### Python 实现图像倾斜校正 为了实现图像的倾斜校正，可以利用 OpenCV 和 NumPy 库来完成这一任务。以下是基于提供的引用内容以及专业知识整理的一个完整的解决方案。 #### 使用 Hough 变换检测直线并计算角度 Hough 变换是一种用于检测图像中直线的技术。通过找到最长的一条或多条线段，并计算其倾角，我们可以得到整个图像需要旋转的角度[^3]。 ```python import cv2 import numpy as np import math def correct_skew(image, delta=1, limit=5): def determine_angle(contour): # 计算最小外接矩形 rect = cv2.minAreaRect(contour) angle = rect[-1] if angle < -45: angle += 90 return -angle gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) edges = cv2.Canny(gray, threshold1=30, threshold2=100) contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) angles = [] for contour in contours: if len(contour) > 50: # 过滤掉较小的轮廓 angles.append(determine_angle(contour)) median_angle = np.median(angles) rotated_image = rotate_image(image, median_angle) return rotated_image def rotate_image(image, angle): (h, w) = image.shape[:2] center = (w // 2, h // 2) M = cv2.getRotationMatrix2D(center, angle, scale=1.0) rotated = cv2.warpAffine(image, M, (w, h), flags=cv2.INTER_CUBIC, borderMode=cv2.BORDER_REPLICATE) return rotated ``` 上述代码实现了以下功能： - **边缘检测**：使用 Canny 边缘检测算法提取图像中的显著特征。 - **轮廓查找**：通过 `cv2.findContours` 找到可能代表文字区域的边界框。 - **角度计算**：对于每个轮廓，调用 `determine_angle` 函数获取其相对于水平方向的角度偏差。 - **旋转修正**：最终根据中位数角度对整张图片进行旋转修正[^4]。 #### 调整后的流程说明 如果输入图像是二值化的，则可以直接跳过灰度转换部分；如果是彩色图像则需先转成灰度模式再执行后续步骤。此外还可以加入更多预处理手段比如高斯模糊去除噪声干扰等提升效果稳定性。 #### 注意事项 当遇到复杂背景或者多方向排列的文字时，单纯依赖单一方法可能会失败。因此建议结合多种策略综合判断最佳矫正角度[^2]。 --- ### 示例应用 假设我们有一张带有轻微偏移的照片如下：  运行以上脚本后即可获得接近理想的输出结果: