opencv+python 巧用霍夫变换实现图片旋转角度计算

图片角度不对，须要作校订，校订后ocr识别准确率更高，网上找了一圈，暂时没发现怎么计算图片旋转角度的资料。

首先就是查找怎么作图片旋转，找到2篇文章，4 Point OpenCV getPerspective Transform Example 和 使用 OpenCV 和 Python 对图片进行旋转。第一篇的方法，是先要肯定4个角的顶点，要是能肯定就轻松多了，放弃。第二篇的方法，就是须要传入旋转角度。

以后就是想怎么计算须要旋转的角度。调查过程当中，发现了霍夫变换这个东西，抓住了一点点灵感，灵机一动。这个东西不是能够画一堆的线，有了线，角度很好算，三角函数，tan(角度)=高/长，弧度=角度*180/π。以后继续调查，HoughLines获得的是线的长度和弧度，HoughLinesP获得的是2个点的坐标，因而选定了HoughLines这个方法。

作霍夫变换，模糊这一步的操做是颇有必要的，没作模糊，少的都要检测出1900多组的数据，通过必定模糊以后，获得的数据就少多了。那么怎么在检测出来的线里，获取咱们须要的角度？须要处理的图是矩形（长方形）的，虽然有一些干扰，最后角度计算对了，仍是能调整成比较平整的矩形的。获取到的直线有几十组，通过一些样例图片测试，不能取第一条线，也不能取最后一条线，怎么设计比较好？

把数据按区间分组。这里分组的算法是本身想的，没啥理论依据，就是拍脑壳决定了（数学不够好）。思路：按照弧度分组，0-45, 45-90, 90-135,135-180。为啥只到180？由于屡次测试没看到大于180的数据，没看霍夫变换具体的算法，暂时就这么用了。分组以后，怎么选出一个须要的弧度？利用方差，算出分组里方差最小的一组数据，取平均值。以后就用这个平均值当作旋转弧度，有了弧度，第二篇帖子里的旋转参数稍微改一下，传入弧度就能够了。最后一个小细节问题，获得不一样的旋转弧度，怎么旋转才是符合咱们实际须要的，好比图片是垂直的，怎么转平了，这个的解决办法都是用经验转换，不必定通用，能够根据实际须要再调整。下面上代码，就不贴图了。

# -*- coding: utf-8 -*-
import cv2
import numpy as np
from matplotlib import pyplot as plt
import math

def rotate_about_center2(src, radian, scale=1.):
    #入参：弧度
    w = src.shape[1]
    h = src.shape[0]
    angle = radian * 180 / np.pi
    # now calculate new image width and height
    nw = (abs(np.sin(radian)*h) + abs(np.cos(radian)*w))*scale
    nh = (abs(np.cos(radian)*h) + abs(np.sin(radian)*w))*scale
    # ask OpenCV for the rotation matrix
    rot_mat = cv2.getRotationMatrix2D((nw*0.5, nh*0.5), angle, scale)
    # calculate the move from the old center to the new center combined
    # with the rotation
    rot_move = np.dot(rot_mat, np.array([(nw-w)*0.5, (nh-h)*0.5,0]))
    # the move only affects the translation, so update the translation
    # part of the transform
    rot_mat[0,2] += rot_move[0]
    rot_mat[1,2] += rot_move[1]
    return cv2.warpAffine(src, rot_mat, (int(math.ceil(nw)), int(math.ceil(nh))), flags=cv2.INTER_LANCZOS4)

def get_group(arr):
    #按照4个弧度区间分组，返回不为空的分组数据
    radian_45 = np.pi/4
    radian_90 = np.pi/2
    radian_135 = radian_45 * 3
    radian_180 = np.pi
    ret_arr = [[],[],[],[]]
    for i in range(len(arr)):
        if arr[i] < radian_45:
            ret_arr[0].append(arr[i])
        elif arr[i] < radian_90:
            ret_arr[1].append(arr[i])
        elif arr[i] < radian_135:
            ret_arr[2].append(arr[i])
        else:
            ret_arr[3].append(arr[i])
            
    while [] in ret_arr:
        ret_arr.remove([])
    
    #print ret_arr
    return ret_arr
    
def get_min_var_avg(arr):
    #按照不一样弧度区间分组，返回方差最小的一个分组的弧度平均值
    group_arr = get_group(arr)
    var_arr = []
    if len(group_arr) <= 1:
        var_arr = group_arr
    else:
        var_arr = [np.var(group_arr[i]) for i in range(len(group_arr))]
    min_var = 10000
    min_i = 0
    for i in range(len(var_arr)):
        if var_arr[i] < min_var:
            min_var = var_arr[i]
            min_i = i
    #print min_var, i
    avg = np.mean(group_arr[min_i])
    return avg

def get_rotate_radian(radian, reverse = False):
    #旋转弧度转换
    radian_45 = np.pi/4
    radian_90 = np.pi/2
    radian_135 = radian_45 * 3
    radian_180 = np.pi
    ret_radian = 0
    if radian < radian_45:
        ret_radian = radian
    elif radian < radian_90:
        ret_radian = radian - radian_90
    elif radian < radian_135:
        ret_radian = radian - radian_90
    else:
        ret_radian = radian - radian_180
        
    if reverse:
        ret_radian += radian_90
    print ret_radian
    return ret_radiana

def rotate():
    image = cv2.imread("pic/test012.jpg", 0)
    
    print image.shape
    
    #高斯模糊
    blur = cv2.GaussianBlur(image,(7,7),0)#本身调整，经验数据
    cv2.imshow('image',blur)
    cv2.waitKey(0)
    #Canny边缘检测
    canny = cv2.Canny(blur, 20, 150, 3)
    lines = cv2.HoughLines(canny, 1, np.pi/180, 118)#本身调整，经验数据
    
    #求平均弧度
    l = len(lines[0])
    print l
    
    theta_arr = [lines[0][i][1] for i in range(l)]
    print theta_arr
    rotate_theta = get_min_var_avg(theta_arr)
    print rotate_theta
    
    #print lines

    '''for line in lines[0]:
        rho = line[0]
        theta = line[1]
        
        a = np.cos(theta)
        b = np.sin(theta)
        x0 = a*rho
        y0 = b*rho
        cv2.line(image, (int(x0 - 1000*b), int(y0 + 1000*a)), (int(x0 + 1000*b), int(y0 - 1000*a)), (0,255,0), 2)
        #cv2.imshow('image',image)
        #cv2.waitKey(0)'''
    
    img2 = rotate_about_center2(image, get_rotate_radian(rotate_theta, image.shape[0] > image.shape[1])) # hight > width

    plt.imshow(img2)
    plt.show()

if __name__ == '__main__':
    rotate()

有段注释的代码，是用来画霍夫线的，代码参考 Hough Line Transform 。

后续的实验过程当中，图片旋转的结果，基本都能旋转平整了，只有小部分的图片偏转的几度，以后再考虑如何去掉这种干扰。

完。