### OpenCV实现图像倾斜校正的处理方法 在图像处理领域，调整图像角度以使其放正是一个常见的任务。以下是一个完整的解决方案，结合了提供的引用内容[^1]、[^2]和[^3]。 首先，定义一个`deskew`函数用于图像倾斜校正。该函数的主要步骤包括： 1. **图像预处理**：将输入图像转换为灰度图像，并应用高斯滤波器进行平滑处理。这一步可以减少噪声对后续边缘检测的影响。 ```python import cv2 import numpy as np def deskew(image): gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) blurred = cv2.GaussianBlur(gray, (5, 5), 0) ``` 2. **边缘检测**：使用Canny算子检测图像中的边缘信息。这是校正的基础步骤，能够有效地提取出图片中的主要边缘信息[^2]。 ```python edges = cv2.Canny(blurred, 50, 150, apertureSize=3) ``` 3. **直线检测**：应用霍夫变换检测图像中的直线段。这些直线是确定图片倾斜程度的关键[^2]。 ```python lines = cv2.HoughLinesP(edges, 1, np.pi / 180, threshold=100, minLineLength=100, maxLineGap=10) ``` 4. **角度计算**：对检测到的直线段进行处理，计算每条直线的倾斜角度，并取所有角度的中位数作为图像的倾斜角度估计值[^1]。 ```python angles = [] if lines is not None: for line in lines: x1, y1, x2, y2 = line[0] angle = np.arctan2(y2 - y1, x2 - x1) * 180 / np.pi angles.append(angle) median_angle = np.median(angles) ``` 5. **图像旋转**：根据计算出的倾斜角度，生成旋转变换矩阵，并使用`cv2.warpAffine`函数应用旋转变换，得到校正后的图像[^3]。 ```python (h, w) = image.shape[:2] center = (w // 2, h // 2) rotation_matrix = cv2.getRotationMatrix2D(center, median_angle, 1.0) rotated_image = cv2.warpAffine(image, rotation_matrix, (w, h)) return rotated_image ``` 6. **保存结果**：最后，将校正后的图像保存到磁盘。 ```python cv2.imwrite('corrected_image.jpg', rotated_image) ``` 通过上述步骤，可以实现图像的倾斜校正，使图像放正。 ### 注意事项 - 在实际应用中，可能需要根据具体场景调整Canny算子的参数以及霍夫变换的阈值等参数。 - 如果图像中存在较多噪声或复杂背景，可能需要进一步优化预处理步骤，例如增加形态学操作以增强边缘效果[^2]。