如何使用OpenCV检测图像中的矩形白板并实现透视变换

• 轮廓筛选逻辑过于粗放：直接选取全图最大外轮廓的规则，在实拍场景下很容易被大面积墙面、阴影连通域干扰，根本无法准确定位到白板本身
• 预处理流程顺序错误：先对灰度图做腐蚀、再做高斯模糊的操作，会提前把白板的清晰物理边缘磨损失真，后续阈值分割得到的边缘会出现几像素的偏移
• 多边形逼近参数写死：固定采用0.09倍弧长作为epsilon值，遇到白板边缘有遮挡、局部反光的场景，很容易将轮廓逼近为5个及以上顶点，直接触发“非4点即失败”的逻辑分支
• 缺少四边形有效性校验：哪怕偶然检测到4个顶点，也无法确认这个矩形区域是否真的是目标白板，容易把墙面上的开关、海报等其他矩形物体误判为白板
• 透视输出尺寸固定：直接将校正结果设为1000*1000的正方形，完全不考虑白板本身的实际长宽比，最终得到的校正图像会出现拉伸变形

1. 预处理环节优化 #

• 读入图像后先采用双边滤波做降噪，替代原流程的“先腐蚀+高斯模糊”操作，在保留白板边缘锐利度的同时，消除白板表面局部反光带来的噪点，滤波参数取核大小9、颜色标准差75、空间标准差75
• 转灰度图后用Canny边缘检测替代直接OTSU全局阈值分割，高低阈值分别设为50、150，从根源上避免大面积墙面连通域干扰边缘提取
• 对得到的边缘图做轻度膨胀，补全白板边缘因手写内容、轻微遮挡造成的断裂，采用2*2的结构核迭代1次即可，不要用大核过度膨胀导致边缘错位

2. 角点定位与轮廓筛选 #

• 提取所有外轮廓后，逐一遍历完成三重校验，不要直接取面积最大的轮廓：
  • 先过滤掉轮廓面积小于全图总面积5%的细碎连通域，排除墙面纹理、小物件带来的无效轮廓
  • 采用动态epsilon值做多边形逼近：从0.01倍轮廓弧长开始逐步增大阈值，直到逼近结果恰好为4个顶点就停止计算，不要硬编码固定的epsilon系数
  • 校验四边形的内角合理性：四个相邻边的夹角与标准直角的偏差超过15度的轮廓直接丢弃，在所有符合要求的轮廓中选取面积最大的作为目标白板
• 参考白板检测的通用落地逻辑：对定位到的4个角点做1~2像素的微向外偏移，抵消边缘检测带来的系统误差，避免校正后白板的边缘被裁切
• 对轮廓做凸包处理，补平白板上手写内容、磁吸物件造成的轮廓凹陷，保证轮廓完全贴合白板的物理外边界

3. 透视校正环节修正 #

• 优化角点排序逻辑：除了通过坐标和值区分对角点，还要校验四个点的排列顺序是否匹配矩形的实际边长关系，避免出现相邻点排序错误，导致校正后图像出现180度翻转、左右颠倒的问题
• 动态计算校正输出尺寸：分别取检测到的白板上下边的平均长度作为输出宽度、左右边的平均长度作为输出高度，完全匹配白板本身的实际长宽比，不要硬编码固定的1000*1000输出尺寸
• 透视变换时采用双线性插值，变换后边缘的无效填充区域用原图相邻的背景色做柔和融合，避免出现生硬的黑色边框

• 如果始终无法检测到白板轮廓：将Canny边缘图、筛选后的轮廓可视化输出，排查是否存在边缘断裂问题，适当调整膨胀的迭代次数补全边缘
• 如果校正后的内容倾斜：核对角点排序逻辑中diff的计算方向，避免将左上点和右下点的位置搞反
• 如果白板反光导致分割失败：在预处理阶段增加亮度归一化操作，将图像的整体亮度均值拉到128左右，缩小反光区域和周边区域的亮度差

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