1. 功能和使用场景

这段代码的核心功能是自动矫正倾斜的纸张图像，通过检测纸张边缘、定位四角并进行透视变换，让倾斜的纸张变得平整。

使用场景：例如扫描文档时纸张放歪了、拍摄的合同照片角度不正等，需要将图像中的纸张矫正为正视图的场景。

模块 1：图像预处理（降噪与强化边缘）

• 比喻：就像处理一张模糊的草稿纸 —— 先把纸上的小破洞补好（闭运算），再用橡皮擦淡化无关的污渍（高斯滤波），最后用马克笔把纸张的边缘描清晰（Canny 检测）。
• 作用：预处理后的图像能更清晰地显示纸张的轮廓，为后续检测做准备。

/// <summary>
/// 图像角度矫正-纸张
/// </summary>
/// <param name="src">图片</param>
/// <returns>结果图片</returns>
/// <exception cref="Exception"></exception>
public static Mat ImageAngle_Correction(Mat src)
{
    // 复制原始图像备用
    Mat src2 = new Mat();
    src.CopyTo(src2); // 调用CopyTo方法，将输入图像src的内容复制到src2（相当于“备份原图”，避免后续处理破坏原图）

    // 形态学闭运算（填充小缝隙）
    InputArray kernel = Cv2.GetStructuringElement(MorphShapes.Rect, new Size(3, 3));
    // InputArray：OpenCV中用于传递输入数据的类型；kernel是“结构元素”（类似“小刷子”）
    // Cv2.GetStructuringElement：创建结构元素；MorphShapes.Rect表示刷子是3x3的矩形（Size(3,3)）
    // 类比：用3x3的小方块刷子填补纸张边缘的小孔洞

    Cv2.MorphologyEx(src, src, MorphTypes.Close, kernel, new Point(-1, -1), 3);
    // Cv2.MorphologyEx：形态学操作函数；src, src表示“输入图像和输出图像都是src”（原地修改）
    // MorphTypes.Close：闭运算（先膨胀后腐蚀，作用是填充小缝隙）；kernel是上面创建的“刷子”
    // new Point(-1, -1)：锚点（刷子的中心点，-1,-1表示默认中心）；3：操作执行3次（增强效果）

    // 高斯滤波（模糊降噪）
    Cv2.GaussianBlur(src, src, new Size(11, 11), 2, 2);
    // Cv2.GaussianBlur：高斯模糊函数（类似“用毛玻璃盖在图像上，让细节变模糊”）
    // new Size(11,11)：模糊核大小（11x11的区域内计算模糊，数值越大越模糊）
    // 后两个2：高斯函数的标准差（控制模糊程度，越大越模糊）
    // 作用：过滤图像中的小噪点（比如纸张上的灰尘斑点）

    // Canny边缘检测（提取轮廓线条）
    Mat canny_Image = new Mat();// 声明一个新的Mat变量canny_Image，用于存储边缘检测结果
    Cv2.Canny(src, canny_Image, 10, 30, 3, false);
    // Cv2.Canny：边缘检测函数（类似“用马克笔勾勒出图像中明暗变化明显的线条”）
    // src：输入图像；canny_Image：输出边缘图像（黑白图，边缘是白色线条）
    // 10,30：阈值（低于10的不算边缘，高于30的肯定是边缘，中间的看是否和边缘相连）
    // 3： Sobel算子大小（用于计算梯度，3表示3x3的算子）；false：不使用L2范数（边缘强度计算方式）

模块 2：轮廓检测与筛选（找到纸张的轮廓）

• 比喻：相当于在一堆杂乱的线条中，找出最粗、最长的那一条（因为纸张通常是图像中面积最大的物体）。
• 作用：从所有轮廓中定位出纸张的边缘轮廓，排除其他小物体（如文字、污渍）的干扰。

    // 找轮廓
    /*
     * 找轮廓（输入图像,out 轮廓集合,out 级别,轮廓检索模式,近似法,偏移量）
     * 输入图像：单通道图像矩阵，可以是灰度图，但更常用的是二值图像，一般是经过Canny、拉普拉斯等边缘检测算子处理过的二值图像；
     * 轮廓集合：contours 
     * 历史轮廓：hierarchy：0：后一个轮廓，1：前一个轮廓，2：父轮廓，3：内嵌轮廓
     * 轮廓检索模式：轮廓的检索模式
     *         取值一：CV_RETR_EXTERNAL 只检测最外围轮廓，包含在外围轮廓内的内围轮廓被忽略
     *         取值二：CV_RETR_LIST     检测所有的轮廓，包括内围、外围轮廓，但是检测到的轮廓不建立等级关系，彼此之间独立，没有等级关系，这就意味着这个检索模式下不存在父轮廓或内嵌轮廓，所以hierarchy向量内所有元素的第3、第4个分量都会被置为-1，具体下文会讲到
     *         取值三：CV_RETR_CCOMP    检测所有的轮廓，但所有轮廓只建立两个等级关系，外围为顶层，若外围内的内围轮廓还包含了其他的轮廓信息，则内围内的所有轮廓均归属于顶层
     *         取值四：CV_RETR_TREE     检测所有轮廓，所有轮廓建立一个等级树结构。外层轮廓包含内层轮廓，内层轮廓还可以继续包含内嵌轮廓。
     * 近似方法：轮廓的近似方法
     *         取值一：CV_CHAIN_APPROX_NONE   保存物体边界上所有连续的轮廓点到contours向量内
     *         取值二：CV_CHAIN_APPROX_SIMPLE 仅保存轮廓的拐点信息，把所有轮廓拐点处的点保存入contours向量内，拐点与拐点之间直线段上的信息点不予保留
     *         取值三和四：CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法
     * 偏移量：Point偏移量，所有的轮廓信息相对于原始图像对应点的偏移量，相当于在每一个检测出的轮廓点上加上该偏移量，且Point可以是负值。不填为默认不偏移Point()
    */
    // 检测所有外围轮廓
    Cv2.FindContours(canny_Image, out Point[][] contours, out HierarchyIndex[] hierarchly,
        RetrievalModes.External,
        ContourApproximationModes.ApproxSimple,
        new Point(0, 0));

    // 2. 检查是否检测到轮廓，没检测到则抛异常
    if (contours.Length == 0)// 若轮廓集合为空（没有找到任何轮廓）
    {
        throw new Exception("边缘检测失败");// 抛出异常（程序中断并提示错误）
    }

    // 3. 绘制所有轮廓（可视化调试用，实际运行可注释）
    Random rnd = new Random();// 创建随机数生成器（用于生成随机颜色）
    Scalar color;// 声明Scalar类型变量color（Scalar是OpenCV中表示颜色的类型，BGR格式）
    color = new Scalar(0, 255, 0);// 初始化颜色为绿色（B=0, G=255, R=0）

    for (int i = 0; i < contours.Length; i++)// 循环遍历所有轮廓
    {
        color = new Scalar(rnd.Next(0, 255), rnd.Next(0, 255), rnd.Next(0, 255));// 生成随机颜色（每个轮廓颜色不同）
        Cv2.DrawContours(src, contours, i, color, 2, LineTypes.Link4);// 在src图像上绘制第i个轮廓
        // src：绘制目标图像；i：要绘制的轮廓索引；color：线条颜色；2：线条粗细；LineTypes.Link4：4连通线（线条更平滑）
    }
    //Cv2.ImShow("contours", src);// 显示绘制了轮廓的图像（调试用，注释掉则不显示）

    //求出面积最大的轮廓（大概率是纸张）
    double max_area = 0.0; // 存储最大轮廓面积（初始为0）
    double currentArea = 0.0;// 存储当前轮廓的面积
    Point[] max_contour = null;// 存储面积最大的轮廓（初始为null）

    for (int i = 0; i < contours.Length; i++)// 遍历所有轮廓
    {
        currentArea = Cv2.ContourArea(contours[i]);// 计算第i个轮廓的面积（Cv2.ContourArea是计算轮廓面积的函数）
        if (currentArea > max_area)// 若当前轮廓面积大于已知最大面积
        {
            max_area = currentArea;// 更新最大面积
            max_contour = contours[i];// 更新最大轮廓
        }
    }

   

模块 3：定位纸张四角（拟合四边形顶点）

• 比喻：把纸张的边缘想象成一个不规则的线圈，先用力把线圈绷紧（凸包），再把多余的弯曲部分剪掉，最终得到一个四边形（因为纸张是矩形的）。
• 作用：精确定位纸张的四个角点，为后续矫正提供基准。

    // 1. 提取轮廓的凸包（最外层边界）    
    //多边形拟合凸包的四个顶点
    Point[] hull = Cv2.ConvexHull(max_contour);// Cv2.ConvexHull：计算轮廓的凸包（类似“用橡皮筋绷紧轮廓，得到最外层的凸多边形”）
    // 作用：去除轮廓中的凹陷（比如纸张边缘轻微褶皱导致的凹陷）

    // 多边形拟合（将凸包简化为四边形）
    double epsilon = 0.02 * Cv2.ArcLength(max_contour, true);// 计算拟合精度（轮廓周长的2%，控制简化程度）
    Point[] approx = Cv2.ApproxPolyDP(hull, epsilon, true);// 多边形拟合（将凸包简化为边数更少的多边形）
    // hull：输入轮廓；epsilon：拟合精度（值越小越接近原轮廓）；true：输出闭合多边形

    // 3. 检查是否拟合出4个顶点（纸张是矩形，应有4个角）
    if (approx.Length != 4)// 若拟合出的顶点数不是4
    {
        throw new Exception("拟合凸包的四个顶点失败");// 抛异常（说明没找到矩形纸张）
    }

    // 4. 绘制拟合出的四边形（可视化四角位置）
    Scalar scalar2 = new Scalar(0, 255, 255);// 定义颜色为黄色（B=0, G=255, R=255）
    // 依次连接4个顶点，绘制四边形
    Cv2.Line(src, approx[0], approx[1], scalar2, 1, LineTypes.Link4);// 从第0个顶点到第1个顶点画直线
    Cv2.Line(src, approx[1], approx[2], scalar2, 1, LineTypes.Link4);// 从第1个到第2个
    Cv2.Line(src, approx[2], approx[3], scalar2, 1, LineTypes.Link4);// 从第2个到第3个
    Cv2.Line(src, approx[3], approx[0], scalar2, 1, LineTypes.Link4);// 从第3个到第0个（闭合）
    // 参数：目标图像、起点、终点、颜色、线宽、线类型

   

模块 4：透视变换（矫正倾斜角度）

• 比喻：如同把一张斜放的纸（四边形）“贴” 到一个端正的矩形框里 —— 先确定纸上四个角的位置，再计算如何拉伸、旋转这张纸，让四个角刚好对准矩形框的四个角。
• 作用：通过数学变换，将倾斜的纸张转换为正面平视的矩形图像，完成角度矫正。

    // 1. 排序四角点（确定上下左右位置）
    Array.Sort(approx, (cs1, cs2) =>// 用Array.Sort排序approx数组，自定义比较规则（lambda表达式）
    {
        if (cs1.Y > cs2.Y)// 若点cs1的Y坐标（垂直位置）大于cs2，说明cs1在下方
        {
            return 1;// cs1排在cs2后面（下方的点靠后）
        }
        else if (cs1.Y == cs2.Y)// 若Y坐标相同（同一水平线）
        {
            return cs1.X < cs2.X ? 1 : -1;// X坐标小的（左边）排在后面
        }
        else// cs1在上方
        {
            return -1;// cs1排在cs2前面（上方的点靠前）
        }
    });
// 排序后：approx[0]和approx[1]是上方两点，approx[2]和approx[3]是下方两点

    // 2. 定义原始四角点（srcPt）和目标四角点（dstPt）
    //算法找出的角点
    Point2f[] srcPt = [approx[0], approx[1], approx[3], approx[2]];// 原始图像中纸张的四个角（按顺序：上左、上右、下右、下左）
    // Point2f：浮点型坐标（比Point更精确，适合变换计算）

    // 3. 计算目标矩形（矫正后的位置）
    RotatedRect rect = Cv2.MinAreaRect(srcPt);   // 计算srcPt的最小外接矩形（能包围4个点的最小矩形，可能倾斜）
    Rect box = rect.BoundingRect();// 计算该矩形的轴对齐边界框（不倾斜的矩形，用于确定矫正后的位置）
    Point2f[] dstPt = new Point2f[4];// 声明目标点数组（矫正后纸张的四个角）

    // 定义目标点坐标（轴对齐矩形的四个角，按上左、上右、下右、下左顺序）
    dstPt[0].X = box.X;// 上左X：边界框左上角X
    dstPt[0].Y = box.Y;// 上左Y：边界框左上角Y

    dstPt[1].X = box.X + box.Width;// 上右X：左上角X + 宽度
    dstPt[1].Y = box.Y;// 上右Y：左上角Y

    dstPt[2].X = box.X + box.Width;// 下右X：左上角X + 宽度
    dstPt[2].Y = box.Y + box.Height;// 下右Y：左上角Y + 高度

    dstPt[3].X = box.X;// 下左X：左上角X
    dstPt[3].Y = box.Y + box.Height;// 下左Y：左上角Y + 高度
// 类比：确定一个“标准矩形框”，让纸张的四个角刚好对齐这个框的四个角

    // 4. 执行透视变换（将倾斜纸张“贴”到目标矩形上）
    Mat final = new Mat();// 声明final变量，存储矫正后的图像
    Mat warpmatrix = Cv2.GetPerspectiveTransform(srcPt, dstPt);  // 计算透视变换矩阵（描述如何从原始点变换到目标点的数学公式）
    Cv2.WarpPerspective(src2, final, warpmatrix, src.Size());   // 应用透视变换
    // src2：原始图像（用一开始备份的原图，避免预处理对内容的破坏）；final：输出矫正后的图像
    // warpmatrix：变换矩阵；src.Size()：输出图像的大小（和原图一致）

    return final;// 返回矫正后的图像
}

原文链接：https://www.cnblogs.com/qq2806933146xiaobai/p/18295821https://www.cnblogs.com/qq2806933146xiaobai/p/18295821