项目地址：https://github.com/AkanthaWang/PPT-auto-Crorrector

你是否也遇到过这些场景？

• 听讲座时拍了一堆 PPT 照片，但角度歪、有阴影、看不清。
• 回去整理时发现照片杂乱无章，根本没法当课件用。
• 想转成 PDF 存档，但每张图都歪歪扭扭，强迫症崩溃。

今天，我开源了一个小工具：PPT-auto-Corrector，它能：

✨ 自动识别 → 透视矫正 → 尺寸标准化 → 批量输出 → 合并 PDF
一键将你手机里拍糊的 PPT 照片，变成规整、清晰、可播放的幻灯片！

---

🎯 项目目标

输入：一张从教室/会议室拍摄的 PPT 照片（倾斜、畸变、带黑板框）
输出：一张 1920×1080 的标准幻灯片图像，可直接用于播放、存档或转视频。

无需手动框选、无需 Photoshop，全程自动化。

---

🖼️ 效果对比

📷 拍摄原图（矫正前）	📐 矫正结果（标准幻灯片）

✅ 自动识别 PPT 区域
✅ 消除透视畸变
✅ 输出统一尺寸（默认 1920×1080）
✅ 支持批量处理

---

🔧 核心技术：SAM + OpenCV

这个项目的核心思路是：

1. 用 AI 找出 PPT 在照片中的位置
2. 用图像变换“拉直”它

1. 使用 Segment Anything Model (SAM) 智能分割

传统方法依赖边缘检测（如 Canny），但在复杂背景、模糊照片中效果很差。

我采用了 Facebook 开源的 Segment Anything Model (SAM)，它能：

• 无需标注，自动分割图像中所有显著区域
• 精准识别出“最像 PPT”的矩形区域（最大 + 接近 16:9）

这样即使照片里有黑板框、投影边框、阴影，也能准确锁定 PPT 内容。

2. OpenCV 透视变换 + 尺寸标准化

找到四个角点后，使用 OpenCV 的 cv2.getPerspectiveTransform 进行透视矫正，并将结果统一缩放到 1920×1080，确保输出一致。

M = cv2.getPerspectiveTransform(src_points, dst_points)
corrected = cv2.warpPerspective(image, M, (1920, 1080))

---

🚀 如何使用？

1. 克隆项目

git clone https://github.com/AkanthaWang/PPT-auto-Crorrector.git
cd PPT-auto-Crorrector

2. 安装依赖

pip install opencv-python numpy torch torchvision
pip install segment_anything
pip install natsort

3. 下载 SAM 模型

wget https://dl.fbaipublicfiles.com/segment_anything/sam_vit_h_4b8939.pth

4. 放入照片

将拍摄的 PPT 照片（.jpg）放入 input_dir 文件夹。

5. 运行脚本

python ppt_auto_corrector.py

结果保存在 corrected_ppt/ 文件夹中。

6. （可选）合并为 PDF

python image_to_pdf.py

生成 ppt_slides.pdf，适合归档与分享。

---

📦 功能亮点

• ✅ 自动检测 PPT 区域：基于 SAM，无需手动框选
• ✅ 透视矫正：消除拍摄角度带来的畸变
• ✅ 批量处理：支持文件夹内多图自动处理
• ✅ 智能排序：支持按文件大小或文件名自然排序（适合时间序列）
• ✅ 输出标准化：统一为 1920×1080 或自定义尺寸
• ✅ 鲁棒性强：对模糊、阴影、低光有一定容忍度

---

📷 适用场景

场景	价值
教学讲座	把手机拍的板书/PPT 变成电子课件
会议记录	快速归档投影内容，无需手动整理
学术报告	拍照 → 矫正 → PDF，一键生成笔记素材
远程学习	帮助视障或坐后排的同学“还原”清晰画面

---

📦 项目结构

PPT-auto-Crorrector/
├── ppt_auto_corrector.py    # 主脚本：PPT 矫正
├── image_to_pdf.py          # 图像合并为 PDF
├── input_dir/               # 输入原始照片
├── corrected_ppt/           # 输出矫正后图像
├── image/                   # 示例图片
├── sam_vit_h_4b8939.pth     # SAM 模型权重（需自行下载）
├── requirements.txt
└── README.md