如何使用OpenCV/Python实现轮廓拉直的技术咨询

针对bounding box无法处理的非轴向对齐轮廓场景，可通过多边形近似+透视变换的方案实现需求，完全适配你示例中右上角这类斜向四边形轮廓的拉直需求。

核心步骤 #

• 第一步：对单个目标轮廓做多边形拟合，调用OpenCV的cv2.approxPolyDP方法，设置epsilon参数为轮廓周长的2%~5%，可过滤轮廓毛刺，得到仅保留关键拐点的多边形，你示例中的特殊轮廓拟合后会得到4个顶点的四边形。
• 第二步：对拟合得到的4个顶点做排序，按左上、右上、右下、左下的固定顺序排列，消除顶点顺序混乱的问题。
• 第三步：计算目标方正矩形的尺寸，可选择保留原四边形的宽高比例，或按业务需求固定边长。
• 第四步：调用cv2.getPerspectiveTransform生成透视变换矩阵，将原四边形区域映射为目标方正矩形，即可得到预期的拉直效果。

核心代码示例 #

import cv2
import numpy as np

def rectify_contour(contour):
    # 多边形近似
    epsilon = 0.03 * cv2.arcLength(contour, True)
    approx = cv2.approxPolyDP(contour, epsilon, True)
    # 校验是否为4顶点四边形，非四边形回退到bounding box方案
    if len(approx) != 4:
        x,y,w,h = cv2.boundingRect(contour)
        return np.array([[x,y],[x+w,y],[x+w,y+h],[x,y+h]], dtype=np.float32)
    # 顶点排序
    approx = approx.reshape(4,2)
    rect = np.zeros((4,2), dtype=np.float32)
    s = approx.sum(axis=1)
    rect[0] = approx[np.argmin(s)] # 左上
    rect[2] = approx[np.argmax(s)] # 右下
    diff = np.diff(approx, axis=1)
    rect[1] = approx[np.argmin(diff)] # 右上
    rect[3] = approx[np.argmax(diff)] # 左下
    # 计算目标矩形尺寸
    (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))
    # 生成目标坐标
    dst = np.array([
        [0, 0],
        [maxWidth - 1, 0],
        [maxWidth - 1, maxHeight - 1],
        [0, maxHeight - 1]], dtype = np.float32)
    # 计算变换矩阵，可按需选择变换整张图或仅变换轮廓点
    M = cv2.getPerspectiveTransform(rect, dst)
    return M

场景优化建议 #

• 如果你处理的所有轮廓均为近似正交的四边形，可在多边形近似后增加顶点夹角校验，仅保留夹角在80°~100°的顶点，排除轮廓毛刺带来的异常拟合结果。
• 若仅需要输出拉直后的轮廓坐标，不需要生成变换后的图像，可直接将变换矩阵作用到原轮廓的所有坐标点上，无需执行整张图像的透视变换，运算效率更高。

你提供的参考图对应效果如下：

内容的提问来源于stack exchange，提问作者Vicror