Index 目录索引
写在前面
本文通过一个案例介绍如何使用OpenCV将倾斜的扫描文档图像进行水平矫正。
解决思路
因为扫描图像中的大部分文字倾斜后，同一行文字也在同一条直线，所以可以通过拟合直线来计算文本倾斜角度，接着对这些倾斜角度进行排序，选择其中值作为最终的旋转角度，通过旋转来实现倾斜图像的水平矫正[1](#1)。本文在参考文档的基础上，进行了中值筛选，从而更好地对倾斜图像进行矫正。
废话不多说，直接上代码：
python
import numpy as np
import os
import cv2
import math
from scipy import misc, ndimage
def getMedianAngle(lines):
angles = []
for line in lines:
x1, y1, x2, y2 = line[0]
# 计算直线的斜率
if x1 != x2: # 避免除以零错误
slope = (y2 - y1) / (x2 - x1)
# 计算斜率对应的角度
angle = np.degrees(math.atan(slope))
angles.append(angle)
# 计算角度的中位数
median_angle = np.median(angles)
return median_angle
def rotate(image, angle, center=None, scale=1.0):
(w, h) = image.shape[0:2]
if center is None:
center = (w // 2, h // 2)
wrapMat = cv2.getRotationMatrix2D(center, angle, scale)
return cv2.warpAffine(image, wrapMat, (h, w))
# 使用霍夫变换
def getCorrect2():
# 读取图片，灰度化
src = cv2.imread('./text_correct/640.png')
showAndWaitKey("src", src)
gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
showAndWaitKey("gray", gray)
# 腐蚀、膨胀
kernel = np.ones((5, 5), np.uint8)
erode_Img = cv2.erode(gray, kernel)
eroDil = cv2.dilate(erode_Img, kernel)
showAndWaitKey("eroDil", eroDil)
# 边缘检测
canny = cv2.Canny(eroDil, 50, 150)
showAndWaitKey("canny", canny)
# 霍夫变换得到线条
lines = cv2.HoughLinesP(canny, 0.8, np.pi / 180, 90, minLineLength=100, maxLineGap=10)
# 求得拟合图像倾斜角度的中位数
median_angle = getMedianAngle(lines)
print("Median Angle:", median_angle)
drawing = np.zeros(src.shape[:], dtype=np.uint8)
# 画出线条
for line in lines:
x1, y1, x2, y2 = line[0]
cv2.line(drawing, (x1, y1), (x2, y2), (0, 255, 0), 1, lineType=cv2.LINE_AA)
showAndWaitKey("houghP", drawing)
"""
旋转角度大于0，则逆时针旋转，否则顺时针旋转
"""
rotateImg = rotate(src, median_angle)
cv2.imshow("rotateImg", rotateImg)
cv2.waitKey()
cv2.destroyAllWindows()
cv2.imwrite('./text_correct/result.jpg', rotateImg)
def showAndWaitKey(winName, img):
cv2.imshow(winName, img)
cv2.waitKey()
if __name__ == "__main__":
getCorrect2()原图和结果图分别如下：
原图
矫正后的图像
如果我的这篇文章帮助到了你，那我也会感到很高兴，一个人能走多远，在于与谁同行。