Image processing 检测文本方向

如何检测图像中的文本方向

方向是否颠倒（180度）无关紧要。。但是如果文本线是垂直的（90度或270度），我需要将其旋转90度

我希望在没有OCR的情况下这是可能的，因为在同一图像的4个不同方向上处理OCR需要太多的资源

原因是我在数码相机或智能手机的图像上使用scantailor，如果文本方向为90度或270度，有时图像会被裁剪，文本会丢失

您可以使用检测图像中最长的线条，然后找到这些线条的主要坡度。如果坡度接近零，则文本是水平的；如果接近无穷大，则文本是垂直的

您没有提到是否使用库来实现这一点，但在OpenCV中您可以使用。我在以下网站上找到的图像上使用了此选项：

要获取此图像，请执行以下操作：

然后我旋转原始图像：

要获得此信息：

因为您只对水平或垂直感兴趣，所以只需测试直线端点的x坐标差是否接近零（垂直）或y坐标差是否接近零（水平）

建议的解决方案（Hough变换）很好（我对它投了更高的票），但它可能会占用大量CPU。 下面是一个快速解决方案：

只需计算一个水平投影（每个像素行中像素的亮度之和）。它应该清楚地标记文本行的位置（额外的好处：您可以将文本分割成行）。做大津二值化，以清楚地看到分区

将图像旋转90度，然后重复步骤1。如果现在文本行垂直于像素行，则投影的结果应该是模糊的混乱（文本行没有清晰的分区（好处：此分区将标记页面的边框，如果文本按列排列，您将获得列的结构）

现在，您只需确定哪个投影（步骤1或步骤2）表示真实文本行。您可以计算ob BLOB的数量（一维BLOB-因此处理速度非常快），然后选择BLOB较多的投影（行多于文本列）。或者，您可以只计算每个投影向量的标准偏差，然后取“std”较高的一个。这会更快

如果文本清晰地显示为0度或90度，以上所有方法都适用。如果文本旋转10度，则两个投影都将返回一个混乱。在这种情况下，您可以将文档剪切为5x5块（25块），对每一块执行步骤1、2、3，并根据多数选择决策

注意：所描述的解决方案比Hough变换精度稍低，但非常容易实现，速度极快（整个处理过程比仅仅计算图像的导数要快）+您将免费获得文本行的方向+将文档划分为行和列

祝你好运

第1步的添加和澄清：第一步的说明。假设您有一个宽度为“W”、高度为“H”的图像和一个白色背景上的黑色文本。通过进行水平投影，您可以将每行的像素值相加。结果是一个长度为“H”的向量。 不包含文本任何部分（因此位于文本行之间）的像素行将产生较高的投影值（因为背景为白色-255）。包含字母部分的像素行将产生较低的投影值。 现在你有了长度为H的向量，你想看看里面是否有一个清晰的值划分。一组高值，而不是一组低值，等等（像斑马条纹）。示例：如果文本行之间的距离为20像素，每个字母的高度为16像素，则您希望投影向量有20个大值，后面是16个低值，后面是20个高值，16个低值，等等。当然，文档并不理想，每个字母的高度不同，有些字母有孔：（如“t”和“q”，“i”）但划分的一般规则是成立的。 相反，如果将文档旋转90度，并且现在的求和与文本行不对齐，则结果向量将只具有大致随机的“H”值，而没有明确的分组。 现在，您需要做的就是确定结果向量是否具有良好的分区。 一个快速的方法是计算这些值的标准偏差。如果有分区，标准偏差会很高，否则会很低。

---

另一种方法是对投影向量进行二值化，将其视为大小为1xH的新图像，进行组件分析并提取斑点。这非常快，因为斑点是一维的。因此，明亮的斑点将大致标记文本行之间的区域，而暗洞标记文本行。如果你的求和很好（vector有一个清晰的分区）-您将有几个大斑点（斑点数量~大致相当于行的数量，斑点的中间长度~大致相当于文本行之间的距离）。但如果您的求和错误（文档旋转90度），您将得到许多随机斑点。连接组件分析需要更多的代码（与std相比）但它可以提供文本行的位置。行“i”将位于blob“i”和blob“i+1”之间。在Python下，您可以使用pytesseract执行以下操作：

重新导入
进口撇渣
导入pytesseract
img_path='/home/name/Pictures/Screenshot from 2019-03-21 13-33-54（副本）.png'
im=skimage.io.imread（img\u路径）
newdata=pytesseract.image_to_osd（im，nice=1）
搜索（“（？我成功使用的一种技术是使用Radon变换。您可以在python中找到一个实现示例。您还可以使用获得的投影来检测行距。上面的python实现还显示了如何执行