兄弟，我太懂你这种卡壳的憋屈感了——处理PAN、Aadhaar、驾照这类制式证件的OCR时，朝向不对直接让后续信息提取全翻车，而且试过一堆主流方法都没效果，确实头疼！你要的不是倾斜矫正，是精准锁定0°、90°、270°这三个固定朝向对吧？给你分享几个我亲测有效的思路，专门针对这类官方证件的特性：

1. 基于证件固有特征的规则匹配 #

这类官方证件都有极强的标准化布局，比如：

• PAN卡的logo固定位置、姓名/卡号区块的相对排列
• Aadhaar卡的二维码、头像的固定方位
• 驾照的照片栏、有效期栏的标准位置

你可以针对这些特征做定向检测：

• 先用cv2.Canny提取边缘，检测特定形状（比如二维码的方形、头像的矩形区域）
• 统计特征区域在图像中的位置占比：比如0°时头像在左上，90°时头像在右上，270°时在左下
• 或者用模板匹配：提前截取证件某个固定元素（比如PAN卡的官方logo）作为模板，分别和原图、旋转后的图做匹配，得分最高的旋转角度就是正确朝向

示例伪代码：

import cv2

def detect_orientation(raw_img, template):
    target_angles = [0, 90, 270]
    max_match_score = 0
    best_angle = 0
    
    for angle in target_angles:
        # 按角度旋转图像
        if angle == 90:
            rotated_img = cv2.rotate(raw_img, cv2.ROTATE_90_CLOCKWISE)
        elif angle == 270:
            rotated_img = cv2.rotate(raw_img, cv2.ROTATE_90_COUNTERCLOCKWISE)
        else:
            rotated_img = raw_img.copy()
        
        # 模板匹配计算得分
        match_result = cv2.matchTemplate(rotated_img, template, cv2.TM_CCOEFF_NORMED)
        _, current_score, _, _ = cv2.minMaxLoc(match_result)
        
        if current_score > max_match_score:
            max_match_score = current_score
            best_angle = angle
    return best_angle

2. 优化版Tesseract定向文本检测 #

你说Tesseract的OSD（psm 0）没用？大概率是证件文本的密度、字体或者语言设置拖了后腿，换个思路试试：

• 分别把原图旋转0°、90°、270°三个版本
• 对每个版本用Tesseract的psm 6（假设文本是连续区块）或psm 3提取文本，同时指定对应语言（比如eng+hin适配印地语+英语的双语证件）
• 统计每个角度下识别出的有效文本长度（过滤乱码，只保留符合证件格式的字符：比如PAN卡的10位字母数字、Aadhaar的12位数字）
• 有效文本最长的那个角度就是正确朝向

示例命令：

tesseract rotated_90_img output.txt -l eng+hin --psm 6

3. 轻量深度学习分类模型（适配复杂场景） #

如果需要处理的证件种类固定，训练一个极小的CNN分类模型成本极低，且适应性最强：

• 收集一批不同朝向的证件样本（每个角度至少100张，覆盖扫描模糊、背景杂乱的情况）
• 把图像缩放到统一尺寸（比如224x224），标签设为0、90、270三个类别
• 用MobileNetV2或者自定义简单CNN训练，几轮就能收敛
• 推理时直接输入图像，一秒就能输出对应角度

关键预处理提示 #

不管用哪种方法，先做预处理能大幅提升准确率：

• 用cv2.GaussianBlur去噪
• 用自适应二值化cv2.adaptiveThreshold强化文本/特征边缘

内容的提问来源于stack exchange，提问作者Ravi