如何实现任意角度超市账单图像自动旋转校正为正向水平

可行实现方案 #

方案1：Tesseract OCR 方向检测实现 #

这个方案适配带清晰文本的账单场景，调用Tesseract内置的朝向和脚本检测（OSD）功能，可以直接输出图像当前的旋转角度，支持识别0°、90°、180°、270°四个轴向，以及小于90°的倾斜角度，完全不需要手动输入角度。

• 操作步骤：
  1. 安装依赖：pytesseract库和Tesseract本体程序，中文账单需要额外安装中文字符训练包
  2. 对输入图像做灰度化、二值化预处理，提升识别准确率
  3. 调用pytesseract.image_to_osd()接口获取图像旋转角度
  4. 用OpenCV的旋转接口按照返回角度完成校正
• 优势：不需要额外训练模型，对文本清晰的账单识别准确率高

方案2：传统CV轮廓检测实现 #

不需要依赖OCR模型，运行速度更快，适合轻量化部署场景。

• 操作步骤：
  1. 对图像做高斯模糊、Canny边缘检测预处理
  2. 提取图像所有轮廓，过滤出画面中最大的矩形轮廓（对应超市账单本体）
  3. 调用cv2.minAreaRect()获取该矩形的旋转角度，计算需要补正的角度值
  4. 生成旋转矩阵对整张图像做仿射变换完成校正
• 优势：运行速度快，无外部模型依赖，适合拍摄背景干净、账单占画面比例较高的场景

方案3：轻量预训练OCR模型实现 #

推荐用PaddleOCR的预训练方向分类器，针对中文场景做了优化，准确率比通用Tesseract更高，开箱即用。
示例代码如下：

from paddleocr import PaddleOCR
import cv2

# 仅初始化方向分类器，关闭不需要的检测、识别功能减少资源占用
ocr = PaddleOCR(use_angle_cls=True, lang='ch', show_log=False)
# 读取待校正图像
img = cv2.imread("test_receipt.jpg")
# 获取角度分类结果，返回值为（角度, 置信度）
cls_res = ocr.ocr(img, det=False, rec=False, cls=True)
target_angle = cls_res[0][0]["angle"]

# 按角度完成旋转校正
if target_angle == 90:
    corrected_img = cv2.rotate(img, cv2.ROTATE_90_CLOCKWISE)
elif target_angle == 180:
    corrected_img = cv2.rotate(img, cv2.ROTATE_180)
elif target_angle == 270:
    corrected_img = cv2.rotate(img, cv2.ROTATE_90_COUNTERCLOCKWISE)
else:
    # 处理小于90度的倾斜场景
    h, w = img.shape[:2]
    M = cv2.getRotationMatrix2D((w/2, h/2), target_angle, 1.0)
    corrected_img = cv2.warpAffine(img, M, (w, h))

cv2.imwrite("corrected_receipt.jpg", corrected_img)

• 优势：中文识别准确率高，支持小角度倾斜校正，适配各种复杂拍摄场景

额外优化提示 #

如果拍摄的账单存在透视变形（比如斜着拍导致矩形变成梯形），可以在上述方案基础上增加透视变换步骤，拿到账单矩形的四个顶点后做透视校正，输出标准的正向矩形账单图像。

内容的提问来源于stack exchange，提问作者Tsk208