透视校正本质是求解单应性矩阵h，需用cv::warpperspective配合3×3矩阵实现；cv::findhomography（dlt+ransac）比cv::getperspectivetransform更鲁棒，但须确保src_pts与dst_pts顺序一致、类型为cv::point2f、尺寸显式指定，并注意边界处理与插值陷阱。
透视校正的本质是求解单应性矩阵
图像透视失真（比如拍一张斜放的纸，四边变成梯形）不能靠简单拉伸解决——必须用 cv::warpPerspective 配合 3×3 单应性矩阵 H。这个矩阵把原始四边形顶点映射到目标矩形顶点，核心就是解一个带尺度因子的线性方程组。OpenCV 的 cv::findHomography 就是干这事的，它内部用 DLT 算法 + RANSAC 去噪，比手算 cv::getPerspectiveTransform 更鲁棒。
常见错误是直接用四个角点坐标调用 cv::getPerspectiveTransform，但没检查输入点顺序是否一致（顺时针 or 逆时针）、是否共线、是否像素坐标溢出。一旦顺序错一位，结果图会翻转或撕裂。
- 源点
src_pts和目标点dst_pts必须一一对应，且都按相同顺序（如左上→右上→右下→左下）排列 - 所有点必须是
cv::Point2f类型，不是int；传cv::Point2i会导致隐式转换精度丢失 - 目标矩形宽高要显式指定，别依赖原图尺寸——比如想校正为 A4 纸效果，就设
dst_pts = { {0,0}, {595,0}, {595,842}, {0,842} }（单位像素，按 72dpi）
cv::findHomography 比 cv::getPerspectiveTransform 更适合真实场景
拍照时难免有噪声、局部遮挡或角点检测不准，cv::getPerspectiveTransform 是严格解四点对应，只要一个点偏了，整个变换就歪。而 cv::findHomography 支持 RANSAC，能自动剔除误匹配点，对 SIFT/ORB 提取的特征点对特别有用。
但注意：RANSAC 迭代次数和阈值影响效果。默认 ransacReprojThreshold=3.0 对小图够用，但若校正大图（>2000px）且角点定位误差大，得调到 5.0 或更高，否则可能欠拟合。
- 输入必须是两个
std::vector<:point2f></:point2f>，长度 ≥4；少于 4 对点会崩溃并抛出cv::Exception - 返回的
H是cv::Mat类型，必须传给cv::warpPerspective，不能直接当仿射矩阵用 - 如果用特征点匹配（如 ORB + BFMatcher），记得先用
cv::KeyPoint::convert()把关键点转成Point2f向量
warpPerspective 的边界与插值陷阱
cv::warpPerspective 默认用双线性插值，看起来平滑，但在图像边缘容易出现黑边或拉伸伪影。这是因为变换后部分目标区域没有源图像对应像素，OpenCV 默认填 0（黑色）。这不是 bug，是设计如此。
真正的问题在于：没设 borderMode 和 borderValue，导致裁切判断失误；或者输出尺寸 dst_size 设得太小，把有效区域截掉了。
- 务必显式指定输出尺寸，例如
cv::Size(600, 800)，别用src.size()—— 透视后宽高比例已变 - 想消除黑边，加参数
cv::BORDER_REPLICATE或cv::BORDER_REFLECT，但会模糊边缘；填白底就设cv::Scalar(255,255,255) - 插值方式选
cv::INTER_LINEAR（默认）足够，cv::INTER_CUBIC边缘易振铃，cv::INTER_NEAREST会锯齿
手动标定四点太麻烦？试试基于轮廓的自动检测
如果待校正物体有清晰矩形轮廓（如文档、屏幕、车牌），可以跳过人工选点：先灰度化 → 高斯模糊 → Canny 边缘 → cv::findContours → 用 cv::approxPolyDP 找四边形。这是工业场景最常用路径。
但 approxPolyDP 的 epsilon 参数极敏感。设太小，噪声让轮廓变成 12 边形；设太大，直角被近似成三角形。经验值是轮廓周长的 0.02–0.05 倍。
- 找轮廓前务必做闭运算（
cv::morphologyEx+MORPH_CLOSE），补全断裂边缘 - 筛选轮廓时，用
cv::contourArea排除太小的噪点，再用cv::isContourConvex过滤凹多边形 - 得到四点后，必须用
cv::minAreaRect+cv::boxPoints重排序，确保是标准顺时针矩形顶点，否则getPerspectiveTransform输出错乱
复杂点不在算法本身，而在光照不均和背景干扰——阴影会让 Canny 漏边，纯色背景会让轮廓提取失败。这时候得加自适应阈值或 HSV 色彩空间分割，不是单靠透视校正能解决的。
C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
