图像校正绘图失败，ValueError形状不匹配问题咨询

错误根源 #

1. 众数提取的形状问题：scipy.stats.mode返回的众数是数组形式（可能为二维数组），而非标量，导致计算出的skew_angle是数组类型。传递给skimage.transform.rotate时，因函数期望标量角度参数，引发形状不匹配错误。
2. 子图绘制逻辑错误：将校正后的图像绘制在同一个子图ax[0]上，不仅会覆盖原图，也不符合分图展示的需求。

修复步骤 #

1. 修正众数提取逻辑 #

在skew_angle_hough_transform函数中，将众数从数组中提取为标量值：

# 兼容新旧版本scipy的写法，直接取出标量众数
most_common_angle = mode(np.around(angles, decimals=2))[0][0]

如果使用新版本scipy（≥1.7.0），也可以用更清晰的写法：

most_common_angle = mode(np.around(angles, decimals=2), keepdims=False).mode

2. 修正子图绘制逻辑 #

将原图和校正后的图像分别绘制在两个子图中，避免覆盖：

ax[0].imshow(image, cmap="gray")
ax[0].set_title('Original Image')
ax[0].set_axis_off()
# 先计算校正后的图像，再绘制到第二个子图
corrected_image = rotate(image, skew_angle_hough_transform(image), cval=1)
ax[1].imshow(corrected_image, cmap="gray")
ax[1].set_title('Skew-Corrected Image')
ax[1].set_axis_off()

完整修复代码 #

import numpy as np
from skimage.transform import hough_line, hough_line_peaks
from skimage.transform import rotate
from skimage.feature import canny
from skimage.io import imread
from skimage.color import rgb2gray
import matplotlib.pyplot as plt
from scipy.stats import mode

image = rgb2gray(imread("/opt/oracle/app/Raunak/skew11.jpeg"))
edges = canny(image)

tested_angles = np.deg2rad(np.arange(0.1, 180.0))
h, theta, d = hough_line(edges, theta=tested_angles)
fig, axes = plt.subplots(1, 2, figsize=(15, 16))

ax = axes.ravel()

ax[0].imshow(image, cmap="gray")
ax[0].set_title('Input image')
ax[0].set_axis_off()
ax[1].imshow(edges, cmap="gray")

origin = np.array((0, image.shape[1]))

for _, angle, dist in zip(*hough_line_peaks(h, theta, d)):
    y0, y1 = (dist - origin * np.cos(angle)) / np.sin(angle)
    ax[1].plot(origin, np.array([y0, y1]).flatten(), '-r')

ax[1].set_xlim(origin)
ax[1].set_ylim((edges.shape[0], 0))
ax[1].set_axis_off()
ax[1].set_title('Detected lines')

def skew_angle_hough_transform(image):
    edges = canny(image)
    tested_angles = np.deg2rad(np.arange(0.1, 180.0))

    h, theta, d = hough_line(edges, theta=tested_angles)
    accum, angles, dists = hough_line_peaks(h, theta, d)

    # 提取标量众数
    most_common_angle = mode(np.around(angles, decimals=2))[0][0]
    skew_angle = np.rad2deg(most_common_angle - np.pi/2)
    return skew_angle

fig, ax = plt.subplots(ncols=2, figsize=(20,20))

# 分图展示原图与校正后的图像
ax[0].imshow(image, cmap="gray")
ax[0].set_title('Original Image')
ax[0].set_axis_off()
corrected_image = rotate(image, skew_angle_hough_transform(image), cval=1)
ax[1].imshow(corrected_image, cmap="gray")
ax[1].set_title('Skew-Corrected Image')
ax[1].set_axis_off()

plt.show()

额外优化建议 #

• 限制tested_angles的范围（比如np.arange(-45, 45)），减少计算量，因为图像倾斜通常不会超过±45度。
• 添加空值判断：如果hough_line_peaks未检测到任何线条，返回0度避免报错。

内容的提问来源于stack exchange，提问作者Raunak Raj