Python | OpenCV 透視變換與圖片校正

📚 前言

在前一篇我們學會了 特徵點偵測與匹配。
這一篇要介紹 透視變換 (Perspective Transform) 與 圖片校正 (Image Rectification)，這是圖片幾何處理的重要技巧，能將傾斜或變形的圖片校正回正常視角，常用於文件掃描、場景校正、投影轉換等應用。

🎨 範例圖片

圖：範例圖片 document.png — 傾斜的文件

圖：範例圖片 board.png — 傾斜的投影幕

🔎 透視變換原理

原理說明

• 透視變換是一種 射影變換 (Projective Transform)，能將圖片中的四邊形區域映射到另一個矩形區域。
• 常用於校正傾斜的文件、投影幕或場景。
• 核心函式是 cv2.getPerspectiveTransform() 與 cv2.warpPerspective()。

參數說明

1
2

cv2.getPerspectiveTransform(srcPoints, dstPoints)
cv2.warpPerspective(src, M, dsize)

• srcPoints：原始圖片中的四個點座標。
• dstPoints：目標圖片中的四個點座標。
• M：透視變換矩陣 (3x3)。
• dsize：輸出圖片大小 (寬, 高)。

💻 範例程式 — 文件校正

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

import cv2
import numpy as np

img = cv2.imread("document.png")

# 假設透視後矩形的四個角點座標 (需人工量測或用工具選取)
pts1 = np.float32([[180,180],[620,130],[220,470],[580,500]])

# 設定校正後的矩形大小
width, height = 400, 300
pts2 = np.float32([[0,0],[width,0],[0,height],[width,height]])

M = cv2.getPerspectiveTransform(pts1, pts2)
dst = cv2.warpPerspective(img, M, (width, height))

cv2.imshow("Original", img)
cv2.imshow("Corrected", dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

圖：程式碼執行結果 — 原始傾斜文件與校正後的矩形文件

💻 範例程式 — 場景校正

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

import cv2
import numpy as np

img = cv2.imread("board.png")

# 使用生成時的四個角點
pts1 = np.float32([[80,100],[520,70],[120,320],[480,330]])
pts2 = np.float32([[0,0],[400,0],[0,300],[400,300]])

M = cv2.getPerspectiveTransform(pts1, pts2)
dst = cv2.warpPerspective(img, M, (400,300))

cv2.imshow("Original", img)
cv2.imshow("Corrected", dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

圖：程式碼執行結果 — 投影幕校正

📊 文件校正 vs 場景校正

🧾 小結

• 文件校正：強調「文字比例正確」，目的是讓文件可讀性和 OCR 辨識效果更好。
• 場景校正：強調「幾何對齊」，目的是讓場景顯示或分析更方便。
• 技術上都是用 cv2.getPerspectiveTransform() + cv2.warpPerspective()，差別在 角點選取方式 和 輸出大小設定。

⚠️ 注意事項

• 四個角點座標必須正確，否則校正結果會失真。
• 建議搭配 特徵點偵測 或 邊緣檢測 自動取得角點。
• 輸出大小需根據目標矩形設定，否則可能造成拉伸。

📊 應用場景

• 文件掃描校正：將拍攝的傾斜文件校正成正矩形，方便 OCR 辨識。
• 投影幕校正：修正投影畫面傾斜，讓顯示內容保持比例。
• 場景重建：將相機拍攝的斜角場景轉換成俯視視角。
• AR 應用：將虛擬物件正確投影到真實場景中。

🎯 結語

本篇我們學會了 透視變換與圖片校正，能將傾斜或變形的圖片轉換成正常視角。
這些技巧在 文件掃描、投影校正、場景重建、AR 等領域非常常見。

📖 如在學習過程中遇到疑問，或是想了解更多相關主題，建議回顧一下 Python | OpenCV 系列導讀，掌握完整的章節目錄，方便快速找到你需要的內容。

註：以上參考了
OpenCV Tutorials
OpenCV-Python Tutorials