图像识别倾斜矫正python

### Python 实现图像识别中的倾斜矫正方法 在 Python 中实现图像的倾斜矫正通常依赖于 OpenCV 和 NumPy 库。这些工具提供了丰富的函数来处理图像几何变换，例如旋转、缩放和平移。 #### 使用 OpenCV 进行图像倾斜矫正的核心原理 核心思想是检测图像中文本或其他特征的角度偏差，并基于此角度应用仿射变换以校正图像。具体来说，`cv2.minAreaRect()` 函数可以用于找到文本区域的最小外接矩形并计算其旋转角度[^1]。随后利用 `cv2.getRotationMatrix2D()` 或者直接使用 `cv2.warpAffine()` 来完成实际的旋转操作[^2]。 以下是完整的代码示例： ```python import cv2 import numpy as np from matplotlib import pyplot as plt def correct_skew(image_path): # 加载图片 image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE) # 边缘检测 edges = cv2.Canny(image, 50, 150, apertureSize=3) # Hough线检测寻找直线 lines = cv2.HoughLinesP(edges, rho=1, theta=np.pi/180, threshold=100, minLineLength=100, maxLineGap=10) angles = [] if lines is not None: for line in lines: x1, y1, x2, y2 = line[0] angle = np.arctan2(y2-y1, x2-x1) * (180 / np.pi) angles.append(angle) median_angle = np.median(angles) # 计算旋转矩阵 (h, w) = image.shape[:2] center = (w // 2, h // 2) rotation_matrix = cv2.getRotationMatrix2D(center, median_angle, scale=1.0) # 执行仿射变换 rotated_image = cv2.warpAffine(image, rotation_matrix, (w, h), borderValue=(255, 255, 255)) return rotated_image if __name__ == "__main__": corrected_img = correct_skew('path_to_your_image.jpg') plt.imshow(corrected_img, cmap='gray'), plt.title("Corrected Image"), plt.show() ``` 这段程序首先加载灰度图并通过 Canny 边缘检测算法提取边缘信息。接着运用霍夫变换（Hough Transform）找出可能存在的线条及其方向角，最后依据中间值调整整个画面至水平状态[^1]。 #### 关键点解释 - **Canny Edge Detection**: 提取图像边界有助于后续分析哪些部分可能是文字或者重要对象所在之处。 - **Hough Lines P Transformation**: 此步骤旨在发现潜在的直线条目从而估计整体偏转情况。 - **Median Filtering on Angles**: 对收集到的所有角度做中位数过滤减少异常数据干扰最终结果准确性。 - **Warp Affine Operation**: 完成指定程度上的平面转换达到纠正目的。 ### 注意事项 确保输入的是高质量清晰的照片以便获得更精确的结果；如果遇到复杂背景下的文档扫描件，则需考虑额外预处理手段比如二值化等提升效果。