opencv证件图像矫正(霍夫变换)_delphi opencv 霍夫变换 纠偏

思路

1. 使用霍夫变换检测出图像中的直线
2. 计算出所有直线的倾斜角度
3. 然后求出倾斜角度的平均值
4. 根据倾斜角度进行旋转
5. 得到矫正后的图片

注意：并不适合所有场景下的倾斜图片，有的场景下效果并不好

cv.HoughLines()

cv.HoughLines(image, rho, theta, threshold[, lines[, srn[, stn[, min_theta[, max_theta]]]]]) -> lines
1

参数：

• lines：数组，每一个元素都是一条直线对应的(ρ, θ)，ρ以像素为单位，θ以弧度为单位
• image：输入图像，需要是二值图像，所以在应用hough变换之前应用阈值或canny边缘检测
• rho：ρ的精度
• theta：θ的精度
• threshold：阈值，得票数高于该值的线才被认为是线，由于投票数取决于线上的点数，所以它代表了应该被检测到的线的最小点数

效果

原图

检测直线

矫正后

代码

import numpy as np
import cv2
import math
from scipy import ndimage

img = cv2.imread("")
img1 = img.copy()
cv2.imshow("img", img)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 使用Canny边缘检测算法进行边缘检测
edges = cv2.Canny(gray, 50, 150, apertureSize=3)
lines = cv2.HoughLines(edges, 1, np.pi / 180, 110)
# 初始化旋转角度为0
rotate_angle = 0
# 遍历检测到的直线
for rho, theta in lines[0]:
    a = np.cos(theta)
    b = np.sin(theta)
    x0 = a * rho
    y0 = b * rho
    x1 = int(x0 + 1000 * (-b))
    y1 = int(y0 + 1000 * (a))
    x2 = int(x0 - 1000 * (-b))
    y2 = int(y0 - 1000 * (a))
    # 排除垂直或水平的直线
    if x1 == x2 or y1 == y2:
        continue
    # 计算直线的斜率
    t = float(y2 - y1) / (x2 - x1)
    # 根据斜率计算旋转角度
    rotate_angle = math.degrees(math.atan(t))
    # 根据旋转角度进行调整
    if rotate_angle > 45:
        rotate_angle = -90 + rotate_angle
    elif rotate_angle < -45:
        rotate_angle = 90 + rotate_angle

for line in lines:
    rho = line[0][0]
    theta = line[0][1]
    a = np.cos(theta)
    b = np.sin(theta)
    x0 = a * rho
    y0 = b * rho
    x1 = int(x0 + 1000 * (-b))
    y1 = int(y0 + 1000 * (a))
    x2 = int(x0 - 1000 * (-b))
    y2 = int(y0 - 1000 * (a))
    cv2.line(img1, (x1, y1), (x2, y2), (0, 0, 255), 1)
cv2.imshow("lines", img1)
rotate_img = ndimage.rotate(img, rotate_angle)
cv2.imshow("rotate_img", rotate_img)
cv2.waitKey(0)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53