图像分割加倾斜校正代码

以下是一个简单的图像分割加倾斜校正的代码示例，使用 Python 和 OpenCV 库实现。

import cv2
import numpy as np

# 读入原始图像
img = cv2.imread('image.png')

# 灰度化处理
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化处理
ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

# 进行形态学操作，去除噪点
kernel = np.ones((3,3), np.uint8)
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=2)

# 找到轮廓
contours, hierarchy = cv2.findContours(opening, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 计算轮廓中心坐标，并将轮廓按照 x 坐标排序
centers = []
for contour in contours:
    M = cv2.moments(contour)
    cx = int(M['m10']/M['m00'])
    cy = int(M['m01']/M['m00'])
    centers.append((cx, cy))
centers.sort()

# 分割图像并进行倾斜校正
for i in range(len(centers)-1):
    img_crop = img[:, centers[i][0]:centers[i+1][0]]
    gray_crop = gray[:, centers[i][0]:centers[i+1][0]]

    # 使用 Hough 变换进行倾斜校正
    edges = cv2.Canny(gray_crop, 50, 150, apertureSize=3)
    lines = cv2.HoughLines(edges, 1, np.pi/180, 100)
    if lines is not None and len(lines) > 0:
        angle = lines[0][0][1] * 180 / np.pi - 90
        img_crop = cv2.rotate(img_crop, cv2.ROTATE_90_CLOCKWISE)
        gray_crop = cv2.rotate(gray_crop, cv2.ROTATE_90_CLOCKWISE)

    # 保存分割后的图像
    cv2.imwrite('img_crop{}.png'.format(i), img_crop)

这段代码将原始图像进行灰度化和二值化处理，使用形态学操作去除噪点，找到轮廓并按照 x 坐标排序。然后将图像分割成多个子图像，并使用 Hough 变换进行倾斜校正。最后保存分割后的图像。