esXGray开发笔记：基于最小面积矩形的文本倾斜校正（python+opencv）

 

 

import cv2
import numpy as np

# 定义一个函数来校正图像的倾斜
def correct_skew(image):
    # 将图像转换为灰度图像
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    # 使用高斯模糊来减少图像中的噪声
    blur = cv2.GaussianBlur(gray, (9, 9), 0)
    # 使用自适应阈值化将图像转换为二值图像
    thresh = cv2.adaptiveThreshold(blur,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV,11,30)

    # 定义一个结构元素，用于图像的膨胀操作
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
    # 使用膨胀操作来连接断开的边缘
    dilate = cv2.dilate(thresh, kernel, iterations=4)

    # 找到所有非零像素的坐标
    coords = np.column_stack(np.where(dilate > 0))
    # 使用最小面积矩形来计算旋转角度
    angle = cv2.minAreaRect(coords)[-1]

    # 调整角度值
    if angle < -45:
        angle = -(90 + angle)
    else:
        angle = -angle

    # 获取图像的尺寸和中心点
    (h, w) = image.shape[:2]
    center = (w // 2, h // 2)
    # 计算旋转矩阵
    M = cv2.getRotationMatrix2D(center, angle, 1.0)
    # 使用旋转矩阵来旋转图像
    rotated = cv2.warpAffine(image, M, (w, h), flags=cv2.INTER_CUBIC, borderMode=cv2.BORDER_REPLICATE)

    # 返回校正后的图像
    return rotated

# 读取图像
image = cv2.imread('c:/users/eerso/desktop/1.png')
# 检查图像是否正确读取
if image is None:
    print("Could not load image")
    exit(-1)
# 调用函数来校正图像的倾斜
rotated = correct_skew(image)
# 显示原始图像
cv2.imshow('Src', image)
# 显示校正后的图像
cv2.imshow('Rotated', rotated)
# 等待用户按键，然后关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

 

代码已知问题：

1. 背景复杂的图片识别不准确，需要先漂白、裁剪图片或者用其它方式获取主体区域；
2. 长宽比过大的图片可能转正后部分图片超出原区域，实际应用时需要确定一下图片尺寸；
3. 角度确定方法简略，有时会出现多转了90°（横向转成了竖向）。

最终放弃了这种算法，采用了基于直线检测的算法。