 (x+y)
    rect[0] = pts[np.argmin(s)]
    rect[2] = pts[np.argmax(s)]
    diff=np.diff(pts,axis=1) #对pts矩阵的每一行进行求差操作。(y-x)
    rect[1] = pts[np.argmin(diff)]
    rect[3] = pts[np.argmax(diff)]
    return rect

和最小的为左上顶点

和最大的为右下顶点

差最小的为右上顶点

差最大的为左下顶点

8.透视变换核心函数four_point_transform()

调用order_points()函数，对输入顶点坐标进行排序。

计算变换后图像的宽度和高度（取两组对边的最大值，保证文档完整显示，不被裁剪）。

定义变换后图像的 4 个对应顶点坐标（规整矩形的四个角点）。

利用cv2.getPerspectiveTransform()计算透视变换矩阵M。

利用cv2.warpPerspective()执行透视变换，返回矫正后的图像。

def four_point_transform(image, pts):
#获取输入坐标点
    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))
#变换后对应坐标位置
    dst = np.array( [[0, 0], [maxWidth -1, 0],[maxWidth - 1, maxHeight - 1], [0, maxHeight - 1]], dtype="float32")
#图像透视变换 cv2.getPerspectiveTransform(src,dst[,solveMethod]) MP获得转换之间的关系
# src:变换前图像四边形顶点坐标
# dst:变换后图像四边形顶点坐标
# cv2.warpPerspective(src, MP, dsizel, dst[, flags[, borderNode[, borderValue]]]])  dst
#参数说明:
#src:原图
#MP:透视变换矩阵，3行3列
#dsize:输出图像的大小，二元元组(width，height)
    M = cv2.getPerspectiveTransform(rect, dst)
    warped = cv2.warpPerspective(image, M,  (maxWidth, maxHeight))#返回变换后结果
    return warped

运行结果：

9.执行透视变换与结果优化

# 执行透视变换（将缩放后图像的顶点坐标还原到原始图像坐标体系）
warped = four_point_transform(orig, screenCnt.reshape(4, 2) * ratio)

# 对透视变换结果进行逆时针旋转90度（不覆盖原始矫正结果）
warped_rotated = cv2.rotate(warped, cv2.ROTATE_90_COUNTERCLOCKWISE)

# 保存并显示原始矫正结果（未旋转）
cv2.imwrite('invoice_new_original.jpg', warped)
cv2.namedWindow('xx_original（未旋转透视结果）', cv2.WINDOW_NORMAL)
cv2.imshow('xx_original（未旋转透视结果）', warped)
cv2.waitKey(0)
cv2.destroyWindow('xx_original（未旋转透视结果）')

# 保存并显示逆时针旋转90度后的矫正结果
cv2.imwrite('invoice_new_rotated.jpg', warped_rotated)
cv2.namedWindow('xx_rotated（逆时针旋转90度后结果）', cv2.WINDOW_NORMAL)
cv2.imshow('xx_rotated（逆时针旋转90度后结果）', warped_rotated)
cv2.waitKey(0)

# 释放所有窗口，清理内存资源
cv2.destroyAllWindows()

运行结果：

除此之外，还可以有如下的后续处理步骤：

• 二值化：提高文字对比度，便于后续OCR识别

• 腐蚀：去除孤立噪点，让边缘更干净