OpenCV文字识别（二）：使用Python（直线检测法）对图像进行倾斜校正

OpenCV 文字识别（一）：图像预处理

       上一篇的博客中我使用了C++对印刷体汉字进行了预处理，但因为文字识别模型是基于TensorFlow的，C++调用python代码繁杂且容易出错，所以试着用Python代码写整个项目。

总体思路不变：获取直线-->间接获取角度-->旋转

测试代码：

#! /usr/bin/env python
# -*- coding: utf-8 -*-
import cv2
import numpy as np


# 完成灰度化，二值化
def two_value(img_raw):
    img_gray = cv2.cvtColor(img_raw, cv2.COLOR_BGR2GRAY)      # 灰度化
    ret, img_two = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)     # 二值化
    return img_two


# 旋转函数
def rotate(img_rotate_raw, angle):
    (h, w) = img_rotate_raw.shape[:2]
    (cx, cy) = (w//2, h//2)
    m = cv2.getRotationMatrix2D((cx, cy), angle, 1.0)  # 计算二维旋转的仿射变换矩阵
    return cv2.warpAffine(img_rotate_raw, m, (w, h), borderValue=(0, 0, 0))


# 霍夫直线检测
def get_angle(img_hou_raw):
    sum_theta = 0
    img_canny = cv2.Canny(img_hou_raw, 50, 200, 3)
    lines = cv2.HoughLines(img_canny, 1, np.pi/180, 300, 0, 0)
    # lines 是三维的
    for i in range(lines.shape[0]):
        theta = lines[i][0][1]
        sum_theta += theta
    average = sum_theta / lines.shape[0]
    angle = average/np.pi*180 - 90
    return angle


def correct(img_cor_raw):
    img_two = two_value(img_cor_raw)
    angle = get_angle(img_two)
    if angle == -1:
        print("No lines!!!")
        return 0
    return rotate(img_two, angle)


if __name__ == "__main__":
    img = cv2.imread("D:/pycharm/Word_Lib/xie.jpg")
    cv2.imshow("raw", img)
    img_rot2 = correct(img)
    cv2.imshow("last", img_rot2)
    cv2.waitKey()

测试效果（✔）

唯一的问题在于改写原先 lines = cv2.HoughLines(img_canny, 1, np.pi/180, 300, 0, 0)这段代码时，无法使用依次判断，因为最初的默认值得类型是NoneType,而之后则是一个三维数组，会产生矛盾。但因为汉字文本直线清晰，故我选择了较小的阈值：100。

 

 

 

总结：

1.python和C++很大一点不同便是python没有指针，所以一些函数调用的时候要注意返回值，而C++中返回（输出）值写于函数中。

2.python矩阵在概念上要着重理解。写代码时踩了很多坑。

3.pycharm这个IDE很强大，一些语法上的不规范便有各色波浪线，强迫症福利。