Код, который я создал для обнаружения и исправления перекоса, дает противоречивые результаты. В настоящее время я работаю над проектом, в котором используется извлечение текста OCR на изображениях (через Python и OpenCV), поэтому удаление перекоса является ключевым, если требуются точные результаты. Мой код использует cv2.minAreaRect для обнаружения перекоса.
Изображения, которые я использую, все идентичны (и будут в будущем), поэтому я не уверен, что вызывает эти несоответствия. Я включил два набора изображений до и после (включая значение перекоса из cv2.minAreaRect), где я применил свой код, один показывает успешное удаление перекоса и показывает, что перекос не был удален (похоже, он добавил еще больше перекоса).
Изображение 1 до (-87.88721466064453) 
Изображение 1 после (успешное выравнивание) 
Изображение 2 до (-5.766754150390625) 
Изображение 2 после (неудачное выравнивание) 
Мой код ниже. Примечание. Я работал с гораздо большим количеством изображений, чем те, которые я включил сюда. Обнаруженный перекос до сих пор всегда находился в диапазонах [-10, 0) или (-90, -80], поэтому я попытался учесть это в своем коде.
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img_gray = cv2.bitwise_not(img_gray)
thresh = cv2.threshold(img_gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
coords = np.column_stack(np.where(thresh > 0))
angle = cv2.minAreaRect(coords)[-1]
if (angle < 0 and angle >= -10):
angle = -angle #this was intended to undo skew for values in [-10, 0) by simply rotating using the opposite sign
else:
angle = (90 + angle)/2
(h, w) = img.shape[:2]
center = (w // 2, h // 2)
M = cv2.getRotationMatrix2D(center, angle, 1.0)
deskewed = cv2.warpAffine(img, M, (w, h), flags = cv2.INTER_CUBIC, borderMode = cv2.BORDER_REPLICATE)
Я просмотрел различные сообщения и статьи, чтобы найти адекватное решение, но безуспешно. Этот пост был наиболее полезным для понимания значений перекоса, но даже тогда я не смог далеко продвинуться.
