OpenCV Homography图像拼接后如何去除黑色负空间

图像经Homography透视变换拼接后出现的黑色负空间，本质是变换后画布未被原图像像素覆盖的区域默认填充0值（纯黑）导致的，两种常用方案可以直接解决：

方案1：拼接完成后自动裁剪黑边 #

适合已经拿到拼接结果图，直接裁掉外围无效区域的场景，步骤如下：

• 对拼接结果图转灰度图，通过阈值过滤生成有效像素二值掩码，非0区域为实际图像内容，全0区域为待移除的黑边。如果你的图像本身包含纯黑内容，可以把阈值从1调整到5~10，避免误裁有效内容。
• 对掩码提取外轮廓，找到所有有效像素对应的最小外接矩形。
• 按照矩形的坐标范围直接切片裁剪图像即可。

核心实现代码（Python+OpenCV）：

import cv2
import numpy as np

def trim_black_blank(stitch_result):
    gray = cv2.cvtColor(stitch_result, cv2.COLOR_BGR2GRAY)
    # 阈值过滤纯黑区域
    _, mask = cv2.threshold(gray, 1, 255, cv2.THRESH_BINARY)
    # 提取有效区域外接矩形
    contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    main_contour = max(contours, key=cv2.contourArea)
    x, y, w, h = cv2.boundingRect(main_contour)
    # 裁剪得到无黑边结果
    return stitch_result[y:y+h, x:x+w]

方案2：变换阶段预计算画布尺寸，从根源避免黑边 #

适合自己实现拼接流程的场景，在做透视变换前就计算好刚好容纳所有内容的画布大小，避免生成多余空白：

• 提取待变换图像的四个顶点坐标，通过已求得的单应性矩阵做透视变换，得到四个顶点在新坐标系下的位置。
• 计算四个顶点x、y坐标的最小值、最大值，两者差值即为输出画布的宽高。
• 构造平移矩阵把所有顶点坐标偏移到非负区间（透视变换后可能出现负坐标，默认会被填充为黑色），将平移矩阵和原单应性矩阵相乘得到最终变换矩阵。
• 用最终变换矩阵和计算好的画布尺寸做透视变换，输出的结果会自动撑满画布，不会有外围黑色空白。

核心实现代码片段：

# h 为已计算得到的单应性矩阵，warp_img 为待透视变换的图像
h_img, w_img = warp_img.shape[:2]
# 提取待变换图像四个角点
corner_pts = np.float32([[0, 0], [0, h_img], [w_img, h_img], [w_img, 0]]).reshape(-1, 1, 2)
# 计算角点变换后的坐标
transformed_pts = cv2.perspectiveTransform(corner_pts, h)
# 计算画布边界与偏移量
xmin, ymin = np.int32(transformed_pts.min(axis=0).ravel() - 0.5)
xmax, ymax = np.int32(transformed_pts.max(axis=0).ravel() + 0.5)
# 构造平移矩阵，合并到单应性矩阵中
translate_mat = np.array([[1, 0, -xmin], [0, 1, -ymin], [0, 0, 1]])
final_h = translate_mat.dot(h)
# 按计算好的尺寸做变换，输出无多余黑边
output = cv2.warpPerspective(warp_img, final_h, (xmax - xmin, ymax - ymin))

注意：如果拼接时做了重叠区域羽化融合，不要把阈值设得过高，否则会误裁边缘的半透明融合区域，导致拼接边缘出现硬边。

问题参考效果图：

内容的提问来源于stack exchange，提问作者user14872384