### MATLAB 和 Python 的图像倾斜校正算法实现 #### MATLAB 实现代码 以下是基于 MATLAB 的图像倾斜校正算法实现： ```matlab % 读取输入图像 rgbImage = imread('input_image.jpg'); % 转换为灰度图像 grayImage = rgb2gray(rgbImage); % 阈值二值化 binaryImage = imbinarize(grayImage); % 计算边缘 edgeImage = edge(binaryImage, 'canny'); % 使用 Hough 变换检测直线并计算角度 [H, theta, rho] = hough(edgeImage); peaks = houghpeaks(H, 5); % 找到最显著的 5 条线 lines = houghlines(edgeImage, theta, rho, peaks); % 提取主要倾斜角度 angles = []; for k = 1:length(lines) angle = lines(k).theta; angles = [angles, angle]; end median_angle = median(angles); % 获取中位数作为最终倾斜角度 % 校正图像 rotatedImage = imrotate(rgbImage, -median_angle, 'crop'); % 显示结果 figure; subplot(1, 2, 1), imshow(rgbImage), title('Original Image'); subplot(1, 2, 2), imshow(rotatedImage), title('Corrected Image'); ``` 此代码实现了从加载图像到倾斜校正的过程，其中利用了 Canny 边缘检测和霍夫变换来估计图像的主要倾斜角度[^1]。 --- #### Python 实现代码 以下是基于 Python (OpenCV 和 NumPy 库) 的图像倾斜校正算法实现： ```python import cv2 import numpy as np from matplotlib import pyplot as plt # 加载图像 image = cv2.imread('input_image.jpg') gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 进行边缘检测 edges = cv2.Canny(gray, 50, 150, apertureSize=3) # 使用霍夫变换检测线条 lines = cv2.HoughLines(edges, 1, np.pi / 180, threshold=150) angle_list = [] if lines is not None: for line in lines: for r_theta in line: r, theta = r_theta a = np.cos(theta) b = np.sin(theta) x0 = a * r y0 = b * r x1 = int(x0 + 1000 * (-b)) y1 = int(y0 + 1000 * (a)) x2 = int(x0 - 1000 * (-b)) y2 = int(y0 - 1000 * (a)) # 绘制检测到的线 cv2.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2) # 计算每条线的角度 angle = np.degrees(np.arctan2(y2 - y1, x2 - x1)) angle_list.append(angle) # 计算平均角度 median_angle = np.median(angle_list) # 倾斜校正 (h, w) = image.shape[:2] center = (w // 2, h // 2) M = cv2.getRotationMatrix2D(center, median_angle, 1.0) rotated = cv2.warpAffine(image, M, (w, h), flags=cv2.INTER_CUBIC, borderMode=cv2.BORDER_REPLICATE) # 展示原始图和校正后的图 plt.figure(figsize=(10, 5)) plt.subplot(1, 2, 1), plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB)), plt.title('Original Image'), plt.axis('off') plt.subplot(1, 2, 2), plt.imshow(cv2.cvtColor(rotated, cv2.COLOR_BGR2RGB)), plt.title('Corrected Image'), plt.axis('off') plt.show() ``` 这段代码同样采用了 Canny 边缘检测以及霍夫变换的方法来估算图像中的主要倾斜角度，并通过 OpenCV 对图像进行了旋转校正[^2]。 --- #### 关键技术点解析 1. **灰度转换**: 将 RGB 图像转为灰度图像是为了减少数据冗余，便于后续处理。 2. **边缘检测**: 利用 Canny 或 Sobel 等方法可以有效提取图像中的边界信息。 3. **霍夫变换**: 此方法用于检测图像中的直线，从而推导出整体倾斜角度。 4. **图像旋转**: 根据计算得出的倾斜角度调整图像姿态，完成校正操作。 以上两种实现均依赖于经典的图像处理技术和成熟的库函数支持，能够高效解决大多数实际应用场景下的需求[^3]。