OCR预处理中倾斜校正与投影切割方法

先把二值图变成可切行的投影信号

OCR 预处理中的倾斜校正，目标是让文字基线接近水平；投影切割，目标是找出每一行文字的上下边界。两者的实际顺序通常是：灰度化、二值化、估计角度、旋转校正、水平投影切行。

二值化是把每个像素归为前景或背景。可以令文字为 1、背景为 0，也可以反色；关键是后续统计始终使用同一种定义。固定阈值适合光照均匀的扫描件，自适应阈值更适合拍照文档，但具体效果取决于背景纹理和文字对比度。

设二值图像高度为 H、宽度为 W，水平投影数组可写成：

P(y) = Σ B(y, x)，其中 x 从 0 到 W-1，y 从 0 到 H-1。若文字是前景，P(y) 就表示第 y 行包含多少个前景像素，取值范围为 0 到 W。连续的高值区通常对应文本行，接近 0 的区间通常是行间空白。

1. 转灰度；扫描噪声明显时，先使用中值滤波或高斯滤波。
2. 用固定阈值或自适应阈值生成二值图，并确认文字是否为前景。
3. 计算每个 y 的 P(y)，记录连续高于阈值的区间。
4. 将间隔很短的高值区合并，避免字符断笔或噪声把同一行拆开。
5. 过滤高度过小的候选区域，再把结果送入 OCR。

不要直接把“投影值超过图像宽度的 1%～5%”当成通用规则。该比例会随字体大小、分辨率和二值化结果变化；更稳妥的做法是先观察投影数组，再以局部统计量或分位数设定阈值。若文本行高度约为 30 像素，可先把 1～3 像素的孤立高值区视为噪声，但这个范围必须结合实际分辨率调整。

用形态学参数控制断行与粘行

投影切割最常见的错误有两类：一行文字被切成几段，或相邻两行被合并。形态学闭运算是先膨胀再腐蚀，用于连接相近的前景区域；开运算是先腐蚀再膨胀，用于去除小噪点。

• 字符笔画断裂：从 3×3 结构元素开始尝试闭运算。
• 孤立黑点较多：使用 3×3 开运算，但要检查细笔画是否消失。
• 一行内部间隔较大：可尝试横向结构元素，例如 5×1。
• 相邻文本行被连接：减小结构元素，或撤销横向膨胀。

结构元素的尺寸不能脱离字符高度决定。若字符高度约为 24 像素，5×5 可能已经足以改变行间空白；若字符高度只有 10 像素，同样的操作风险更高。每次处理后都应重新计算投影，确认峰值数量没有从多行变成一整块。

表格边框会在投影中产生贯穿整页的高值，插图和复杂背景也会制造假文本行。遇到这类输入，应先用水平、垂直形态学操作检测并去除边框；如果行方向不一致，改用连通域分析、霍夫直线检测或版面分析。投影法的前提是文本行大致水平且行间存在可识别空白。

用 OpenCV 角度约定校正文本方向

最小外接矩形是包住一组前景点且面积最小的旋转矩形。它能估计前景区域的主方向，但不保证等于文本基线角度；多行文字、边框和插图都会改变结果。

在 OpenCV 中，可用 cv2.findNonZero 获取前景点，再交给 cv2.minAreaRect。返回结果包含中心点、尺寸和角度。由于矩形的长边、短边可能交换，角度可能出现约 90° 的跳变，因此不能不加处理地直接旋转。

一个可执行的归一化方法是：比较返回的宽、高，令较长边代表文本的横向方向；再把角度折算到 -45° 到 45° 的范围。这里的符号取决于图像坐标系和 OpenCV 版本的角度约定，实际项目应在一张已知倾斜 10° 的测试图上验证旋转方向。若校正后文字更歪，说明旋转符号取反即可。

旋转矩阵由 cv2.getRotationMatrix2D(center, angle, 1.0)生成，1.0表示不缩放，再用 cv2.warpAffine执行变换。灰度图可使用双线性插值；严格二值图可使用邻近插值，以减少新灰度边缘，但锯齿可能更明显。

不要直接用原图尺寸接收旋转结果。旋转后四角可能被裁切，扩展画布并重新计算有效边界；黑边若被当作前景，会在水平投影中形成假峰。校正后检查文字外接框是否仍完整，再进行切行。

按输入类型选择整页、逐行或透视校正

1. 读取图像，记录原始宽度、高度和通道数。
2. 转灰度并轻度去噪，避免滤波抹掉细笔画。
3. 二值化，过滤面积过小的连通区域。
4. 对纯文本区域或单行前景点调用 cv2.minAreaRect。
5. 归一化角度，使用 cv2.warpAffine旋转，并扩展输出画布。
6. 重新计算水平投影，合并短空白间隔，输出文本行。
7. 将文本行或校正后的整页交给 Tesseract OCR 5.x 等引擎。

• 扫描件整体旋转：先整页校正，再统一投影切行。
• 不同区域角度不同：按文本块或逐行估计，避免整页角度掩盖局部倾斜。
• 页面呈梯形：使用四点透视变换；单纯旋转不能修复近大远小。

可用三个检查点判断参数是否合适：校正后投影峰值是否更集中，文本基线是否接近水平，OCR 置信度是否提高。若前景点数量过少、角度超过预设范围，或旋转后边缘被裁切，应跳过自动校正并改用霍夫直线检测、透视变换或人工复核。最小外接矩形只是角度候选，不能替代校正后的图像质量验证。