最近我们被客户要求撰写关于图像倾斜校正算法的研究报告。

由Kaizong Ye，Coin Ge撰写

通过采用图像处理技术，可以将数码设备采集到的文字、图片等信息转化成其他信息形势输出，例如转化成音频输出己解决视障患者的视力需求。

可下载资源

但是，由于输入设备或某些其他因素不可避免地使得采集到的文本图像或多或少会出现某种程度的倾斜。因此，倾斜图像校正是当前文本图像研宄领域中十分重要的课题，尤其在数字化、自动化领域。比如，提高OCR(Optical Character Recognition)识别率从而提高文档自动化处理效率，车牌号码自动识别与交通监视，手写体自动识别，名片自动归类等。

理想的情况下，采集的图像是一个与水平方向平行的矩形。由于摄像机拍摄角度、镜头距离等因素造成采集的图像存在一定倾斜，因此需对图像进行倾斜校正，为后续的车牌分割和车牌识别提供良好基础。目前，车牌图像倾斜校正的方法主要有直线检测、投影最值、角点检测和主成分分析等方法。

(1)基于直线检测的倾斜校正方法主要有最小二乘拟合法、Hough变换和Radon变换法，这些方法通过检测车牌边框的直线完成校正，算法简单。

(2)基于投影最值的倾斜校正通过投影法完成校正，抗干扰能力强。

(3)基于角点检测的倾斜校正利用角点特点——可以以最少信息表示事物的主要特征，可以有效地完成车牌倾斜校正。

(4)基于主成分分析的倾斜校正通过分析车牌主要特征完成倾斜校正，可以简化计算量，校正的实时性较好。这4种方法都可以完成车牌倾斜校正，但都对光线明暗敏感。

基于Hough变换的图像倾斜校正算法

利用Hough变换检测的边框，确定边框直线的倾斜角度，根据倾斜角度旋转，获得校正后的图像。具体步骤如下：

图像预处理。读取图像，转换为灰度图像，去除离散噪声点。
利用边缘检测，对图像中的水平线进行强化处理。
基于Hough变换检测车牌图像的边框，获取倾斜角度。
根据倾斜角度，对车牌图像进行倾斜校正。

我们通过matlab解答以下问题：

课程

R语言数据分析挖掘必知必会

从数据获取和清理开始，有目的的进行探索性分析与可视化。让数据从生涩的资料，摇身成为有温度的故事。

立即参加 ➜

当相机倾斜拍照时

建立数学模型，并将A校正。

首先我们读取图像数据，显示原始彩色图像


clc;    % 清除命令窗口。
clearvars;
close all;  % 关闭所有数字（不包括imtool的数字。）
imtool close all;  % Close all imtool figures.
workspace;  % 关闭所有固定工具的数字
fontSize = 20;
format compact;
 
baseFileName = '附件B.jpg';
% 获取完整的文件名，并添加路径
fullFileName = fullfile( baseFileName);
 
rgbImage = imread(fullFileName);
% 获取图像的尺寸。 numberOfColorBands应该为3。
[rows columns numberOfColorBands] = size(rgbImage);
% 显示原始彩色图像
subplot(2, 2, 1);
imshow(rgbImage, []);
title('Original Color Image', 'FontSize', fontSize);

确保它是8位灰度，而不是24位真彩色。通过阈值二值化图像。

% 确保它是8位灰度，而不是24位真彩色。
grayImage = rgb2gray(rgbImage);
% 通过阈值二值化图像。
binaryImage = grayImage > 128;

用连接性标记每个点，因此我们可以对其进行测量提取一个方向

% 用连接性标记每个斑点，因此我们可以对其进行测量


%获取所有blob属性。


%仅提取一个方向

%旋转图像。


% 显示旋转的图像。
subplot(2, 2, 3);
imshow(rotatedImage, []);
title('Rotated Image', 'FontSize', fontSize);