简介：一套基于 OpenCV C++ 的正方形与四边形检测示例项目，覆盖图像预处理、边缘检测、轮廓提取、形状识别、透视变换、霍夫变换和阈值处理等经典视觉算法，面向正在学习计算机视觉、图像处理及机器学习的开发者，也适合在工程中快速验证几何目标检测方案。压缩包内共 12 个文件，主体为可直接编译的 C++ 源程序，连同 CMakeLists.txt 与 Makefile 构建脚本，方便在桌面端直接运行；附带的 README、简介文档和 PDF 资料用于讲解算法思路，另有原始图与检测结果对比图辅助直观理解。整个包约 951KB，体量小巧，用于课程设计、算法入门或项目原型验证都很合适。当前已有 247 人学习下载。通过对照示例可清楚看到阈值化、边缘提取、轮廓筛选与四边形拟合的处理链路，改写参数后还能迁移到其他形状识别与图像校正任务中。
1. 从“找正方形”这个动作说起：OpenCV C++ 视觉项目的完整链路
给一张随手拍的照片，把其中倾斜的显示屏、证件或者纸片从背景里挖出来，拉正成一张方正清晰的图像，这个需求在文档扫描、工业定位、自动分拣里到处都是。做一次正方形或四边形检测，看起来只是个小功能，实际上把计算机视觉的主线流程全走了一遍：读取图像、做预处理、阈值和边缘检测、轮廓提取、几何判定、透视变换，最后用变换结果检验校正效果。这个方向很适合用 OpenCV 的 C++ 接口实现，因为 C++ 版本在像素遍历、矩阵运算上有更直观的控制力，也方便以后把算法封装进工业级程序里。无论你是做图像处理入门练习，还是课程大作业，或者想把传统视觉方案跟机器学习、深度学习搭着用，理解了这条链路，后面很多项目都能复用。
2. 预处理阶段：灰度、模糊、阈值与轮廓提取的最小流程
写任何 OpenCV 程序，第一步是读图。常见做法是用 imread 读入彩色图，然后立即转灰度，因为后面的阈值和轮廓算法几乎都不需要颜色信息。有人会想，为什么不用 HSV 颜色空间？如果目标本身带有明显色相特征（比如橙色锥桶、红色标签），HSV 确实能帮上忙；但对于要检测正方形、四边形这类单纯几何目标的场景，颜色是干扰项，灰度图足够。而且 C++ 接口下 cvtColor 的耗时极低，后续所有算法都在 CV_8UC1 的单通道图像上跑，内存也省一半。
2.1 读图与转灰度：用三行代码确认图像加载成功
C++ 的 OpenCV 开发环境配置这里不多展开，常见做法是用 CMake 工程。下面是最小启动代码：
#include <opencv2/opencv.hpp> using namespace cv; int main() { Mat src = imread("input.jpg", IMREAD_COLOR); if (src.empty()) { fprintf(stderr, "failed to load image\n"); return -1; } Mat gray; cvtColor(src, gray, COLOR_BGR2GRAY); imwrite("gray.png", gray); return 0; }这段代码的作用不是仅仅把图变灰，而是作为后来所有调试的入口。imread 传 IMREAD_COLOR 表示按三通道读入，如果图片路径里有中文或空格，在部分环境上 OpenCV 会返回空 Mat，这是最常见的第一道坑。cvtColor 的第三个参数从 COLOR_BGR2GRAY 开始用，因为 OpenCV 默认的彩色通道顺序是 BGR，不是 RGB。如果文件加载失败，程序应该立刻退出并打印错误，不要带着空图继续往下跑，否则之后的空指针问题会掩盖真实原因。
从调试角度，我一般建议把 gray.png 存下来，用图像查看器肉眼确认：目标与背景的灰度差是否足够明显。这一步看似多余，却能提前暴露后面阈值调不好的根因——不是阈值函数有问题，而是原图里目标本身对比度不足。
2.2 高斯模糊的核大小怎么定
边缘检测和轮廓提取都对噪声敏感，所以常见做法是先做一次高斯模糊。OpenCV 里对应 GaussianBlur，核心参数是核大小和标准差。
Mat blurred; GaussianBlur(gray, blurred, Size(5, 5), 0);这里 Size(5,5) 的核意味着每个输出像素由周围 5x5 邻域加权平均得到，sigma 传 0 表示让 OpenCV 根据核大小自动计算标准差。核太小（比如 3x3）时，去噪效果有限；核太大（比如 15x15）时，会把正方形的边缘角点磨圆，后续 approxPolyDP 得到的角点位置会往内缩，透视校正结果跟着偏。对 1080p 级别的图片，5x5 或 7x7 通常够用；如果图片是 4K 大图，可以按比例放大到 9x9 或 11x11。图像模糊是预处理阶段最常见的翻车点，不少人觉得模糊是“保底操作”所以随手给个 9x9，结果小尺寸正方形直接被磨没了，轮廓提取出来变成圆角矩形。
也有一种情况可以跳过模糊：目标边缘本身很锐利，且图像噪声很低，比如程序生成的合成图或者干净的文档扫描件。此时模糊反而会损失边缘定位精度。所以这个参数没有绝对答案，我一般会用一动一静的测试法：固定其他参数，只改核大小，保存多张中间结果，观察边缘图的变化趋势。
2.3 阈值分割到底选 threshold 还是 Canny
正方形检测的下一步是把“可能是边界的像素”挑出来。OpenCV 有两条路线：一条是 threshold 系列做区域分割，一条是 Canny 做边缘检测。很多入门教程把这两者混着用，实际它们的产出物形态不同。threshold 得到的是填充区域，前景是一整块白色；Canny 得到的是细线，边缘是单像素宽。对于一个内部有纹理、logo、或者光照不均的正方形目标，直接 threshold 会把内部纹理也变成白色块，轮廓提取时会产生大量内部轮廓；而 Canny 对边缘定位更好，但容易产生断裂。
我的习惯是：目标跟背景灰度差大、内部干净时，用固定阈值。目标内部复杂但边界清晰时，用 Canny。对于正方形检测这种场景，通常是文档、卡片、屏幕这类边界清晰的对象，所以 Canny 更常见。下面是一段同时输出两种结果的代码：
Mat threshFixed, edgesCanny; double otsuVal = threshold(blurred, threshFixed, 0, 255, THRESH_BINARY | THRESH_OTSU); Canny(blurred, edgesCanny, 50, 150); Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3)); dilate(edgesCanny, edgesCanny, kernel, Point(-1, -1), 1);threshold 这里用 THRESH_OTSU 让 OpenCV 自动计算阈值，OTSU 对大津法的实现是统计灰度直方图，找类间方差最大的分割点。它的好处是省去手动试阈值，坏处是当图像里背景比例极大或光照渐变时，自动阈值会偏向多数派，目标区域反而不准。Canny 的两个阈值 50 和 150 表示梯度幅值低于 50 的像素直接丢弃，高于 150 的像素确定为边缘，介于两者之间的只在连接到高阈值边缘时保留。这个滞后机制能减少噪音引起的短线。但 Canny 产出的边缘经常有小断口，所以我又对 Canny 结果做了一次膨胀，让断裂的线段连起来，这个操作对后面的轮廓提取帮助很大。
阈值相关的坑非常容易出现在“对偏差大的样本失效”。固定阈值 80 在室内光照下好用，换到室外就可能整个失效。于是“阈值敏感”成了这类项目的显性槽点，后面第 5 章我会专门说排查思路。
2.4 findContours 提取轮廓：模式和层级别搞混
边缘图准备好了，接下来用 findContours 把连通的线段组装成一圈圈的轮廓。函数签名在不同 OpenCV 版本里有差异，3.x 之前是传出参数接收轮廓，4.x 之后改成返回值接收，编译不通过时先检查这里。
std::vector<std::vector<Point>> contours; std::vector<Vec4i> hierarchy; findContours(edgesCanny, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);RETR_EXTERNAL 表示只提取最外层轮廓，内部嵌套的都不要。对于正方形检测这类“只要最外面的框”的任务，这个模式最干净，能避开目标内部的字母纹理轮廓。CHAIN_APPROX_SIMPLE 则把轮廓上共线的点压缩，只保留端点，可以显著减少后续多边形逼近的计算量。如果你用 RETR_CCOMP 或 RETR_TREE，会把内外轮廓全都列出来，hierarchy 的四元组表示层级关系，初学者很容易在这里绕晕。我见过不少人把 RETR_EXTERNAL 写成 RETR_TREE，结果目标内部印刷的文字产生了上百条小轮廓，找正方形时总是被干扰。
注意：OpenCV 4.x 的 findContours 直接返回轮廓向量，3.x 则通过出参返回。换版本后编译报错，优先查这个签名差异，不要盲目加指针。
轮廓提取出来后，可以用轮廓面积过滤掉太小的杂点：
for (const auto& c : contours) { double area = contourArea(c); if (area < 500) continue; // 面积太小，多半是噪点 drawContours(src, std::vector<std::vector<Point>>{c}, -1, Scalar(0, 255, 0), 2); }contourArea 用的是格林公式算有向面积，因此自相交轮廓可能返回异常值，不过我们后面还会做凸性校验，这里先不过度信任它。面积阈值 500 应该按输入分辨率调整，一个 640x480 的图里 500 像素已经不小，但 4000x3000 的大图里同一目标可能占几十万像素，直接用固定 500 会漏掉目标。更稳的做法是拿最大轮廓面积做参照，只保留面积大于最大面积 1% 的候选。
这一段做下来，你会得到一批轮廓。下一章的几何判定才是决定“能不能认出正方形”的关键。
3. 几何判定阶段：从任意轮廓到四边形，再到正方形
预处理之后，轮廓的形状还是千奇百怪。有的轮廓有几十上百个点，有的轮廓是三角形、五边形，有的轮廓虽然接近四边形但明显带弧度。要从里面筛出四边形，OpenCV 里最常用的是多边形逼近 approxPolyDP。这个函数本质是道格拉斯-普克算法，核心思想是：给定一条曲线，用更少的点去逼近它，误差超过一定阈值就继续细分。
3.1 approxPolyDP 的 epsilon 该怎么标定
epsilon 是 approxPolyDP 最重要的参数，它表示“允许的近似最大误差”，以像素为单位。epsilon 太小，逼近结果保留太多角点，四边形的第四条边会被碎点切成多段；epsilon 太大，角点被削平，三角形也会被逼近成四边形。常见做法是取轮廓周长的 2% 作为 epsilon：
std::vector<Point> approx; double peri = arcLength(contour, true); approxPolyDP(contour, approx, 0.02 * peri, true);0.02 是经验值。对清晰的正方形目标，0.01 到 0.03 都能得到四个点；但对边缘模糊的目标，0.03 可能把圆角识别成斜边。我的建议是把这个比例作为可配置参数，而不是写死在代码里。更稳健的做法是先根据 approx 的点数判断：如果点数大于 6，说明逼近太细，可以把 epsilon 放大重新逼近一次；如果点数小于 4，说明逼近过度，要缩小 epsilon 再试。这种自适应重试比一次性调参更贴近真实场景。
还有一个小细节：approxPolyDP 的闭包标志传 true。因为轮廓本身是闭合曲线，如果误传 false，闭合边会被当作开放路径处理，最后一个角点的位置可能明显偏移。这种问题很难通过打印点数发现，需要通过画点可视化确认。我一般会把逼近得到的顶点用 circle 画在原图上，“点画在角上”是最直接的验收标准。
3.2 四边形候选过滤：面积、凸性与闭合性一起看
轮廓逼近成 4 个点，并不代表它就是要找的四边形。现实中很多噪声轮廓逼近后也是 4 个点，比如一个被压扁的半圆。因此要加过滤条件。我的过滤顺序是：
先判断是否为凸四边形。数学上，四点组成的多边形，如果所有内角都小于 180 度，就是凸的。可以用 isContourConvex 判断，也可以手工计算叉积。凸性是正方形检测的刚需，因为透视变换后的正方形一定是凸四边形，凹四边形不可能来自真实的平面矩形。
再算面积和长宽比。四边形面积不用 contourArea，而是直接用四个顶点构成的两个三角形的面积之和：
double triArea(const Point& a, const Point& b, const Point& c) { return std::abs((b.x - a.x) * (c.y - a.y) - (b.y - a.y) * (c.x - a.x)) / 2.0; } double quadArea(const std::vector<Point>& pts) { return triArea(pts[0], pts[1], pts[2]) + triArea(pts[0], pts[2], pts[3]); }三角形面积公式用的是行列式的一半，这是最不容易出错的写法。轮廓面积和四个顶点围成的面积可能相差很大，如果两者比值悬殊，说明轮廓边界发生了大幅弯曲或自交，可以直接剔除。至于长宽比，要看任务设定：检测屏幕、纸张时，长宽比在 0.3 到 3.0 之间都算合理；检测正方形时，长宽比要收得很紧，比如 0.8 到 1.2。长宽比可以用两对边长度估算，也可以用最小外接矩形的宽高比近似。
过滤的顺序也影响性能：先把明显不合格的扔掉，再做计算量大的判定。因为后面还要做透视变换，候选越少越好。
3.3 正方形判定：直角校验和边长比，哪个更可靠
如果标题里明确写了正方形检测，还要在四边形基础上再收紧一步。正方形的几何特征是四条边等长、四个角都是直角。但在透视变形下，直角在图像里并不保持直角，这是透视投影的性质决定的。所以直接在原图上量角度来判断正方形，是不可靠的。更稳的做法是：先对四边形做透视校正，把目标拉成正面视角，再在校正后的图像上判断它是不是正方形，这时直角和边长比才有意义。
有一个更轻量的近似做法：用四边形的两组对边做长度比校验。透视变换是平面单应，虽然不保持角度，但会保持对边长度比的大致稳定——注意不是完全稳定，因为透视是射影变换，只有 affine 才保证对边比不变。所以这条只适合作为粗筛，不能作为严格判定。
忠实于标题的话，这个项目非常适合做“先拉正再判断”的架构：检测四边形 → 透视变换 → 在正视图上判定正方形。这样让透视校正和正方形判定互相成就，也是我觉得这个标题里真正值得动手的点。判断正视图上的正方形时，可以用 minAreaRect 的外接矩形宽高比，加上四边长度方差；边长方差很小、宽高比接近 1，同时四个角接近 90 度，基本可以认定是正方形。这是一个把“图像识别”从像素级提升到几何语义级的过程，也是传统视觉相比盲上深度学习模型更可控的地方。
3.4 霍夫变换在检测流程里的真实角色
标题里点了霍夫变换，很多人会以为检测直线就一定要用 HoughLines。实际在正方形检测的主流方案中，霍夫变换出现的机会越来越少，原因是它太敏感：需要调累加器阈值、最小线段长度、最大间隙，且对弯曲边缘会产生大量碎线段。霍夫变换更适合那种“无完整闭合轮廓，只有断续直线”的场景，比如文档表格线、道路标线检测。
在正方形项目里，一个常见的合理用法是用霍夫变换做验证或后处理：四边形四个角点确定后，用 HoughLinesP 检查四条边附近是否存在足够长的直线段，来排除那些边框破损严重的四边形。下面是一个简单的验证片段：
std::vector<Vec4i> lines; HoughLinesP(edgesCanny, lines, 1, CV_PI / 180.0, 80, 50, 10);这里的参数含义：距离分辨率 1 像素，角度分辨率 1 度，累加器阈值 80（一条直线上至少要有 80 个投票点才认为有效），最小线段长度 50 像素，最大间隙 10 像素。这四个参数几乎必须根据图像分辨率重新调。所以在流程里我会把它放在最后做验证，而不是做主检测，不然会引入大量误报。霍夫变换在这里更像一个质检员，而不是主力队员。
4. 透视变换与图像校正：从四个点得到一张正向图
检测四边形不是终点，通常还要把它“拉正”，也就是透视校正。透视变换在 OpenCV 里分两步：第一步用四个对应点求单应矩阵，第二步用这个矩阵把整张图重采样。看似简单，实际坑很多。
4.1 四个角点排序：最容易错的一步
getPerspectiveTransform 要求源点和目标点顺序一一对应。如果源点顺序是乱序，变换结果会是镜像、旋转或多边形交叉。目标点的常规约定是左上、右上、右下、左下（顺时针）。但轮廓逼近返回的四个点没有固定顺序，必须排序。
排序的经典思路是按坐标和做第一轮切分：x+y 最小的通常是左上角，x+y 最大的通常是右下角；x 和 y 之差较大的另外两个，一个是右上、一个是左下。这个启发式在目标倾斜不超过 45 度时成立，一旦透视角度过大就可能失效。我见过不少代码直接用这一套，然后在高角度拍摄时翻车。更稳的做法是通过轮廓质心和四点向量夹角来排：
Point2f center(0, 0); for (const auto& p : pts) { center.x += p.x; center.y += p.y; } center.x /= 4; center.y /= 4; std::sort(pts.begin(), pts.end(), [&](const Point2f& a, const Point2f& b) { return atan2(a.y - center.y, a.x - center.x) < atan2(b.y - center.y, b.x - center.x); });这段代码把四个点绕质心按方位角排序，得到一个从 -pi 到 pi 的逆时针或顺时针序列。然后用一次循环找到的最小 y 值的点作为起点，或者直接用排序结果的第 0 个和第 2 个做对角线切分。需要说明的是，这种排序假设四边形是凸的，如果传入的 pts 本身就是凹的，应提前用凸包纠正。
排序错误的表现非常隐蔽：拉正之后目标可能上下颠倒，或者变成镜像文字。若你的目标上有文字或 logo，校正后文字方向始终不对，十有八九就是这里的问题。我一般会把排序后的四个点画出来，并在图上标 0、1、2、3 的序号，肉眼确认顺序后再继续。
注意：如果四边形有过大的透视形变，仅靠 x+y 排序会失效，应优先使用质心角排序。登录到 45 度以上倾角场景时，这条经验能帮你省下半小时。
4.2 getPerspectiveTransform 与 warpPerspective 的最小实现
拿到有序四点后，变换本身很直接：
Point2f srcPts[4] = { pts[0], pts[1], pts[2], pts[3] }; Point2f dstPts[4] = { Point2f(0, 0), Point2f(width, 0), Point2f(width, height), Point2f(0, height) }; Mat H = getPerspectiveTransform(srcPts, dstPts); Mat warped; warpPerspective(src, warped, H, Size(width, height), INTER_LINEAR); for (int i = 0; i < 4; ++i) { Point2f p = srcPts[i]; std::cout << "src " << i << ": " << p << std::endl; }这里的核心逻辑说明如下。getPerspectiveTransform 内部通过求解线性方程组得到 3x3 的单应矩阵 H。它至少需要 4 对点，OpenCV 用直接线性变换方法求解 8 个未知量；当四点中有三点共线时，方程组退化，求出的 H 会错得离谱。warpPerspective 的插值方式默认 INTER_LINEAR，适合大多数自然图像；如果做的是条形码或文字识别前的校正，可以换 INTER_CUBIC 以获得更平滑的灰度过渡，但耗时更高。
变换后的尺寸 width 和 height 如何选取很关键。常见做法是按透射校正前的长宽比换算，或者直接取四边形的边长平均值。更讲究一点的做法是取四边形两对边长度均值，再乘一个比例系数，保证输出图像分辨率至少与原图目标区域相当，否则校正后文字会模糊，后续如果接 OCR 或深度学习识别模型，精度立刻下降。
4.3 输出尺寸设定与二次校验
尺寸设定有一个实用准则：让校正图的分辨率接近目标在原图中的真实分辨率。原图中目标占 500 像素宽，校正图就输出 500 像素上下；强行放大到 2000 会虚，强行缩小到 100 会丢细节。如果后续要接机器学习模型，最简单的方法是把所有校正图统一缩放为模型输入尺寸，比如 224x224 或 512x512，但在统一前先单独保存原分辨率校正图，方便人工复核。
校正完再验证一次，是容易被忽略但价值很高的步骤。验证方法很朴素：把 warpPerspective 输出的图像再跑一遍同样的检测流程，检查检测出的四边形是否近似填满整张图。如果第二次检测的四边形面积与校正图面积占比低于 90%，说明第一次变换或者排序可能有问题。这条“检测后再检测”的闭环，能让参数调优从玄学变成可量化过程。
我在实际项目中通常把透视变换的结果连同原图标注图一起输出，做一个对比对照图，方便肉眼鉴定目标有没有被拉正、有没有被裁剪。这个习惯在调参阶段能省掉大量来回试错的时间。
5. 避坑指南：正方形检测与透视校正的五个高频翻车点
这一节单独把常见问题拉出来，按“现象-原因-解决”的结构讲。这些坑我在做这类视觉大作业和工程化项目时都遇到过，每一条都能对应到一个具体调试夜。
5.1 现象：目标轮廓断裂，四边形检测不出来
原因：Canny 边缘断裂，或者目标边框与背景灰度接近。解决：先做膨胀闭运算把断口连接起来；如果边框对比度不足，增强局部对比度或换用自适应阈值。
具体做法：
Mat closeKernel = getStructuringElement(MORPH_RECT, Size(5, 5)); morphologyEx(edges, edges, MORPH_CLOSE, closeKernel);闭运算是先膨胀再腐蚀，能把细小的间隙填上。要注意核大小：间隙超过 5 像素，5x5 核不够用；核过大又会让两个不同物体连成一个轮廓。另外一个经验是不要把闭合操作直接用在灰度图上，它会抹掉小目标的细节，应在阈值图或边缘图上做。
5.2 现象：背景里的矩形框乱入，检测结果不是目标本身
原因：过滤条件太宽松，只用了“四点+凸性”。解决：增加形状先验，比如长宽比范围、面积占比、边框直线性校验；如果目标知道自己位置，甚至可以限制 ROI。
加面积占比过滤：
double maxArea = 0; for (const auto& c : contours) maxArea = std::max(maxArea, contourArea(c)); for (const auto& c : contours) { if (contourArea(c) < 0.3 * maxArea) continue; // 继续四边形判定 }这里 0.3 是一个实例化的阈值，表示只保留面积占最大轮廓 30% 以上的候选。如果目标在画面中占极大比例，这个过滤非常有效；如果画面里有多个同等大小的矩形，就需要结合颜色或者先验位置来区分了。机器学习能做的，是学习“什么样的矩形是目标”，但传统方法依赖我们写成规则，这其实就是传统视觉和深度学习在形状识别上的边界差异。
5.3 现象：透视变换后图像空白或方向不对
原因：单应矩阵计算错误。大多源于角点排序不对，或目标点超出图像边界。解决：打印和可视化排序结果，检查 H 矩阵奇异值。
单应矩阵如果奇异，warpPerspective 会输出全黑或大面积的错位块。用之前的排序方法重新排一次。另外，如果目标点坐标没有归一化且数值很大，计算可能溢出，建议先对坐标做归一化再求解矩阵，做完变换再还原。OpenCV 在新版本有 decomposeHomographyMat 等接口，但调试普通校正时，先用可视化确认点序最重要。
5.4 现象：大图处理慢，还容易内存溢出
原因：直接把 4000x3000 以上的大图拿来做全图轮廓检测。解决：分阶段缩放，先用小图跑粗定位，再在原图上对 ROI 做精细检测。
比如先用 0.25 倍的缩放图检测四边形，把粗定位的角点坐标乘回原尺度后，原图上裁剪一个带边框的 ROI，在 ROI 内再做一次精确的 approxPolyDP。很多大图的边缘检测在缩放后反而更稳定，因为高频噪声被采样弱化了。如果内存仍然紧张，注意轮廓数据是 std::vector 结构，数量特别多时也会占用大量内存，可以边提取边过滤，不要等全部轮廓都收集完再处理。
5.5 现象：阈值稍微一变，结果就不稳定
原因：对整个流程用了多个硬阈值，每一个阈值的变化都会传递到最终坐标。解决：把阈值参数集中管理，做成配置结构体，并且用合成图做参数敏感性测试。
我常把阈值参数放进一个 struct，这样测试时可以自动遍历参数组合：
struct DetectParams { int blurKernelSize = 5; int cannyLow = 50; int cannyHigh = 150; double approxPolyRatio = 0.02; double minAreaRatio = 0.3; };这个结构体的意义在于让参数成为可测试的对象，而不是散落在代码各处的魔法数字。做敏感性测试时，把每个参数按照 0.7x、1.0x、1.3x 三档变化，跑同一组验证图，看最终角点坐标的抖动程度。如果某个参数从 0.7x 变到 1.3x 时，角点坐标位移超过 5 个像素，这个参数很可能过于敏感，要换更稳定的特征提取方式。这种复现思维，是从“跑通一次”走向“项目可交付”的关键。
6. 进阶验证：用合成图集把检测结果从“看着行”变成“算得清”
传统视觉项目的验收经常停留在“我跑通了，效果不错”，这不够。如果想让这个方向继续做下去，尤其是要跟机器学习、深度学习方案对比，就必须有一个量化的评估集。我的做法是先用 OpenCV 自己造一批合成图，因为合成图有真值，可以算 IoU。
第一步，生成一批背景，画上不同尺寸、不同旋转角度的四边形：
Mat canvas(800, 800, CV_8UC3, Scalar(120, 120, 120)); std::vector<Point2f> quad = { {200, 150}, {600, 180}, {620, 520}, {180, 480} }; fillPoly(canvas, std::vector<std::vector<Point>>{ quad.begin(), quad.end()}, Scalar(40, 40, 200));第二步，把真值四边形坐标保存下来，跑一遍自己的检测流程，用检测结果和真值计算 IoU：
float iou = 0; std::vector<Point2f> pred; // 调用自己的检测函数，得到 pred float inter = intersectionArea(pred, gt); float uni = quadArea(pred) + quadArea(gt) - inter; iou = inter / uni;第三步，批量变化光照、对比度、旋转角度和噪声，统计 IoU 的均值与方差。这一步能暴露算法真正的弱点。比如你可能会发现：旋转角度在 30 度以内时 IoU 在 0.95 以上，超过 60 度就掉到 0.7。这个结论比“效果还不错”有说服力得多，也方便你判断这个方案在什么边界内可用。如果后续用深度学习模型，比如用分割模型先做 mask 再取外轮廓，也可以用这套评价口径来对比，二者谁更适合当前任务，数据说了算。
我现在的习惯是：每个检测项目从第一天起就保留真值，任何参数改动都要有量化结果背书。在我看来，这个项目的价值不只在于检测出正方形，更在于它让你把图像处理的每一步都变成可度量的数据，而不是靠肉眼和感觉。希望这个思路能帮到你少走一些弯路。
本文还有配套的精品资源，点击获取
