基于QR码的图像透视与缩放校正问题排查

问题原因拆解 #

1. 初始校正后QR码偏移至左上角 #

透视变换的核心是将源图像中的QR码角点映射到目标点。若目标点（dest_pts）默认以(0,0)为起点构造正方形，变换后的QR码会被强制映射到图像左上角，导致整个图像内容偏移。

2. 添加dest_pts += [362,1322]后校正效果差 #

直接对目标点数组执行该操作存在两个问题：

• 若dest_pts是二维数组，简单的列表加法会导致维度不匹配，或错误修改点的结构；
• 未严格保证目标点组成的正方形尺寸与EXPECTED_QR_SIZE一致，同时角点顺序可能与源角点不对应，导致透视变换矩阵计算错误，QR码变形。

3. 移除points = points.astype(int)后效果改善 #

OpenCV的QR码检测函数返回的角点是亚像素精度的浮点型坐标，包含像素级以下的位置细节。将其强制转换为int会丢失这些精度，导致源角点位置存在偏差，进而使透视变换矩阵计算出现误差，最终校正后的QR码变形。保留浮点型角点能让变换矩阵计算更准确，提升校正效果。

最优解决方案 #

以下是兼顾校正精度、位置还原与尺寸控制的完整实现步骤：

核心思路 #

1. 保留检测到的QR码角点的浮点精度，不做整数转换；
2. 严格按照源角点的顺序，构造尺寸为EXPECTED_QR_SIZE、左上角与原位置(362,1322)一致的目标点数组；
3. 计算透视变换矩阵并执行变换，保持原图像尺寸。

示例代码 #

import cv2
import numpy as np

# 配置参数
EXPECTED_QR_SIZE = 200  # 替换为你的QR码预期尺寸
ORIGINAL_QR_TOP_LEFT = (362, 1322)  # 原图像中QR码的左上角坐标

# 读取图像
img = cv2.imread("page_1.jpg")
img_height, img_width = img.shape[:2]

# 检测QR码角点
qr_detector = cv2.QRCodeDetector()
_, qr_corners, _ = qr_detector.detectAndDecode(img)
if qr_corners is None:
    print("未检测到QR码")
    exit()

# 源角点：保留浮点型，注意OpenCV返回的角点顺序为[左上, 右上, 右下, 左下]
src_pts = qr_corners[0].astype(np.float32)

# 构造目标角点：与源角点顺序严格对应，保证尺寸与位置
tl = np.array(ORIGINAL_QR_TOP_LEFT, dtype=np.float32)
tr = tl + np.array([EXPECTED_QR_SIZE, 0], dtype=np.float32)
br = tl + np.array([EXPECTED_QR_SIZE, EXPECTED_QR_SIZE], dtype=np.float32)
bl = tl + np.array([0, EXPECTED_QR_SIZE], dtype=np.float32)
dst_pts = np.array([tl, tr, br, bl], dtype=np.float32)

# 计算透视变换矩阵
perspective_matrix = cv2.getPerspectiveTransform(src_pts, dst_pts)

# 执行透视变换，保持原图像尺寸
corrected_img = cv2.warpPerspective(img, perspective_matrix, (img_width, img_height))

# 保存或预览结果
cv2.imwrite("corrected_page_1.jpg", corrected_img)
cv2.imshow("校正后图像", corrected_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键注意事项 #

• 角点顺序一致性：源角点与目标角点的顺序必须完全匹配（如均为左上→右上→右下→左下），否则会导致QR码旋转或翻转；
• 浮点精度保留：始终使用浮点型坐标计算透视矩阵，避免整数转换带来的精度丢失；
• 目标点构造逻辑：通过坐标偏移的方式构造目标正方形，确保尺寸严格等于EXPECTED_QR_SIZE，同时左上角位置与原图像一致。

内容的提问来源于stack exchange，提问作者Laut567