针对你遇到的倾斜图像导致Sobel边缘检测行切割失效的问题，我给你几个实用的解决思路，按优先级排序：

1. 先做倾斜校正（Deskewing），回归原有方案 #

这是最直接的根治方法——既然问题出在图像倾斜，那先把图像转正，再用你熟悉的Sobel边缘检测逻辑就完全没问题了。具体步骤可以这么做：

• 先对发票图像做二值化处理（比如用Otsu阈值法），把文本和背景分离，突出文本区域的轮廓
• 用霍夫直线变换检测图像中主要文本行的方向，计算出图像的倾斜角度（比如统计所有检测到的直线角度，取众数或者平均值）
• 根据计算出的角度旋转图像，让文本行恢复垂直对齐（注意旋转后可能出现黑边，可以用裁剪或者边缘填充的方式处理）
• 之后再执行你原来的Sobel边缘检测，找边缘总和为0的位置切割，就能回到之前的良好效果

2. 调整切割判断逻辑：找边缘总和的局部最小值 #

如果暂时不想做倾斜校正，可以修改切割的判断条件——不再执着于“边缘总和为0”，而是找边缘总和的局部最小值区域。
倾斜图像中，行与行之间的空白区域虽然会因为倾斜产生少量边缘，但相比文本行区域，边缘总和肯定是明显偏低的。你可以：

• 计算每一行的边缘总和，生成一个一维数组
• 遍历这个数组，找到连续几个值都处于局部最低的位置，把这些位置作为切割线
• 可以给局部最小值设置一个阈值（比如低于所有行边缘总和平均值的30%），过滤掉噪声干扰

3. 替换切割方法：用投影法（Projection Profile） #

投影法是文本行切割中非常鲁棒的方法，对倾斜图像的适应性比边缘检测更好：

• 先把图像二值化（文本为黑色，背景为白色）
• 计算每一行的垂直投影：统计每行中黑色像素的数量
• 文本行的投影值会很高，而行间距的空白区域投影值会很低，直接找投影值连续偏低的行作为切割位置
• 如果图像倾斜严重，还可以结合投影的峰值分布计算倾斜角度，再做校正；或者直接对投影数组做平滑处理，找到局部最小值切割

这些方法都能有效解决倾斜图像的行切割问题，你可以根据自己的开发成本和图像的倾斜程度选择最合适的方案~

内容的提问来源于stack exchange，提问作者Ahmed Bilal