python opencv透视变换矫正文档

对输入图片进行预处理

首先处理成灰度图，接下来是对图像进行高斯平滑，这里我也不是很懂为什么要加高斯平滑，但我是这么想的，拍摄的照片使用噪点的，这种噪点很可能服从高斯分布，所有要用高斯平滑。

接下来是二值化，但是二值化之后存在一点白色的小点，那就用开操作去除一下这些白点，然后再提取轮廓。

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)      #转化成灰度图
gray = cv2.GaussianBlur(gray, (5, 5), 1)         #高斯滤波

ref, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
kernel = np.ones((9, 9), np.uint8)
thresh = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=4)     #开操作  这里开操作的其中一个意义是能够让边角钝化，防止提起大致轮廓的时候提取的多于4个
imgShow(thresh)
contours, hierachy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

 二值化图像和开操作对比：

 

这里有一点自己的理解， 开操作的意义不止在于消除了白色的杂质小点，更是钝化了四个角和边缘，在随后近似轮廓处理里面更不容易误判成多个点（大于四个）。

提取图像并透视变换

这里需要注意的就一个地方——为什么要用近似轮廓呢？

近似轮廓就只有四个点，我们需要识别的矩形也是四个顶点，可以很方便实现透视变换。

contours = contour_demo(img)
# 轮廓唯一，以后可以扩展
contour = contours[0]
# 求周长，可在后面的转换中使用周长和比例
print(cv2.arcLength(contour,True))
img_copy = img.copy()
# 使用approxPolyDP，将轮廓转换为直线，22为精度（越高越低），TRUE为闭合
approx = cv2.approxPolyDP(contour, 22, True)
print(approx.shape)
# print(approx)
cv2.drawContours(img_copy, [approx], -1, (255, 0, 0), 15)
imgShow(img_copy)
n = []
# 生产四个角的坐标点
for x, y in zip(approx[:, 0, 0], approx[:, 0, 1]):
    n.append((x, y))
p1 = np.array(n, dtype=np.float32)
# 对应点
p2 = np.array([(0, 0), (0, 1500), (1000, 1500), (1000, 0)], dtype=np.float32)
M = cv2.getPerspectiveTransform(p1, p2) # 变换矩阵
# 使用透视变换
result = cv2.warpPerspective(img_copy, M, (0, 0))
# 重新截取
result = result[:1501, :1001]

如果用之前的思路，就是用轮廓加外接矩形来做，但是效果非常差。

我觉得，造成这种情况的原因，可能是旋转外接矩形有自身的限制，应该是这样的吧，处理现实拍照的过程就是比较麻烦一些。