如何利用2D照片中矩形边角信息反转3D旋转以校正纸张

你不需要直接求解3D旋转量，平面物体（比如纸张）的透视变形可以通过**单应性变换（Homography）**直接校正，这个方法不需要知道点的z坐标，只需要你已经识别出的四个角点即可。

核心原理 #

纸张是平面，它在3D空间中的旋转、投影到2D图像的过程可以用一个3x3的单应性矩阵描述。我们只需要定义目标方正矩形的四个角点（比如固定尺寸的正矩形顶点），然后通过图像中纸张的四个角点（源点）和目标点，求解出逆变换矩阵，就能把变形的纸张映射成方正状态。

步骤与Python代码示例 #

以下是用OpenCV实现的完整流程：

1. 导入依赖库

import cv2
import numpy as np

2. 定义源点与目标点

• 源点：替换成你识别出的图像中纸张的四个角点（按顺时针/逆时针顺序排列，比如左上、右上、右下、左下）
• 目标点：设定期望的方正矩形尺寸，示例为宽500、高700的矩形

# 示例源点（替换为实际识别的角点）
src_points = np.array([
    [120, 150],   # 左上
    [620, 130],   # 右上
    [640, 750],   # 右下
    [100, 770]    # 左下
], dtype=np.float32)

# 目标方正矩形的四个角点
dst_width = 500
dst_height = 700
dst_points = np.array([
    [0, 0],
    [dst_width, 0],
    [dst_width, dst_height],
    [0, dst_height]
], dtype=np.float32)

3. 计算单应性矩阵并执行透视变换

# 求解单应性矩阵
homography_matrix, _ = cv2.findHomography(src_points, dst_points)

# 读取图像（替换为你的图像路径）
img = cv2.imread('paper_photo.jpg')

# 执行透视变换，得到方正的纸张图像
corrected_img = cv2.warpPerspective(img, homography_matrix, (dst_width, dst_height))

4. 显示结果

cv2.imshow('Original Image', img)
cv2.imshow('Corrected Paper', corrected_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键说明 #

• 角点顺序必须一致：源点和目标点的排列顺序要严格对应（比如都是左上→右上→右下→左下），否则变换会出现错位。
• cv2.findHomography()会自动处理3D投影到2D的逆过程，不需要手动计算旋转量或z坐标，这正是解决你问题的核心。

内容的提问来源于stack exchange，提问作者357865