前言
对于 .NET 开发来说，想要快速上手 OpenCV，OpenCVSharp 是一个非常友好的起点。它是 OpenCV 官方 C++ 库的高质量 .NET 封装，由开发 shimat 维护，并提供了完整的示例项目，非常适合初学者边看边练。
- OpenCVSharp 主仓库：github.com/shimat/open… 、
- 配套示例项目：github.com/shimat/open…
建议第一步：直接运行这些示例，直观感受 OpenCVSharp 能做什么。不必一开始就深究算法原理——先会用，再理解。初期做个"调包侠"完全没问题，等真正需要优化或调试时，再回头研究底层也不迟。
实战示例：基于 ArUco 标记的检测与透视变换（C# / .NET）
本节我们将通过一个经典案例，学习如何使用 OpenCVSharp 检测 ArUco 标记，并基于其位置进行透视校正（Perspective Transformation），常用于图像对齐、虚拟贴图、AR 等场景。
1、效果预览
原始图像如下所示，画面中包含 4 个特殊的黑白方块图案：
程序首先识别出这四个标记的位置：
然后，以这四个标记为参考点，执行透视变换，将中间区域"拉平"为标准矩形：
这些黑白方块就是 ArUco 标记——一种高鲁棒性的二进制编码标记，广泛用于相机标定、位姿估计和增强现实。例如，你可以用它来"框住"一张照片的位置，然后动态替换其中的内容。
注意：目前 OpenCVSharp 支持 ArUco 检测，但暂不支持生成标记。不过检测功能已足够完成多数应用。
2、代码解析
步骤一：定义目标标记 ID
const int upperLeftMarkerId = 160;
const int upperRightMarkerId = 268;
const int lowerRightMarkerId = 176;
const int lowerLeftMarkerId = 168;
我们预先知道这四个角分别对应哪些 ArUco ID，后续将据此定位区域。
步骤二：加载图像并配置检测参数
using var src = Cv2.ImRead(ImagePath);
var detectorParameters = new DetectorParameters
{
CornerRefinementMethod = CornerRefineMethod.Subpix,
CornerRefinementWinSize = 9
};
-
CornerRefinementMethod.Subpix：启用子像素级角点优化，提升定位精度。 -
CornerRefinementWinSize = 9：使用 9×9 的窗口进行局部优化。
步骤三：加载预定义字典并检测标记
using var dictionary = CvAruco.GetPredefinedDictionary(PredefinedDictionaryName.Dict4X4_1000);
CvAruco.DetectMarkers(
src,
dictionary,
out var corners,
out var ids,
detectorParameters,
out var rejectedPoints
);
参数说明：
-
src：输入图像。 -
dictionary：使用4x4_1000字典（即 4×4 编码，共 1000 种唯一标记）。 -
corners：输出每个标记的 4 个角点（按顺时针顺序：左上 → 右上 → 右下 → 左下）。 -
ids：对应每个标记的唯一 ID。 -
rejectedPoints：被初步识别但最终排除的候选区域。
调试建议：打断点观察
corners和ids，你会发现每个标记确实由 4 个点组成，且 ID 与预期一致。
步骤四：可视化检测结果
using var detectedMarkers = src.Clone();
CvAruco.DrawDetectedMarkers(detectedMarkers, corners, ids, Scalar.Crimson);
在图像上绘制出所有检测到的标记及其 ID，便于验证。
步骤五：提取四个关键角点
var upperLeftIndex = Array.FindIndex(ids, id => id == upperLeftMarkerId);
var upperRightIndex = Array.FindIndex(ids, id => id == upperRightMarkerId);
var lowerRightIndex = Array.FindIndex(ids, id => id == lowerRightMarkerId);
var lowerLeftIndex = Array.FindIndex(ids, id => id == lowerLeftMarkerId);
if (upperLeftIndex < 0 || upperRightIndex < 0 ||
lowerRightIndex < 0 || lowerLeftIndex < 0)
{
// 若任一标记未找到，直接退出
return;
}
// 提取每个标记的特定角点
var upperLeftPixel = corners[upperLeftIndex][0]; // 左上标记的左上角
var upperRightPixel = corners[upperRightIndex][1]; // 右上标记的右上角
var lowerRightPixel = corners[lowerRightIndex][2]; // 右下标记的右下角
var lowerLeftPixel = corners[lowerLeftIndex][3]; // 左下标记的左下角
var sourceCoordinates = new List<Point2f>
{
upperLeftPixel, upperRightPixel, lowerRightPixel, lowerLeftPixel
};
这样就构建了一个由四个 ArUco 标记"外角"组成的四边形区域。
步骤六：定义目标坐标并计算透视变换
var destinationCoordinates = new List<Point2f>
{
new Point2f(0, 0), // 左上
new Point2f(1024, 0), // 右上
new Point2f(1024, 1024), // 右下
new Point2f(0, 1024) // 左下
};
using var transform = Cv2.GetPerspectiveTransform(sourceCoordinates, destinationCoordinates);
GetPerspectiveTransform返回一个 3×3 的变换矩阵，将任意四边形映射为指定矩形。
步骤七：应用透视变换
using var normalizedImage = new Mat();
Cv2.WarpPerspective(src, normalizedImage, transform, new Size(1024, 1024));
最终得到一张 1024×1024 像素的标准正视图，中间区域被完美"拉直"。
总结
通过这个例子，我们完成了：
1、使用 OpenCVSharp 检测 ArUco 标记；
2、根据标记 ID 定位关键角点；
3、构建源与目标坐标对；
4、应用透视变换实现图像校正。
整个过程无需深入理解 ArUco 编码原理或透视几何公式，只需掌握 API 的基本用法即可快速实现功能。这正是 OpenCVSharp 对 .NET 开发的最大价值：让计算机视觉变得触手可及。
下一步建议：尝试更换不同图像、调整字典类型，或结合摄像头实现实时检测！
如需完整可运行代码，请参考官方示例库中的 ArucoDetection 相关样例。
关键词
OpenCVSharp、ArUco标记检测、透视变换、计算机视觉、 图像校正、CvAruco、WarpPerspective、角点检测、预定义字典
最后
如果你觉得这篇文章对你有帮助，不妨点个赞支持一下！你的支持是我继续分享知识的动力。如果有任何疑问或需要进一步的帮助，欢迎随时留言。
也可以加入微信公众号 [DotNet技术匠] 社区，与其他热爱技术的同行一起交流心得，共同成长！
优秀是一种习惯，欢迎大家留言学习！
来源：cnblogs.com/mingupupu/p/19219404
