因为真实图像中矩形边缘常不闭合、有噪点或光照不均，cv::findContours默认只检测严格连通轮廓，稍有断开即失败；必须先用自适应二值化、形态学闭操作补缺口，并结合Canny提边缘，再通过四顶点逼近、角度与边长约束精准判别矩形。
为什么直接用 cv::findContours 容易漏掉矩形？
因为真实图像里的矩形边缘常不闭合、有噪点或光照不均，cv::findContours 默认只找严格连通的轮廓，稍有断开就识别失败。必须先做预处理：二值化要选对阈值（cv::adaptiveThreshold 比 cv::threshold 更稳），再用 cv::morphologyEx 膨胀+闭操作补缺口。
常见错误现象：findContours 返回空 vector，或只找到一堆小碎片轮廓——这不是函数没用，是输入没准备好。
- 优先用
cv::Canny提边缘再cv::findContours，比直接二值化更鲁棒 - 闭操作核大小别硬写
cv::Size(5,5)，得看矩形间距：间距大就用cv::Size(11,11)，否则会把相邻矩形“焊”成一个 - 记得把输入图转成灰度图：
cv::cvtColor(src, gray, cv::COLOR_BGR2GRAY)，彩色图直接传给findContours会崩
怎么判断一个轮廓是不是矩形？
不能只靠 cv::approxPolyDP 返回点数等于 4——很多 L 形、带毛刺的四边形也会被判成 4 点。关键在两个约束：
- 近似后顶点数必须是 4，且每条边长不能过短（比如
minEdgeLen = src.cols / 100） - 四个内角必须接近 90°（用
cv::atan2算向量夹角，容差设 ±15°） - 面积占比要合理：太小（
area ）是噪点，太大（<code>area > src.rows * src.cols * 0.8）可能是整张图边框
示例片段：
std::vector<cv::Point> approx;<br>cv::approxPolyDP(contour, approx, 0.02 * cv::arcLength(contour, true), true);<br>if (approx.size() == 4 && isRectangle(approx)) { /* 提取 */ }
立即学习“C++免费学习笔记（深入）”；
组合式C++代码评审方案，融合静态分析、AI推理、多轮迭代评审和C++专项检查，适用于PR审查、增量代码审查、全项目评审和代码质量评分，触发词包括review cpp、cpp代码评审、C++review、代码审查。
提取矩形区域时，cv::getPerspectiveTransform 和 cv::warpPerspective 怎么配对用？
如果矩形是倾斜的（比如拍文档），直接用 cv::boundingRect 取 ROI 会拉伸变形。必须做透视校正：
- 先用
cv::minAreaRect得到旋转矩形（cv::RotatedRect），再调rotatedRect.points(pts)获取 4 个顶点 - 目标坐标固定为
{cv::Point2f(0,0), cv::Point2f(w,0), cv::Point2f(w,h), cv::Point2f(0,h)}，其中w、h是你期望输出的宽高 -
cv::getPerspectiveTransform输入必须是 float 坐标，传cv::Point会静默出错
容易踩的坑：目标尺寸 w、h 如果按原图宽高设，校正后可能留大片黑边——建议用 rotatedRect.boundingRect().width/height 作基准再微调。
OpenCV 的 cv::HoughLinesP 能不能替代轮廓法找矩形？
能，但场景很窄：只适合线条清晰、无遮挡、背景干净的工程图纸类图像。它本质是找直线段，再靠交点凑矩形，遇到圆角、阴影、文字压线就失效。
- 参数
minLineLength至少设为预期矩形边长的 1/3，否则短线段被过滤掉 -
maxLineGap设太大（如 20）会让本不相连的线段被拼接，生成虚假矩形 - 必须配合
cv::HoughLinesP后的手动交点计算和角度筛选，代码量不比轮廓法少，且更难调参
实际项目里，90% 的矩形识别需求用轮廓法 + 透视校正已足够；HoughLinesP 只在纯线稿、CAD 图等特定场景才值得投入调试时间。
真正麻烦的是矩形重叠或嵌套——这时候光靠形状判断不够，得结合位置、面积层级关系做逻辑过滤，OpenCV 不提供现成接口，得自己写规则。
