目录

一、项目整体介绍与透视变换原理
二、完整可运行代码
三、逐模块代码详细拆解与参数讲解
工具封装函数部分
主程序图像处理流程讲解
四、拓展知识点补充
五、文章总结
附：运行环境与常见报错解决

一、项目整体介绍与透视变换原理

日常拍摄发票、证件、纸质文档时，手机倾斜拍摄会导致画面出现梯形畸变，文字倾斜、边缘扭曲，直接影响OCR文字识别效果。传统裁剪、旋转无法解决近大远小的透视变形问题。本文这套代码基于四点透视变换算法，自动定位文档四个角点，将倾斜扭曲的发票矫正为标准俯视平面图，全程拆解每行代码、参数底层逻辑，同时补充图像轮廓、多边形拟合、透视矩阵数学原理等拓展知识。

透视变换区别于仿射变换，仿射仅支持平移、旋转、缩放、剪切，保持平行线；透视变换引入灭点，能修正梯形畸变，适合平面文档矫正。透视变换的数学本质是通过4组对应点（源图像4个角点与目标图像4个角点）计算变换矩阵，再用该矩阵对源图像进行像素映射。

核心流程分为五步：原图缩放预处理 → 灰度二值化 → 轮廓检索 → 四边形角点拟合 → 四点透视投影矫正，最后输出规整的二值文档图。

二、完整可运行代码

importnumpyasnpimportcv2# 自定义窗口显示工具函数defcv_show(name,img):cv2.imshow(name,img)cv2.waitKey(0)# 图像等比例缩放函数defresize(image,width=None,height=None,inter=cv2.INTER_AREA):dim=None(h,w)=image.shape[:2]ifwidthisNoneandheightisNone:returnimageifwidthisNone: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)returnresized# 对四个角点排序：左上、右上、右下、左下deforder_points(pts):rect=np.zeros((4,2),dtype="float32")s=pts.sum(axis=1)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)]returnrect# 核心四点透视变换函数deffour_point_transform(image,pts):rect=order_points(pts)(tl,tr,br,bl)=rect 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-1,0],[maxWidth-1,maxHeight-1],[0,maxHeight-1]],dtype="float32")M=cv2.getPerspectiveTransform(rect,dst)warped=cv2.warpPerspective(image,M,(maxWidth,maxHeight))returnwarped# 主程序入口image=cv2.imread('fapiao.jpg')cv_show('yuantu',image)ratio=image.shape[0]/500.0orig=image.copy()image=resize(orig,height=500)cv_show('1',image)print("STEP 1:轮廓检测")gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)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]image_contours=cv2.drawContours(image.copy(),cnts,-1,(0,0,255),1)cv_show('image_contours',image_contours)print("STEP 2: 获取最大轮廓")screenCnt=sorted(cnts,key=cv2.contourArea,reverse=True)[0]print(screenCnt.shape)peri=cv2.arcLength(screenCnt,True)screenCnt=cv2.approxPolyDP(screenCnt,0.05*peri,True)print(screenCnt.shape)image_contour=cv2.drawContours(image.copy(),[screenCnt],-1,(0,255,0),1)cv_show('image_contour',image_contour)# 透视矫正，还原原图尺寸warped=four_point_transform(orig,screenCnt.reshape(4,2)*ratio)cv2.imwrite('invoice_new.jpg',warped)cv2.namedWindow('xx',cv2.WINDOW_NORMAL)cv_show('xx',warped)# 矫正后图像二值化增强文字gray1=cv2.cvtColor(warped,cv2.COLOR_BGR2GRAY)binary=cv2.threshold(gray1,0,255,cv2.THRESH_BINARY|cv2.THRESH_OTSU)[1]cv2.namedWindow('bin',cv2.WINDOW_NORMAL)cv_show('bin',binary)

三、逐模块代码详细拆解与参数讲解

工具封装函数部分

cv_show 窗口显示函数

defcv_show(name,img):cv2.imshow(name,img)cv2.waitKey(0)

cv2.imshow创建图像窗口，第一个参数为窗口名称，第二个为待展示图像矩阵。cv2.waitKey(0)代表无限阻塞等待任意按键，按下按键后窗口才会关闭，适合分步调试查看每一步图像处理结果。不设置waitKey会出现窗口一闪而过无法查看的问题。

resize 等比例缩放函数

defresize(image,width=None,height=None,inter=cv2.INTER_AREA):dim=None(h,w)=image.shape[:2]ifwidthisNoneandheightisNone:returnimageifwidthisNone: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)returnresized

函数作用是保持图像原始宽高比缩放，避免拉伸变形。h,w通过image.shape[:2]读取图像高度、宽度，通道维度舍弃。r为缩放比例，只传入高度或宽度时，自动计算另一维度尺寸。

插值参数inter默认cv2.INTER_AREA，这是面积插值算法，图像缩小时使用该算法锯齿更少；若需放大图像，推荐使用cv2.INTER_CUBIC或cv2.INTER_LINEAR线性插值，画面会更平滑。dim存储缩放后目标宽高，最终传入cv2.resize完成图像缩放。

order_points 四点坐标排序函数

deforder_points(pts):rect=np.zeros((4,2),dtype="float32")s=pts.sum(axis=1)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)]returnrect

轮廓拟合得到的四个角点是无序随机排列，透视变换必须固定顺序左上、右上、右下、左下，该函数完成坐标标准化排序。

s = pts.sum(axis=1)计算每个点的x+y总和，左上角坐标数值最小，总和最小；右下角x+y最大，总和最大，以此区分出左上角和右下角。

np.diff(pts, axis=1)计算每个点的x-y差值，右上角x远大于y，差值最小；左下角y大于x，差值最大，从而区分出右上角和左下角。最终返回有序四点矩阵，这是透视矩阵计算的前置条件。

four_point_transform 核心透视变换函数

deffour_point_transform(image,pts):rect=order_points(pts)(tl,tr,br,bl)=rect 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-1,0],[maxWidth-1,maxHeight-1],[0,maxHeight-1]],dtype="float32")M=cv2.getPerspectiveTransform(rect,dst)warped=cv2.warpPerspective(image,M,(maxWidth,maxHeight))returnwarped

pts传入无序四点，先调用order_points排序。

利用欧式距离公式分别计算文档上下两条边的宽度、左右两条边的高度。宽度方面，widthA为左下到右下的距离（底边），widthB为左上到右上的距离（顶边）；高度方面，heightA为右上到右下的距离（右边），heightB为左上到左下的距离（左边）。取最大值作为矫正后画布尺寸maxWidth和maxHeight，防止文档边缘被截断 。

dst定义矫正后标准矩形四个顶点坐标，画布左上角(0,0)，右下角(maxWidth-1, maxHeight-1)。

cv2.getPerspectiveTransform(原四点, 目标四点)计算3×3透视变换矩阵M，该矩阵包含了平移、旋转、畸变矫正的全部映射关系。

cv2.warpPerspective利用矩阵M对原图做像素重映射，生成矫正完成的平面文档图像。

主程序图像处理流程讲解

原图读取与缩放预处理

image=cv2.imread('fapiao.jpg')cv_show('yuantu',image)ratio=image.shape[0]/500.0orig=image.copy()image=resize(orig,height=500)cv_show('1',image)

cv2.imread读取发票原图，orig保存原图完整分辨率，后续矫正使用原图保证清晰度。将图像缩放到高度500像素，大幅降低轮廓检测计算量，提升运行速度。ratio记录原图与缩放图的缩放比例，后续检测到的角点坐标需要乘比例还原至原图尺寸，避免矫正后图像分辨率丢失。

第一步：灰度转换 + Otsu自动二值化 + 全局轮廓提取

gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)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]image_contours=cv2.drawContours(image.copy(),cnts,-1,(0,0,255),1)cv_show('image_contours',image_contours)

彩色图转灰度图，减少通道数据，二值化仅保留黑白像素，轮廓提取更简单。

cv2.threshold中使用了cv2.THRESH_OTSU大津算法，该算法会自动计算全局最优分割阈值，无需手动调节，特别适合文档明暗不均的场景。返回元组的第二个值为二值图像edged。

cv2.findContours是轮廓提取的核心函数。其输入参数依次为：二值图像（uint8类型，像素值为0或255）、轮廓检索模式（本文使用RETR_LIST，表示提取所有轮廓但不建立层级关系）、轮廓近似方法（CHAIN_APPROX_SIMPLE会压缩水平、垂直、对角线段，仅保留端点，大幅减少内存占用）。输出为一个列表，每个元素是一个轮廓点集（NumPy数组），形状为(点数, 1, 2)，其中第二维的1表示每个点是一个二维坐标。不同OpenCV版本返回值不同，取[-2]可兼容。调试时，建议先用drawContours将全部轮廓绘制在空白图上，观察是否有遗漏或多余轮廓，这直接决定后续筛选能否成功。

drawContours将全部轮廓用红色线条绘制，直观查看所有物体边缘。

第二步：筛选文档最大轮廓 + 四边形拟合

screenCnt=sorted(cnts,key=cv2.contourArea,reverse=True)[0]peri=cv2.arcLength(screenCnt,True)screenCnt=cv2.approxPolyDP(screenCnt,0.05*peri,True)image_contour=cv2.drawContours(image.copy(),[screenCnt],-1,(0,255,0),1)cv_show('image_contour',image_contour)

sorted根据轮廓面积降序排列，取第一个最大轮廓，默认画面中发票是面积最大的四边形物体。

cv2.arcLength计算轮廓闭合周长，第二个参数True代表轮廓闭合。

cv2.approxPolyDP用于多边形逼近，将复杂的轮廓点集简化为最少顶点。其输入参数依次为：轮廓点集（numpy.ndarray，形状(N,1,2)）、精度参数epsilon（本文取轮廓周长的5%）、闭合标志True。输出为简化后的顶点集，形状(M,1,2)，M为目标顶点数。对于发票矫正，理想输出是(4,1,2)。调试时务必打印screenCnt.shape，若不为4，说明拟合不成功，需要调整epsilon系数（背景杂乱时降低至 0.02 ~ 0.03，干净背景可提高至0.06 ~ 0.08）或检查轮廓是否完整。epsilon取值越小，顶点越多；取值越大，简化越狠，但可能丢失细节。

绘制绿色轮廓单独框选出发票边缘。

原图透视矫正与结果保存

warped=four_point_transform(orig,screenCnt.reshape(4,2)*ratio)cv2.imwrite('invoice_new.jpg',warped)cv2.namedWindow('xx',cv2.WINDOW_NORMAL)cv_show('xx',warped)

screenCnt原始形状是(4,1,2)，reshape转为(4,2)四点矩阵。注意坐标数据类型：原始轮廓点为整数（int32），乘以缩放比例ratio（浮点数）后得到原图尺寸坐标，此时数据类型变为float64，而getPerspectiveTransform要求float32，但OpenCV内部会自动转换，无需额外处理。乘以ratio是为了将缩放图上检测到的角点还原到原图坐标系，保证矫正输出高清。

cv2.getPerspectiveTransform根据两组四点计算透视变换矩阵。输入为源四点（原图中文档四个角点，float32类型(4,2)）和目标四点（矫正后矩形四个顶点，float32类型(4,2)）。输出为3×3的变换矩阵，数据类型float64。调试时可打印矩阵，观察第三行前两个元素是否不为0（表示存在透视畸变），若全为0则说明源点和目标点顺序一致（此时退化为仿射变换），需检查order_points排序结果。

cv2.warpPerspective执行实际映射，输入包括原始图像、变换矩阵M、输出尺寸(maxWidth, maxHeight)，输出矫正后图像（与输入图像数据类型相同，通常uint8）。调试时注意输出尺寸应与原图大致相当，若异常则检查maxWidth/maxHeight计算公式。

imwrite保存矫正完成的发票图片，namedWindow设置窗口可拖动缩放，大尺寸图像不会超出屏幕。

矫正后图像二值化增强文字

gray1=cv2.cvtColor(warped,cv2.COLOR_BGR2GRAY)binary=cv2.threshold(gray1,0,255,cv2.THRESH_BINARY|cv2.THRESH_OTSU)[1]cv_show('bin',binary)

矫正完成后再次灰度化、大津二值化，去除纸张底色噪点，文字黑白对比更强。

四、拓展知识点补充

透视变换与仿射变换核心区别

仿射变换矩阵为2×3，仅能处理平移、旋转、缩放、斜切，图像中平行线变换后依旧平行，无法矫正梯形畸变；透视变换矩阵为3×3，引入齐次坐标，允许平行线汇聚到灭点，完美修正拍摄倾斜带来的梯形变形，是文档矫正专用方案。具体来说，仿射变换的自由度为6，而透视变换的自由度为8，后者多出的2个自由度正是用于描述透视畸变。

多边形拟合精度调优

approxPolyDP的误差系数可根据实际场景调整，方法已在上述第二步讲解中说明。若拟合后顶点数量不等于4，还可搭配形态学开运算、闭运算去除画面噪点后再提取轮廓。

透视变换数学原理补充

透视变换的核心是单应性矩阵（Homography Matrix），其数学形式为3×3矩阵：

M = [m00, m01, m02] [m10, m11, m12] [m20, m21, m22]

变换关系为：

x' = (m00*x + m01*y + m02) / (m20*x + m21*y + m22) y' = (m10*x + m11*y + m12) / (m20*x + m21*y + m22)

其中分母m20*x + m21*y + m22引入了透视畸变效果，当m20和m21不为0时，平行线在变换后会汇聚于灭点，这正是透视变换能够矫正梯形畸变的数学本质。

OpenCV版本兼容性说明

cv2.findContours在不同OpenCV版本中返回值不同：3.x版本返回(image, contours, hierarchy)，4.x及之后版本返回(contours, hierarchy)。本文代码使用[-2]索引取值，可兼容所有版本。

五、文章总结

本文完整实现了发票文档自动透视矫正全流程，从工具函数封装到主流程的每个环节都进行了逐行拆解。核心步骤包括图像缩放、灰度二值化、轮廓提取、最大轮廓筛选、多边形逼近、角点排序、透视矩阵计算与映射，以及最终的二值化增强。文中对cv2.findContours、cv2.approxPolyDP、cv2.getPerspectiveTransform、cv2.warpPerspective等关键函数的输入输出、数据类型、调试要点做了详细说明，这些内容已嵌入到对应代码讲解中，方便对照理解。

透视变换技术广泛应用于证件扫描、票据识别、答题卡矫正等场景，搭配OCR文字识别可搭建完整票据数字化系统。掌握四点透视变换原理后，可拓展到实时摄像头文档矫正、批量票据自动化处理等进阶项目。

附：运行环境与常见报错解决

依赖安装

pipinstallopencv-python numpy

常见报错及解决方案

• 报错“图片读取为空”：fapiao.jpg路径错误，请使用绝对路径加载图片。
• 报错“拟合顶点不是4个”：画面背景复杂，可增加模糊预处理或调整approxPolyDP精度系数。
• 报错“窗口图像过大”：使用cv2.WINDOW_NORMAL自适应窗口，可缩放查看完整图片。
• 矫正后图像变形：检查角点顺序，确保order_points排序逻辑正确。

项目结构

项目根目录/ ├── fapiao.jpg # 待矫正发票图片 ├── invoice_new.jpg # 矫正后输出图片 └── perspective_correction.py # 完整代码