如何使用Amazon Textract获取文档倾斜角或禁用自动去倾斜功能？

请问是否可以让Amazon Textract返回其正在处理的PDF文档的倾斜角度？我在对扫描文档进行检测时发现，Textract会自动执行去倾斜操作，但计算结果存在小幅偏差。目前我无法找到获取每个LINE或WORD原始bounding box或几何信息的途径，返回的所有位置信息均对应去倾斜后的坐标。请问是否有其他方法可以获取文档倾斜角，或者是否可以在发送请求时禁用自动去倾斜功能？

官方接口现状 #

• Amazon Textract目前未提供返回文档倾斜角度的公开参数，也不支持通过请求配置禁用自动去倾斜逻辑
• 接口返回的所有BoundingBox、Polygon等几何字段，均对应去倾斜校正后的图像坐标，不会返回原始扫描状态下的位置信息

可行替代方案 #

提前预处理计算倾斜角 #

在调用Textract之前，先将PDF逐页转换为图像，使用OpenCV等图像处理工具自行计算倾斜角度，常用实现逻辑包括：

• 基于霍夫线变换识别文本行、文档边框等直线元素，计算整体偏转角度
• 提取全页文本区域轮廓，计算轮廓最小外接矩形的偏转角度
  计算得到的倾斜角可自行留存，用于后续坐标映射

校正坐标反向转换 #

Textract的去倾斜属于刚性仿射变换，只要提前获取原始图像的倾斜角度，即可通过仿射变换公式，将Textract返回的校正后坐标转换回原始图像对应的坐标位置，无需依赖Textract返回原始几何信息

规则文档偏差修正 #

如果处理的是带表格、固定页眉页脚等结构化元素的文档，也可以通过Textract返回的表格、单元格等元素的坐标，反推校正偏差值，修正小范围的计算误差

内容的提问来源于stack exchange，提问作者bob