例子。
代码：
＃include ＜opencv2／imgcodecs．hpp＞
＃include ＜opencv2／highgui．hpp＞
＃include ＜opencv2／imgproc．hpp＞
＃include ＜opencv2／objdetect．hpp＞
＃include ＜iostream＞
using namespace cv；
using namespace std；
string PATH ＝ ＂funk．jpg＂； ／／Image Path
int AREA＿FILTER ＝ 1000；
Mat imgOrg， imgProc， imgWarp；
vector＜Point＞ initialPoints， docPoints；
int w ＝ 420， h ＝ 596；
Mat preProcessing（Mat img）
｛
cvtColor（img， imgProc， COLOR＿BGR2GRAY）； ／／ to gray scale
GaussianBlur（imgProc， imgProc， Size（3，3）， 3， 0）； ／／ blurring for better canny performance
Canny（imgProc， imgProc， 25， 75）； ／／ edge detection
Mat kernel ＝ getStructuringElement（MORPH＿RECT， Size（3， 3））；
dilate（imgProc， imgProc， kernel）；
return imgProc；
｝
vector＜Point＞ getContours（Mat imgDil）｛
／／detects the biggest rectangle in image
vector＜vector＜Point＞＞ contours； ／／vectors example： ｛｛Point（20，30），Point（50，60）｝，｛｝，｛｝｝
vector＜Vec4i＞ hierarchy；
findContours（imgDil，contours，hierarchy，RETR＿EXTERNAL，CHAIN＿APPROX＿SIMPLE）； ／／finding contours
vector＜vector＜Point＞＞ conPoly（contours．size（））；
vector＜Rect＞ boundRect（contours．size（））；
vector＜Point＞ biggest；
int maxArea＝0；
for （int i＝0；i＜contours．size（）；i＋＋）｛
int area ＝ contourArea（contours［i］）；
string objectType；
if（area＞AREA＿FILTER）｛ ／／filter small rectangles
float peri ＝ arcLength（contours［i］，true）；
approxPolyDP（contours［i］，conPoly［i］，0．02＊peri，true）；
if（area＞maxArea ＆＆ conPoly［i］．size（）＝＝4）｛ ／／find biggest （4 for rectangle）
maxArea ＝ area；
biggest ＝ ｛conPoly［i］［0］，conPoly［i］［1］，conPoly［i］［2］，conPoly［i］［3］｝；
｝
｝
｝
return biggest；
｝
void drawPoints（vector＜Point＞ points， Scalar color）｛
for（int i＝0；i＜points．size（）；i＋＋）
｛
circle（imgOrg，points［i］， 5，color，FILLED）；
putText（imgOrg， to＿string（i），points［i］，FONT＿HERSHEY＿PLAIN，4，color，4）；
｝
｝
vector＜Point＞ reorder（vector＜Point＞ points ）｛
vector＜Point＞ newPoints；
vector＜int＞ sumPoints， subPoints；
／／get corners
for（int i ＝ 0；i＜4；i＋＋）｛
sumPoints．push＿back（points［i］．x ＋ points［i］．y）；
subPoints．push＿back（points［i］．x － points［i］．y）；
｝
newPoints．push＿back（points［min＿element（sumPoints．begin（），sumPoints．end（）） － sumPoints．begin（）］）；
newPoints．push＿back（points［max＿element（subPoints．begin（），subPoints．end（）） － subPoints．begin（）］）；
newPoints．push＿back（points［min＿element（subPoints．begin（），subPoints．end（）） － subPoints．begin（）］）；
newPoints．push＿back（points［max＿element（sumPoints．begin（），sumPoints．end（）） － sumPoints．begin（）］）；
return newPoints；
｝
Mat getWarp（Mat img， vector＜Point＞ points， float w， float h）
｛
Point2f src［4］ ＝ ｛points［0］，points［1］，points［2］，points［3］｝；
Point2f dst［4］ ＝ ｛｛0．0f，0．0f｝，｛w，0．0f｝，｛0．0f，h｝，｛w，h｝｝；
Mat matrix ＝ getPerspectiveTransform（src，dst）；
warpPerspective（img， imgWarp， matrix， Point（w， h））；
return imgWarp；
｝
void main（） ｛
／／sample
imgOrg ＝ imread（PATH）；
resize（imgOrg，imgOrg，Size（），0．5，0．5）； ／／ reduce the size of the photo in half
／／preprocessing
imgProc ＝ preProcessing（imgOrg）；
／／get contours
initialPoints ＝ getContours（imgProc）；
／／drawPoints（initialPoints，Scalar（0，0，255））；
docPoints ＝ reorder（initialPoints）；
／／drawPoints（docPoints，Scalar（0，255，0））；
／／warp
imgWarp ＝ getWarp（imgOrg， docPoints， w， h）；
imshow（＂Image imgWarp＂，imgWarp）；
waitKey（0）；
｝
让我们分解代码；
首先我们读取图像文件。然后我们（可选地）减小图像的大小。
string PATH ＝ ＂funk．jpg＂； ／／Image Path
imgOrg ＝ imread（PATH）；
resize（imgOrg，imgOrg，Size（），0．5，0．5）；
为了从操作中获得更好的结果，我们首先需要对图像进行一些预处理和转换。我在一个称为预处理的方法中收集了所有这些过程。
预处理功能
在使用 opencv 时，我们经常将图像转换为灰度。原因是：
· 它减小了尺寸。我们获得了单个通道，而不是 RGB 的三个通道。
· 我们得到更低的复杂性。RGB：10x10x3 像素 ＝ 300 个数据；灰度：我们只有10x10x1 ＝ 100 个输入。
· 许多 Opencv 方法只能在灰度下工作。因此，有必要提前进行转换。
cvtColor（img， imgProc， COLOR＿BGR2GRAY）；
我们将使用 Canny Edge Detector 来检测角点。它在图像模糊的情况下获得了更好的效果。这个过程称为平滑。边缘检测器内核对噪声非常敏感。因此，始终有必要应用平滑。
Size（3，3）：高斯核的大小。
GaussianBlur（imgProc， imgProc， Size（3，3）， 3， 0）；
Canny 函数从图像中提取边缘。25 和 75 值是保留在该过程中提取的边缘的阈值。
Canny（imgProc， imgProc， 25， 75）；
为形态学操作创建一个矩形内核。
Mat kernel ＝ getStructuringElement（MORPH＿RECT， Size（3， 3））；
我们将使用膨胀作为形态学操作。膨胀增加了对象的面积，它增加了图像中的白色区域。
dilate（imgProc， imgProc， kernel）；
现在让我们获取对象的轮廓；
initialPoints ＝ getContours（imgProc）；
在getContour方法中，我们检测将扭曲其透视图并提取其轮廓的对象。
获取轮廓
findContours方法将返回我们的轮廓点。我们需要保留所有找到的点吗？
如果我们传递 CHAIN＿APPROX＿NONE 参数，那么所有的点都会被保留。但是，我们可以通过消除冗余点来获得存储空间。为此，我们也可以传递 CHAIN＿APPROX＿SIMPLE。
为了获得外部轮廓，我们通过了 RETR＿EXTERNAL
findContours（imgDil，contours，hierarchy，RETR＿EXTERNAL，CHAIN＿APPROX＿SIMPLE）； ／／finding contours
然后，在 for 循环中，我们去除噪声并获取对象。
我们计算每个轮廓的面积。面积必须大于过滤常数；
int area ＝ contourArea（contours［i］）；
．．．
if（area＞AREA＿FILTER）｛ ／／filter small rectangles
我们将在对象周围找到边界框。true表示对象已关闭。
float peri ＝ arcLength（contours［i］，true）；
我们将找到矩形。
approxPolyDP（contours［i］，conPoly［i］，0．02＊peri，true）； if（area＞maxArea ＆＆ conPoly［i］．size（）＝＝4）｛ ／／find biggest （4 for rectangle） maxArea ＝ area； biggest ＝ ｛conPoly［i］［0］，conPoly［i］［1］，conPoly［i］［2］，conPoly［i］［3］｝； ｝
我们得到对象的点；
docPoints ＝ reorder（initialPoints）；
扭曲：
imgWarp ＝ getWarp（imgOrg， docPoints， w， h）；
参考
原文标题 : 在 C++ 中使用 OpenCV 对图像中的对象进行扭曲透视
