魏金华上周我翻出一堆旧合同和纸质笔记，想全部拍成电子版归档。手机举起来一拍，A4纸在屏幕上是个歪七扭八的梯形，旁边的老照片也带着明显的透视变形。以前我处理这种图，要么开修图软件手工拉四个角，要么干脆就放弃了。直到我把图像校正这套流程彻底跑通，才发现在开源计算机视觉库里写一个自动透视校正是件这么省事的事。这篇文章就是从那堆旧材料里折腾出来的完整方案：先讲清楚图像校正到底在解决什么，再给可以直接抄的代码，最后把那些文档里不会写的坑一个个说透。
如果你经常处理翻拍文档、给扫描件做OCR、整理老照片，或者只是想以后拍白板开会时能留一张“正过来”的图，这篇内容应该能帮上大忙。不需要你有深厚的数学底子，代码我尽量写成复制就能跑的程度，关键参数我也把调节逻辑一并解释了。
1. 透视图为什么会歪：从近大远小说起
1.1 透视畸变不是“拍歪了”，而是投影方式变了
很多人觉得照片里的文档不正，是因为自己“手抖”或者“没端平手机”，其实没这么简单。我拿一张A4纸做过实验：手机平行于纸面、正对着拍，出来的图基本是长方形；只要手机倾斜一个角度，哪怕只有十几度，纸的远端就会明显变窄，形成上小下大的梯形。这个现象在摄影里叫透视畸变，在图像处理里叫透视变换失真，本质原因是三维空间里的平面物体投影到二维传感器上时，近处物体成像大、远处物体成像小。
这里面的关键是：照片里的“歪”不是简单旋转能解决的。 比如文档朝右上方倾斜，你以为是整个画面转了个角度，但实际上下边和上边的缩放比例不一样，旋转操作只能改变方向，没法把梯形变成长方形。这也是为什么网上很多人先旋转再裁剪，效果总是不对——方向纠正和透视修正是两类问题，得分开处理。
1.2 透视变换的数学本质：四组点对就能解出来
透视变换的数学核心并不复杂：它是在找一个 3x3 的矩阵，把原始图像上的点映射到目标图像的对应位置。公式写出来是：
code复制[x'] [h11 h12 h13] [x]
[y'] = [h21 h22 h23] [y]
[w'] [h31 h32 h33] [1]
目标坐标是 (x'/w', y'/w')。这个矩阵有 8 个自由度，所以理论上只要 4 对对应的点，就能把这个变换关系解出来。实际操作中，这 4 对点分别对应原始图像里文档的四个角，和目标图像里长方形的四个角。
我刚接触这个概念时也被绕了一下，后来用了一句俗话给自己理清思路：四个角点，就是一个四边形到另一个四边形的映射规则。 既然知道了原图里的纸是一个四边形，也知道校正后的纸应该是一个规则的长方形，那把所有像素按同一个规则搬过去就行。对应到 OpenCV 里就是 cv2.getPerspectiveTransform 求变换矩阵，再用 cv2.warpPerspective 执行变换。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 校正到底值不值得做：OCR、翻拍、存档这些真实场景
2.1 OCR之前不校正，识别率能差出几个档次
我先说结论：同样的图片内容，透视校正前后过一遍 OCR，识别准确率差距大到让你怀疑是换了引擎。我拿一批合同照片测过，直接送进去识别，错字、漏字、切行一堆；做完透视校正再送进去，整段文字基本能对得上。原因很直接——多数 OCR 引擎依赖文字行的水平排列特征，纸面一倾斜，字符的笔画结构本身就发生了拉伸和扭曲，神经元再强也很难从“歪着的字”里认出本来面目。
我做过的实际测试里，同一张 A4 签收单，手机斜 30 度拍摄，校正前的字符级准确率大概只有 86% 到 90%，校正后能稳定在 98% 以上。别小看这几个百分点，签约日期、身份证号、金额这类关键字段一旦错一位，整个录入环节就白做了。所以在正式跑 OCR 之前，把几何校正作为前置步骤，投入产出比非常高。
2.2 证件和档案翻拍：既要几何正，也要颜色正
第二种典型场景是证件、老照片和纸质档案的数字化归档。这类材料通常没有太多文字需要识别，但对“看起来舒服”要求很高。照片四边不齐、证件梯形变形，打印出来或者上传系统都显得极不专业。而且这类材料往往涉及颜色还原，比如老照片偏黄、证件底色偏蓝，单纯做透视校正还不够，还要配合白平衡和颜色校正一起处理。
我自己的经验是把这类需求拆成两层处理：先做几何校正，解决“形状不对”的问题，再做颜色校正，解决“颜色不对”的问题。两层互不干扰，写完一次流程之后可以统一批量跑。之前帮朋友整理了三百多张纸质老照片，就是用这套思路，先在脚本里自动检测照片边缘并做透视校正，再用灰世界白平衡把整体偏色拉回中性，处理完的图比手机原图看起来舒服得多。
3. 全自动透视校正：OpenCV实现的核心四步
3.1 预处理：让边界从复杂背景里“跳”出来
全自动透视校正的前提，是程序能找到纸面的四个边界。这一步没有想象中那么玄学，思路是先让文档边缘在图像里变得突出，再用边缘检测算法把它勾出来。
预处理按这条链路来：
- 转灰度图，丢掉颜色干扰。
- 用高斯模糊降噪，避免纸张纹理或噪点被当成边缘。
- 用 Canny 边缘检测提取边缘信息。
- 用轮廓查找把边缘连成封闭区域。
- 从候选区域里找到面积最大、形状接近四边形的那个。
这里高斯模糊的核大小值得调一下。我用 (5, 5) 起步，如果纸张有很细的纤维纹理或者复印件有杂质，会适当加大到 (7, 7)。核太大会把纸边本身也磨平，太小则到处都是碎边缘，轮廓检测会失控。这个属于典型的“不怎么起眼但影响很大”的参数。
3.2 轮廓检测与筛选：怎么找到真正的那张纸
预处理之后，图像里可能有很多边缘区域：桌面纹理、背景里的物体、阴影边界，都可能形成闭合轮廓。所以筛选逻辑要稍微讲究一点：
- 按轮廓面积从大到小排序，优先检查大的。
- 用
cv2.approxPolyDP做矩形逼近，判断这个轮廓是不是只有四个顶点。 - 如果某个轮廓既大又是四边形，就把它当作文档区域。
注意 approxPolyDP 的 epsilon 参数，它控制“近似的宽松程度”。取太小，逼近出来的边会被褶皱分成很多个小段；取太大，会把一个圆形物体也压成四边形。经验值是 0.02 * 轮廓周长，这是我用过最多、翻车率最低的一个起始值。
python复制import cv2
import numpy as np
def preprocess(image):
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (5, 5), 0)