文章目录
- 前言
- 一、工具函数模块
- 1.1 图像显示函数
- 1.2 保持宽高比的缩放函数
- 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
- 三、主流程技术分解
- 3.1 图像预处理
- 3.2 轮廓检测流程
- 3.3 最大轮廓处理
- 四、后处理技术
- 4.1 透视变换
- 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
# 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
# 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
# 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
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。
![[MySQL数据库] SQL优化](https://i-blog.csdnimg.cn/direct/65f10f1a025e42d39188a7bcc2d4bec5.png)
