opencv实战项目十九：透射变换倾斜二维码校正

---

前言

随着科技的飞速发展，二维码作为一种信息载体，已经广泛应用于我们的日常生活中。无论是支付、身份验证还是信息传播，二维码都发挥着不可替代的作用。然而，在实际应用中，我们常常会遇到一个问题：由于拍摄角度、设备性能等因素的影响，导致二维码出现倾斜，从而影响识别效率。为此，本文将为大家介绍一种基于透射变换的二维码倾斜校正方法，帮助大家解决这一难题。

---

一、实现方法

首先，通过对图像进行二值化操作，获取二值化背景，之后进行形态学变换处理二维码区域。接下来，借助轮廓分析方法，通过凸包逼近多边形以及四边形近似获取的四个角点。最后，依据这四个角点的位置，我们应用透视变换技术对二维码进行了矫正，以确保其准确性和可读性。

二、实现代码

import cv2
import numpy as np

def sort_vertices_clockwise(vertices):
    """将四边形的四个顶点按照顺时针排序"""
    # 找到y坐标最小的点（即最低点），如果有多个最低点，则选择x坐标最小的点
    lowest_idx = np.argmin(vertices[:, 1])
    lowest_point = vertices[lowest_idx]

    # 将最低点移动到数组的起始位置
    vertices = np.roll(vertices, -lowest_idx, axis=0)

    # 计算其他三个点相对于最低点的极角
    other_points = vertices[1:]
    ref_point = vertices[0]
    angles = np.arctan2(other_points[:, 1] - ref_point[1], other_points[:, 0] - ref_point[0])

    # 根据极角对顶点进行排序
    sorted_indices = np.argsort(angles)
    sorted_vertices = np.vstack((ref_point, other_points[sorted_indices]))

    return sorted_vertices

# 图片路径
path = r"F:\cv_traditional\1725413298229.png"

# 读取图片，转换为灰度图
img = cv2.imread(path, 0)
print(img.shape)

# 二值化处理，设置阈值50，将图片转换为二值图像
ret, thd = cv2.threshold(img, 50, 255, cv2.THRESH_BINARY_INV)

# 定义结构元素，用于形态学操作
kernel1 = cv2.getStructuringElement(cv2.MORPH_RECT, (21, 21))

# 对二值图像进行闭运算，填充轮廓内的孔洞
close = cv2.morphologyEx(thd, cv2.MORPH_CLOSE, kernel1)

# 查找轮廓
contours, _ = cv2.findContours(close, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 找到面积最大的轮廓
max_contour = max(contours, key=cv2.contourArea)

# 计算最大轮廓的凸包
hull = cv2.convexHull(max_contour)

# 计算凸包的周长，并设置逼近多边形的精度
epsilon = 0.02 * cv2.arcLength(hull, True)

# 使用approxPolyDP函数逼近多边形
approx = cv2.approxPolyDP(hull, epsilon, True)

# 将轮廓点转换为1维数组
vertices_1d = np.array([np.squeeze(point) for point in approx])

# 打印顺时针排序后的顶点
print(sort_vertices_clockwise(vertices_1d))

# 绘制最大轮廓
cv2.drawContours(img, [approx], -1, (0, 255, 0), 3)

# 获取图像的宽度和高度
h, w = img.shape

# 定义变换后的目标点坐标
dst_point1 = [0, 0]
dst_point2 = [w, 0]
dst_point3 = [w, h]
dst_point4 = [0, h]

# 将排序后的顶点转换为浮点数
ori = np.float32(sort_vertices_clockwise(vertices_1d))

# 定义目标坐标点
dst = np.float32([dst_point1, dst_point2, dst_point3, dst_point4])

# 计算透射变换矩阵
M = cv2.getPerspectiveTransform(ori, dst)

# 应用透射变换
transformed_image = cv2.warpPerspective(img, M, (700, 700))

# 显示原始图像和变换后的图像
cv2.imshow("原始图像", img)
cv2.imshow("变换后的图像", transformed_image)

# 等待按键后关闭窗口
cv2.waitKey(0)

三，效果

倾斜图片：
校正后图片：