如何在iOS中使用Core Image实现图像透视校正与文档边缘对齐

用手机拍摄纸质文档、名片或白板内容时，几乎总会遇到一个问题：照片里的文档不是矩形，而是因为拍摄角度变成了梯形或不规则四边形。要让内容恢复成端正的平面视图，就需要做透视校正。iOS平台上的Core Image框架提供了完善的透视变换能力，配合矩形特征检测，可以在几行代码内完成从原图到校正后图像的转换。本文从原理到代码，完整梳理四点透视变换、梯形校正与文档边缘对齐的实现路径。

透视变换的基本原理与Core Image实现思路

透视变换在数学上是一个单应性变换，它描述了同一个平面在不同视角下的投影关系。只要知道原图中一个四边形的四个顶点，以及目标矩形的四个顶点，就能求解出一个3x3的单应矩阵，把原图中的像素按这个矩阵映射到目标平面上。对拍摄文档来说，文档的物理边界是一个矩形，照片里呈现的四边形就是这个矩形经过透视投影后的结果，所以只要找到这四个角的坐标，就能反推出正视图。

Core Image把这套数学封装成了几个现成的滤镜。CIPerspectiveCorrection是最常用的一个，它接收输入图像以及原图四边形的四个角点坐标，输出校正后的图像。与之配套的还有CIPerspectiveTransform，它只做坐标变换不裁剪，适合需要保留更多背景的场景。理解了这一点，整个处理流程就非常清晰：先拿到图像，再找到文档的四个角点，最后交给滤镜完成校正。

下面是使用CIPerspectiveCorrection的最小示例代码：

import CoreImage
import CoreImage.CIFilterBuiltins

func correctPerspective(image: CIImage,
                        topLeft: CGPoint,
                        topRight: CGPoint,
                        bottomLeft: CGPoint,
                        bottomRight: CGPoint) -> CIImage? {
    let filter = CIFilter.perspectiveCorrection()
    filter.inputImage = image
    filter.topLeft = topLeft
    filter.topRight = topRight
    filter.bottomLeft = bottomLeft
    filter.bottomRight = bottomRight
    return filter.outputImage
}

需要注意的是，Core Image使用的坐标原点在图像左下角，x轴向右、y轴向上，这与UIKit中左上角为原点的坐标系是相反的。如果角点是从Vision或UIKit层的视图坐标拿到的，必须做一次y轴翻转，否则校正结果会出现上下颠倒或角点错位的问题。这是实际开发中最常见的踩坑点之一。

用CIRectangleFeature自动检测文档四个角点

手动指定四个角点只适合调试或用户交互框选的场景，真正的扫描类应用应该自动检测文档边缘。Core Image自带了 CIDetector 矩形检测能力，通过CIDetectorTypeRectangle类型可以返回图像中最显著的矩形特征，也就是CIRectangleFeature对象。这个对象包含topLeft、topRight、bottomLeft、bottomRight四个属性，正好对应透视滤镜需要的输入。

检测时可以设置一些参数来提升准确性。CIDetectorAccuracy设为High会花更多时间但结果更准，CIDetectorAspectRatio可以限定候选矩形的宽高比范围，比如扫描A4文档时设为接近0.707能过滤掉大量误检。下面的代码演示了完整的检测与校正组合：

import CoreImage

func autoDetectAndCorrect(_ input: CIImage) -> CIImage? {
    let options = [
        CIDetectorAccuracy: CIDetectorAccuracyHigh,
        CIDetectorAspectRatio: 0.707
    ]
    guard let detector = CIDetector(ofType: CIDetectorTypeRectangle,
                                    context: nil,
                                    options: options),
          let feature = detector.features(in: input).first
            as? CIRectangleFeature else {
        return nil
    }
    let filter = CIFilter.perspectiveCorrection()
    filter.inputImage = input
    if let tl = feature.topLeft, let tr = feature.topRight,
       let bl = feature.bottomLeft, let br = feature.bottomRight {
        filter.topLeft = tl
        filter.topRight = tr
        filter.bottomLeft = bl
        filter.bottomRight = br
    }
    return filter.outputImage
}

这个方案在文档与背景对比明显、光照均匀的场景下效果很好，识别速度也能满足实时预览的需求。但当文档颜色与背景接近、边缘有阴影干扰，或者画面中出现多个矩形时，检测结果可能不稳定。此时可以考虑升级到Vision框架的VNDetectRectanglesRequest，它的检测精度和鲁棒性更好，只是拿到坐标后同样要注意Vision与Core Image之间的坐标转换：Vision返回的归一化坐标以左下角为原点，乘以图像宽高即可得到像素坐标，与Core Image直接兼容。

梯形校正的细节处理与输出优化

四点坐标到位之后，CIPerspectiveCorrection会自动把原图四边形拉伸成标准矩形并裁剪输出。默认情况下，滤镜输出的尺寸等于四点构成的边界矩形在目标空间的尺寸，如果原图四边形面积很大而文档本身偏小，输出图像可能会包含模糊放大的内容。可以通过设置extent或者在变换后用CIFilter.croped()控制输出区域，保证成图大小合理。

实际产品中通常还需要叠加几步增强处理。第一步是锐化和对比度增强，透视拉伸会让文字边缘变软，接一个CIColorControls提高对比度，再用CISharpenLuminance锐化亮度通道，文字可读性会明显提升。第二步是色彩处理，扫描文档常做成黑白的增强扫描效果，可以用CIColorClamp配合阈值处理，把接近白色的背景压成纯白、文字压成深色。第三步是方向修正，如果用户横着拍摄，还需要根据EXIF方向信息或设备姿态旋转图像。

import CoreImage
import CoreImage.CIFilterBuiltins

func enhanceDocument(_ image: CIImage) -> CIImage {
    // 提高对比度并适当调整饱和度
    let colorCtrl = CIFilter.colorControls()
    colorCtrl.inputImage = image
    colorCtrl.contrast = 0.2
    colorCtrl.saturation = 0.3
    colorCtrl.brightness = 0.05

    // 对亮度做锐化，改善透视拉伸带来的文字模糊
    let sharpen = CIFilter.sharpenLuminance()
    sharpen.inputImage = colorCtrl.outputImage
    sharpen.sharpness = 0.8
    return sharpen.outputImage ?? image
}

最后谈谈整体架构上的建议。如果应用需要实时预览校正效果，建议把AVCaptureSession采集到的视频帧直接转成CIImage送入检测与校正管线，并在CIContext上用Metal渲染，全程停留在GPU可以保证流畅度。如果是单张拍照后处理，流程可以更宽松，先让用户确认或拖动四个角点，再执行高精度校正。无论哪种方式，都建议在检测失败时回退到手动框选，让用户拖动四个角点完成校正，这是扫描类应用保证可用性的关键兜底设计。掌握Core Image这套透视处理组合后，文档扫描、名片识别、白板内容数字化等场景都可以低成本落地。

Core Image透视校正文档边缘检测修改时间：2026-09-01 14:09:35