cv::getPerspectiveTransform要求输入点严格按左上→右上→右下→左下顺序排列，否则导致翻转或拉伸；需用y-x双排序或顺时针验证确保顺序正确。
cv::getPerspectiveTransform 输入点顺序必须严格按左上→右上→右下→左下
透视变换矫正文档的核心是找到四个角点并映射到目标矩形，但 cv::getPerspectiveTransform 对输入点顺序极其敏感——它不识别“哪个是左上”，只按你传入的 std::vector<:point2f> 的索引位置硬编码对应：索引 0 → 目标左上，1 → 右上，2 → 右下，3 → 左下。如果检测出的四边形顶点顺序错乱（比如把右上当成了左上），变换后文档会翻转、镜像或严重拉伸。
实操建议：
- 用
cv::approxPolyDP提取轮廓后，务必对四个顶点做排序：先按 y 坐标粗分上下行，再在每行内按 x 排序；避免依赖轮廓点原始遍历顺序 - 简单验证法：画出四点并标注索引（0/1/2/3），叠加到原图看是否符合“顺时针绕一圈”；不是就重排
- 若用霍夫线检测交点得角点，交点坐标可能含浮点误差，排序前先加
cv::Point2f(round(p.x), round(p.y))防止因精度导致跨行误判
目标尺寸选错会导致文字被压缩或留白过多
调用 cv::warpPerspective 时传入的目标图像尺寸（cv::Size）直接决定输出文档的宽高比和分辨率。常见错误是直接用检测到的四边形最大最小坐标差（max_x - min_x 等）作为目标宽高——这忽略了原始四边形的倾斜角度，算出来的宽高往往偏小，导致文字横向挤压、字迹变粗。
正确做法是基于角点计算**仿射不变的文档长宽估计**：
- 用角点两两距离估算真实长宽：例如左上→右上距离 ≈ 文档宽度，左上→左下距离 ≈ 文档高度；取平均或中位数更鲁棒
- 目标尺寸宽高比应尽量贴近 A4（≈ 1.414）或实际文档类型，避免纯靠几何推算；可设固定宽为 800，高 = round(800 / 1.414)
- 务必开启插值：使用
cv::INTER_LANCZOS4或cv::INTER_CUBIC，别用默认的cv::INTER_LINEAR，否则小字体边缘发虚
cv::findContours + cv::approxPolyDP 容易漏掉文档边缘
直接对灰度图做 cv::findContours 往往找不到完整文档四边形——光照不均、阴影、背景纹理会让边缘断裂，cv::approxPolyDP 就拟合不出四个点。这不是算法问题，而是预处理没到位。
关键预处理步骤：
- 先用
cv::GaussianBlur（核大小 5×5）降噪，再用cv::adaptiveThreshold（blockSize=21, C=10）替代全局阈值，适应局部明暗变化 - 对二值图做闭运算：
cv::morphologyEx(img, img, cv::MORPH_CLOSE, cv::getStructuringElement(cv::MORPH_RECT, {3,3}))，连通断开的边缘 -
cv::findContours时用cv::RETR_EXTERNAL+cv::CHAIN_APPROX_SIMPLE，只取最外层轮廓，减少干扰 - 筛选轮廓时，不仅看边数（4），还要加约束：
cv::contourArea(contour) > img.rows * img.cols * 0.2且cv::isContourConvex(contour)必须为 true
OpenCV 4.5+ 中 cv::warpPerspective 的 alpha 通道支持需手动处理
如果你输入图是带透明通道的 PNG（比如扫描件有阴影渐变），cv::warpPerspective 默认不保留 alpha，输出会变黑底。这不是 bug，是 OpenCV 默认把多通道图当作 BGR 处理，alpha 被忽略。
解决方法只有手动拆通道：
- 先用
cv::split把四通道图拆成std::vector<:mat>，单独对 alpha 通道做相同变换（用同一个M矩阵） - 再用
cv::merge合并 BGR 和新 alpha；注意目标图尺寸要一致，否则cv::merge报错Assertion failed (mv[i].size == mv[0].size && mv[i].depth() == mv[0].depth()) - 如果只是矫正后保存，更简单：输出用
cv::IMWRITE_PNG_COMPRESSION保存为 PNG，但前提是输入 Mat 类型为CV_8UC4且 alpha 已参与 warp
真正难的不是写几行代码，而是角点检测的鲁棒性——同一张倾斜发票，在不同光照下，cv::approxPolyDP 可能返回 3、4、5 个点，甚至空向量。这时候与其调参，不如加一层 RANSAC 式投票：多次轻微扰动二值化参数，统计高频出现的四边形，再取其中面积最大者。
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！
