压力表图像校正：如何将椭圆长轴垂直对齐并完成图像裁剪？

我正在实现一篇压力表读数相关的论文，其中有一个步骤不知如何操作：

将显示轮廓旋转至椭圆长轴垂直对齐，然后内切到矩形中以裁剪压力表图像

目前我处于步骤C，需要将图像转换为步骤D的状态（示例中文字检测暂不重要）。我已获取到显示区域的正确轮廓与椭圆，相关代码如下：

(cnts, boundingBoxes) = sort_contours(cnts)
#find correct contours and fitellipse
if len(cnts) != 0:
  for i in range(len(cnts)):
    if len(cnts[i]) >= 5: #if contours has more than 5 points
      # cv2.drawContours(image,cnts[0],-1,(150,10,255),3)
      ellipse = cv2.fitEllipse(cnts[i])
      finalElps.append(ellipse) #(centx,centy), (width,height), angle

for i in range(len(finalElps)):
  centx = finalElps[i][0][0]
  centy = finalElps[i][0][1]
  eWidth = finalElps[i][1][0]
  eHeight = finalElps[i][1][1]
  sfRes = Sf(eWidth, eHeight)
  cfRes = Cf(centx, imgCenterX, centy, imgCenterY)
  afRes = Af(eWidth,eHeight,imgWidth,imgHeight)
  print("SF: " + str(sfRes) + "| " + "CF: " + str(cfRes) + "| Af: " + str(afRes))
  if(sfRes < 0.4 and cfRes < 6 and afRes < 0.9):
    print(finalElps[i])
    cv2.ellipse(image, finalElps[i], (255,0,0), 2)
    plt.imshow(image)

注：sfRes、cfRes、afRes为筛选目标椭圆的计算参数。

请问下一步该如何实现图像的垂直旋转？我认为对应的技术是image rectification（图像校正），但不确定。

你提到的image rectification（图像校正）确实是对应技术范畴，核心是围绕椭圆中心旋转图像，让椭圆长轴垂直对齐，之后再裁剪出目标区域。以下是具体实现步骤和代码：

1. 计算正确的旋转角度 #

OpenCV的cv2.fitEllipse返回的angle参数定义需要注意：

• 当椭圆的width > height时，angle是长轴与水平轴的夹角（逆时针为正）
• 当width < height时，angle实际是短轴与水平轴的夹角，此时长轴的夹角为angle + 90°

要让长轴垂直，需计算旋转角度将长轴转到90°方向：

# 从筛选出的目标椭圆中提取参数
target_ellipse = finalElps[i]
(centx, centy), (eWidth, eHeight), angle = target_ellipse

# 确定长轴当前的实际角度
if eWidth > eHeight:
    major_axis_angle = angle
else:
    major_axis_angle = angle + 90

# 计算需要旋转的角度：让长轴从当前角度转到垂直状态
rotate_angle = 90 - major_axis_angle
# 处理角度超出范围的情况（确保在-180到180之间）
rotate_angle = rotate_angle % 360

2. 生成旋转矩阵并执行图像旋转 #

使用OpenCV的cv2.getRotationMatrix2D生成旋转矩阵，再通过cv2.warpAffine完成旋转：

import cv2
import numpy as np

# 获取原图像尺寸
img_h, img_w = image.shape[:2]

# 生成旋转矩阵：中心为椭圆中心，旋转角度为计算值，缩放因子保持1（不改变尺寸）
rotation_matrix = cv2.getRotationMatrix2D((centx, centy), rotate_angle, 1.0)

# 执行旋转，用INTER_CUBIC插值保证图像质量，BORDER_REPLICATE填充边界
rotated_img = cv2.warpAffine(image, rotation_matrix, (img_w, img_h), flags=cv2.INTER_CUBIC, borderMode=cv2.BORDER_REPLICATE)

3. 裁剪旋转后的目标区域 #

旋转后椭圆长轴已垂直，此时椭圆的外接矩形就是垂直对齐的目标区域，计算坐标并裁剪：

# 计算椭圆的半长轴和半短轴
half_major = max(eWidth, eHeight) / 2
half_minor = min(eWidth, eHeight) / 2

# 推导外接矩形的坐标（以椭圆中心为基准）
x1 = int(centx - half_minor)
y1 = int(centy - half_major)
x2 = int(centx + half_minor)
y2 = int(centy + half_major)

# 确保坐标在图像范围内，避免越界
x1 = max(0, x1)
y1 = max(0, y1)
x2 = min(img_w, x2)
y2 = min(img_h, y2)

# 裁剪得到最终的对齐图像
cropped_img = rotated_img[y1:y2, x1:x2]

整合到现有代码中 #

将上述代码插入到你筛选到目标椭圆的if块内即可：

if(sfRes < 0.4 and cfRes < 6 and afRes < 0.9):
    print(finalElps[i])
    cv2.ellipse(image, finalElps[i], (255,0,0), 2)
    plt.imshow(image)
    
    # 新增：旋转校正与裁剪逻辑
    target_ellipse = finalElps[i]
    (centx, centy), (eWidth, eHeight), angle = target_ellipse
    
    # 计算旋转角度
    if eWidth > eHeight:
        major_axis_angle = angle
    else:
        major_axis_angle = angle + 90
    rotate_angle = 90 - major_axis_angle
    rotate_angle = rotate_angle % 360
    
    # 执行图像旋转
    img_h, img_w = image.shape[:2]
    rotation_matrix = cv2.getRotationMatrix2D((centx, centy), rotate_angle, 1.0)
    rotated_img = cv2.warpAffine(image, rotation_matrix, (img_w, img_h), flags=cv2.INTER_CUBIC, borderMode=cv2.BORDER_REPLICATE)
    
    # 裁剪目标区域
    half_major = max(eWidth, eHeight) / 2
    half_minor = min(eWidth, eHeight) / 2
    x1 = int(centx - half_minor)
    y1 = int(centy - half_major)
    x2 = int(centx + half_minor)
    y2 = int(centy + half_major)
    x1 = max(0, x1)
    y1 = max(0, y1)
    x2 = min(img_w, x2)
    y2 = min(img_h, y2)
    cropped_img = rotated_img[y1:y2, x1:x2]
    
    # 查看最终结果
    plt.imshow(cropped_img)
    plt.show()

内容的提问来源于stack exchange，提问作者Chopper