圖像傾斜矯正的方式有很多種，今天簡單介紹一種基于直線檢查的傾斜校正。
這種方法暫時在如下圖的文本檔案上測試過，不一定能針對所有：
首先，因為這種圖像基本是比較常見的白底黑字,是以首先對這幅圖做一個灰階化，灰階化之後做一個二值化，得到二值圖像：
二值化之後，将X軸方向的的像素點連起來，這裡我采用的是形态學的膨脹，因為我做二值化的時候采用了取反的操作，這裡可以考慮不取反，但是要用腐蝕來做，這裡有個技巧，因為是要對X軸來做連接配接，是以可以在構造形态學核上将Y軸設定為1：
做了連接配接後可以使用canny邊緣檢測做一遍邊緣檢測，然後再做霍夫變化：
從上圖可以看出來基本上畫出來的直線方向跟文字的走向的一緻的，然後根據霍夫變換得到的角度來求平均值，這個平均值就是圖像要旋轉的角度。
上代碼：
#include <opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
void GetContoursPic(const char* pSrcFileName)
{
Mat srcImg = imread(pSrcFileName);
imshow("原始圖", srcImg);
Mat gray, binImg;
//灰階化
cvtColor(srcImg, gray, COLOR_RGB2GRAY);
imshow("灰階圖", gray);
//二值化
threshold(gray, binImg, 50, 255, CV_THRESH_BINARY_INV );
imshow("二值化", binImg);
Mat morphologyDst;
cv::morphologyEx(binImg, morphologyDst, cv::MORPH_DILATE,
cv::getStructuringElement(cv::MORPH_RECT, cv::Size(7, 1)));
imshow("膨脹", morphologyDst);
Mat cannyDst;
Canny(morphologyDst, cannyDst, 150, 200);
imshow("Canny", cannyDst);
vector<Vec2f> lines;
HoughLines(cannyDst, lines, 1, CV_PI / 180, 130, 0, 0);
Mat houghDst;
srcImg.copyTo(houghDst);
double meanAngle = 0.0;
int numCnt = 0;
for (size_t i = 0; i < lines.size(); i++)
{
float rho = lines[i][0]; //就是圓的半徑r
float theta = lines[i][1]; //就是直線的角度
Point pt1, pt2;
double a = cos(theta), b = sin(theta);
double x0 = a*rho, y0 = b*rho;
pt1.x = cvRound(x0 + 1000 * (-b));
pt1.y = cvRound(y0 + 1000 * (a));
pt2.x = cvRound(x0 - 1000 * (-b));
pt2.y = cvRound(y0 - 1000 * (a));
line(houghDst, pt1, pt2, Scalar(55, 100, 195), 1);
theta = theta * 180 / CV_PI - 90;
//if (theta > -45 && theta < 45)
{
meanAngle += theta;
numCnt++;
}
}
meanAngle /= numCnt;
imshow("霍夫變換", houghDst);
cv::Point2f center(srcImg.cols / 2., srcImg.rows / 2.);
//擷取旋轉矩陣（2x3矩陣）
cv::Mat rot_mat = cv::getRotationMatrix2D(center, meanAngle, 1.0);
cv::Size dst_sz(srcImg.cols, srcImg.rows);
Mat warpDst;
cv::warpAffine(srcImg, warpDst, rot_mat, dst_sz);
imshow("旋轉矯正", warpDst);
cv::waitKey(0);
}
結果如下：
這個方法有幾個重要的影響點：
1、二值化：二值化的門檻值選得不好的話結果是不能将前景和背景分離，我試過用OTSU，出來的二值化不是很好，然後檢測直線的時候就有一點不太準确，但是基本上也能檢測出來：
2、如果是白底黑字，就用腐蝕，反之有膨脹來做；
3、邊緣檢測也很重要，可想而知，不做邊緣檢測再來做霍夫變換，那得有多少條直線，直接備援不說，還非常容易幹擾檢測。
4、另外，對于一些高度大于寬度的圖像，其實可以采用分段檢測求平均，以保證每一段的高度小于寬度，因為我的檢測主要以X軸為主。
路漫漫其修遠兮
吾将上下而求索