文档图像矫正核心是定位边界后几何变换：先用Canny+膨胀检测轮廓，approxPolyDP拟合四边形；再按极角或坐标关系排序四角；最后透视变换拉平，并做自适应二值化等后处理增强OCR效果。
扫描文档常因拍摄角度、纸张弯曲或设备限制出现倾斜、透视变形，自动识别并矫正这类图像，核心是定位文档边界再做几何变换。关键不在于追求高精度OCR，而在于先让图像“摆正”，提升后续文字识别的稳定性。
检测文档轮廓：找最接近矩形的外边界
用OpenCV对灰度图做边缘检测（Canny）+ 膨胀增强轮廓，再通过findContours提取所有闭合区域；过滤掉面积过小或长宽比极端的轮廓，对剩余轮廓用approxPolyDP拟合多边形——目标是找到4个顶点、近似平行四边形的轮廓，它大概率就是文档边缘。
- 若场景中存在多个相似矩形（如双栏表格、带边框的表格），可结合轮廓面积占比（大于图像总面积30%）、凸性（isContourConvex为True）进一步筛选
- 若原始图像对比度低，先用自适应直方图均衡化（cv2.createCLAHE）增强局部细节，再二值化（Otsu法效果通常优于固定阈值）
排序四角坐标：按左上→右上→右下→左下顺序排列
拟合出的四个点是无序的，需映射到标准矩形顶点。常用方法是计算每个点到图像中心的极角，或更稳健地：先取x+y最小者为左上，x+y最大者为右下，再根据x-y差值区分右上和左下。排序错误会导致矫正后内容翻转或镜像。
- 建议统一使用“最小外接矩形旋转角度 + 四角投影”方式：调用cv2.minAreaRect得中心、尺寸、角度，再用cv2.boxPoints生成带方向的四顶点，最后按坐标关系重排
- 若文档明显倾斜但边缘模糊（如传真件），可退而求其次：用霍夫直线检测主方向，估算倾斜角后做简单旋转校正（适合小角度，±10°以内）
透视变换矫正：把歪的四边形“拉平”成标准矩形
确定输入四点（原图中文档四角）和输出四点（目标矩形尺寸，如A4比例或按原宽高缩放），调用cv2.getPerspectiveTransform生成变换矩阵，再用cv2.warpPerspective执行映射。输出尺寸建议略大于原图宽高（如+5%），避免裁切。
SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途 ：；核心要点📝 题解模式 ：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式 ：输入 Python 代码，自动添加详细中。它将相关步骤、
立即学习“Python免费学习笔记（深入）”；
- 目标矩形宽高比尽量贴近原始文档比例（例如扫描A4纸，输出设为 2480×3508 像素 @300dpi），防止拉伸失真
- 插值方式选cv2.INTER_AREA（缩小）或cv2.INTER_CUBIC（放大），比默认的INTER_LINEAR更保细节
- 若矫正后边缘有黑边，可用cv2.copyMakeBorder加白边，或用掩膜+泊松融合柔化过渡（进阶需求）
后处理增强：提升矫正后图像的OCR友好度
矫正只是第一步，清晰度和对比度直接影响OCR效果。建议在变换后立即做轻量级增强：先高斯模糊去噪（cv2.GaussianBlur，核大小(3,3)），再用自适应阈值（cv2.adaptiveThreshold，blockSize=51, C=10）二值化——比全局阈值更能应对光照不均。
- 若文档含手写批注或浅色底纹，可叠加形态学开运算（cv2.morphologyEx with cv2.MORPH_OPEN）清理噪点
- 避免过度锐化或对比度拉伸，否则易放大扫描伪影，反而干扰Tesseract等OCR引擎判断
基本上就这些。流程不复杂但容易忽略细节：比如四点排序错一位，整张图就反了；目标尺寸没按比例设，字会压扁或拉长。跑通一次后，封装成函数，配合批量读图，就能实现真正的“扫完即正”。
