python 用opencv做图片边缘识别矫正

要使用OpenCV进行图像边缘检测和矫正，可以按照以下步骤操作：

1. 导入OpenCV库和numpy库：

import cv2
import numpy as np

2. 读取图像并将其转换为灰度图像：

img = cv2.imread('example.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

3. 对图像进行高斯模糊处理，以去除噪声：

blur = cv2.GaussianBlur(gray, (5, 5), 0)

4. 进行Canny边缘检测，得到边缘图像：

edges = cv2.Canny(blur, 50, 150, apertureSize=3)

其中，50和150是Canny算法中的两个阈值，apertureSize是Sobel算子的大小。

5. 进行霍夫变换，检测直线：

lines = cv2.HoughLines(edges, 1, np.pi/180, 200)

其中，1是以像素为单位的距离分辨率，np.pi/180是以弧度为单位的角度分辨率，200是直线的最小长度。

6. 对直线进行排序，取出最长的四条直线：

lines = sorted(lines, key=lambda x: x[0][0], reverse=False)
longest_lines = lines[-4:]

7. 将直线进行拟合，得到四个交点：

points = []
for line in longest_lines:
    rho, theta = line[0]
    a = np.cos(theta)
    b = np.sin(theta)
    x0 = a * rho
    y0 = b * rho
    x1 = int(x0 + 1000 * (-b))
    y1 = int(y0 + 1000 * (a))
    x2 = int(x0 - 1000 * (-b))
    y2 = int(y0 - 1000 * (a))
    points.append((x1, y1))
    points.append((x2, y2))

其中，1000是直线的长度，可以根据实际情况进行调整。

8. 对四个交点进行透视变换，矫正图像：

width = max(points, key=lambda x: x[0])[0] - min(points, key=lambda x: x[0])[0]
height = max(points, key=lambda x: x[1])[1] - min(points, key=lambda x: x[1])[1]
src_pts = np.array(points, dtype=np.float32)
dst_pts = np.array([[0, 0], [width, 0], [width, height], [0, height]], dtype=np.float32)
M = cv2.getPerspectiveTransform(src_pts, dst_pts)
dst = cv2.warpPerspective(img, M, (width, height))

最终得到矫正后的图像dst。