You need to enable JavaScript to run this app. OpenCV结合Canny与Shi-Tomasi检测扑克牌外四角实现平面矫正
优惠活动
大模型
产品
解决方案
定价
更多

OpenCV结合Canny与Shi-Tomasi检测扑克牌外四角实现平面矫正

扑克牌外轮廓角点检测实现方案

原检测流程的问题根源

你之前直接将Canny输出的全边缘图输入cv2.goodFeaturesToTrack做角点检测,此时边缘图同时包含扑克牌外轮廓、牌面印刷图案、牌面字符的所有边缘点,Shi-Tomasi算法会优先匹配图像中角点响应值更高的内部细节点,而非我们需要的牌面外边界四角,最终导致检测结果完全偏移。

正确检测流程

整个流程的核心思路是优先过滤所有内部细节,单独提取扑克牌的最大外闭合轮廓,再从轮廓上定位四个矩形角点,不需要用通用角点检测算法遍历全图:

  • 图像预处理阶段做降噪,减少细碎边缘对轮廓提取的干扰
  • 边缘检测后只提取最外层轮廓,自动忽略所有牌面内部的小轮廓(图案、字符对应的边缘)
  • 对提取到的最大外轮廓做多边形逼近,得到矩形轮廓的四个顶点,就是我们需要的外角落坐标

完整可运行代码

import cv2
import numpy as np

# 读取输入图像
image = cv2.imread('input.png')

# 1. 灰度转换 + 高斯模糊降噪
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 0)

# 2. Canny边缘检测 + 轻度膨胀补全轮廓断裂处
edged = cv2.Canny(blurred, 50, 150)
edged = cv2.dilate(edged, np.ones((3,3), np.uint8), iterations=1)

# 3. 只提取图像最外层的所有轮廓,按面积从大到小排序
contours, _ = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
contours = sorted(contours, key=cv2.contourArea, reverse=True)
# 取面积最大的轮廓——即扑克牌的外边界
card_contour = contours[0]

# 4. 多边形逼近得到矩形的四个顶点
peri = cv2.arcLength(card_contour, True)
# 用周长的2%作为逼近误差阈值,过滤轮廓上的细碎折角
approx = cv2.approxPolyDP(card_contour, 0.02 * peri, True)

# 校验:如果逼近结果刚好为4个顶点,即为目标角点
if len(approx) == 4:
    card_corners = approx.reshape(4, 2)
    # 可视化验证检测结果
    for (x, y) in card_corners:
        cv2.circle(image, (int(x), int(y)), 8, (36,255,12), -1)
    cv2.imshow("角点检测结果", image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

参数调整提示

  • Canny的检测阈值可根据实际输入图像的亮度微调,一般低阈值取3080、高阈值取100200即可,不需要固定使用120/255的硬编码参数
  • 如果轮廓逼近后得到的顶点数多于4个,可适当调大逼近误差的系数(比如从0.02提到0.03),让算法把轮廓上的小折角合并为标准矩形顶点
  • 如果场景中存在其他和扑克牌面积接近的物体,可增加轮廓宽高比筛选逻辑:标准扑克牌的长宽比约为1.4,匹配该比例的轮廓才是目标牌面,避免误检

内容的提问来源于stack exchange,提问作者fj123x

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.17 10:54:02