纸质文档图像旋转矫正裁边

### 纸质文档图像的旋转校正与裁剪处理

#### 使用OpenCV实现文档图像预处理

对于纸质文档扫描过程中产生的倾斜问题，可以通过计算机视觉技术来解决。具体来说，使用OpenCV库能够有效地完成图像的旋转校正和裁剪操作。

为了提高OCR识别准确性并改善最终输出效果，通常采用以下两种常见方法之一来进行文本纠偏[^1]：

- **霍夫变换直线检测法**：该方法适用于具有明显边缘特征（如表格线）的文档图片。通过对原始灰度图应用Canny算子提取轮廓后执行HoughLinesP函数寻找最外侧两条平行边框作为参考基准；计算这两条边界之间的夹角即为所需纠正的角度。

- **投影分布统计法**：当待处理对象缺乏显著几何结构时，则考虑利用字符间空隙形成的暗带特性——沿水平方向累加像素强度值得到直方图曲线峰值所对应的位置往往指示着各行文字起始处。据此推断整体歪斜程度进而实施逆向补偿措施。

在实际编程实践中，推荐先尝试前者因为其实现较为直观可靠且效率较高。下面给出一段完整的Python代码片段用于演示如何运用上述原理自动调整输入影像姿态并截取有效区域范围内的内容部分[^4]：

import cv2
import numpy as np


def correct_skew(image, delta=1, limit=5):
    """Correct skew of an image using Hough Line Transform."""
    
    def determine_angle(lines):
        angles = []
        
        for [[x1,y1,x2,y2]] in lines:
            angle = np.arctan2(y2-y1, x2-x1)*180/np.pi
            
            if abs(angle)<limit or (abs(angle)-90)<delta:
                continue
                
            angles.append(angle)

        median_angle = np.median(angles)
        return float(median_angle)


    gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
    edges = cv2.Canny(gray, 50, 150, apertureSize=3)
    lines = cv2.HoughLinesP(edges,rho=1,theta=np.pi / 180,minLineLength=100,maxLineGap=10)

    try:
        rotation_angle = determine_angle(lines)
        rotated_image = rotate_bound(image,-rotation_angle)
        return rotated_image
    
    except Exception as e:
        print(f"Error occurred during processing: {str(e)}")
        return None
    

def rotate_bound(image,angle):
    height,width=image.shape[:2]
    center=(width//2,height//2)

    M=cv2.getRotationMatrix2D(center=center,angle=-angle,scale=1.)
    cos=np.abs(M[0][0])
    sin=np.abs(M[0][1])

    new_width=int((height*sin)+(width*cos))
    new_height=int((height*cos)+(width*sin))

    M[0][2]+=(new_width/2)-center[0]
    M[1][2]+=(new_height/2)-center[1]

    result=cv2.warpAffine(
        src=image,
        M=M,
        dsize=(new_width,new_height),
        flags=cv2.INTER_CUBIC,
        borderMode=cv2.BORDER_CONSTANT,
        borderValue=(255,255,255)
    )

    return result


# Load sample document image here.
img_path='path_to_your_document.jpg'
original_img=cv2.imread(img_path)

corrected_img=correct_skew(original_img)

if corrected_img is not None:
    # Perform cropping after correction...
    pass
else:
    print('Failed to perform corrections.')

此脚本首先加载了一张示例性的文档照片，接着调用了`correct_skew()` 函数对其进行去倾处理。如果成功获得了矫正后的版本，则可以根据需求继续执行后续诸如裁切之类的编辑动作。