图片的倾斜检测
1、原理：
计算图片里主要少数线条的平均角度，大于某个值则认为倾斜
2、效果图：
倾斜的（设角度大于12度为倾斜）
正常的
3、流程
a、先对图片进行大小缩放，加快处理速度
Mat srcPic = imread(pInFileName); int cols=configText.resizeCols; int rows=srcPic.rows/(srcPic.cols*1.00/cols);//按宽高比例缩放 Mat src =Mat::zeros(rows,cols , CV_8UC3); resize(srcPic,src,src.size());
b、如果要检索的图片具有共同的特征（都是货架且货架颜色相同）可采用阈值化二分，让边缘检测更有方向性（慎用！）
threshold(srcImage, srcThrImage, 40, 255, THRESH_BINARY);
imshow("阈值化后的效果图", srcThrImage);
c、通过Canny算子进行边缘检测
高阈值求边缘低阈值平滑边缘，可以将高低阈值的比率设置为足够大如factor=5使得边缘更加的平滑
Canny(srcThrImage, midImage, cannyThreshold,cannyThreshold*factor);//Canny边缘检测算法，指定高低阈值（梯度幅值）
d、根据边缘用HoughLinesP霍夫线变换检测直线，最终需要控制检测到的直线条数
方法说明：
霍夫变换使用极坐标来表示直线（极径rho和极角theta），一条直线能够通过在平面 
- 
寻找交于一点的曲线数量来检测
CV_EXPORTS_W void HoughLinesP( InputArray image, OutputArray lines,
double rho, double theta, int threshold,
double minLineLength=0, double maxLineGap=0 );
rho:就是一个半径的分辨率
theta:角度分辨率
threshold:判断直线点数的阈值
minLineLength：线段长度阈值
minLineGap:线段上最近两点之间的阈值（不大于此阈值则会认为是同一条直线上的点）
注意：
1、参数 threshold、minLineLength的设置很重要，关系到是否能过检测到线段及数量，需要根据目标图片的大小特征实验得到
2、minLineGap建议设置为2会使实际的轮廓更多的识别为线段，太大也会导致识别太多的错误线段。
HoughLinesP(midImage, lines, 1, CV_PI / 180, configText.thresholdVal, configText.minLineLength, configText.maxLineGap);//HoughLinesP霍夫线变换
while (lines.size()>10)//为了保持检查到的直线条数需要对threshold进行递减或递增
{
cannyThreshold+=10;
Canny(srcThrImage, midImage, cannyThreshold,cannyThreshold*factor);
cvtColor(midImage, dstImage, CV_GRAY2BGR);
HoughLinesP(midImage, lines, 1, CV_PI / 180, configText.thresholdVal, configText.minLineLength, configText.maxLineGap);
}
if (!lines.size())
{
cannyThreshold-=10;
Canny(srcThrImage, midImage, cannyThreshold,cannyThreshold*factor);
cvtColor(midImage, dstImage, CV_GRAY2BGR);
HoughLinesP(midImage, lines, 1, CV_PI / 180, configText.thresholdVal, configText.minLineLength, configText.maxLineGap);
}
e、对检测到的线条计算平均角度用来判断是否倾斜
注意：
1、检测到最大角度不会超过45度
2、保证检测到的线条数足够多（如50，太多会有很多无效的线段导致最终结果无意义），让计算的平均角度与实际更加的符合
double DetectionSlope::GetAvgAngle(const vector<Vec4i>& lines){//通过直线求平均角度
double totalAngle=0;
for (auto & line : lines)
{
//360度=2π弧度
auto radian=atan(abs((line[3]-line[1])*1.0/(line[2]-line[0])));
auto angle=abs(360*radian/(2*CV_PI));
if(angle>45)
angle=abs(90-angle);
totalAngle+=angle;
}
return totalAngle/lines.size();
}
4、补充
a、对于没有扭曲只是角度倾斜的图片可通过旋转来修正
//逆时针旋转图像degree角度（原尺寸）
void rotateImage(Mat src, Mat& img_rotate, double degree)
{
//旋转中心为图像中心
Point2f center;
center.x = float(src.cols / 2.0);
center.y = float(src.rows / 2.0);
int length = 0;
length = sqrt(src.cols*src.cols + src.rows*src.rows);
//计算二维旋转的仿射变换矩阵
Mat M = getRotationMatrix2D(center, degree, 1);//获取旋转矩阵
warpAffine(src, img_rotate, M, Size(length, length), 1, 0, Scalar(255,255,255));//仿射变换，背景色填充为白色
}
b、对于存在扭曲的图片进行修正需要找到 四个角的坐标点，一般认为是检测到的直线的四个角度（这个不太靠谱，找准实际的四个点比较难）
通过检测到的四个坐标点，形成源与目标的变换矩阵，再对图片进行透视变换
Mat m1 = Mat(srcTriangle); Mat m2 = Mat(dstTriangle); Mat status; Mat h = findHomography(m1, m2, status, 0, 3);//获取单映射H（理解为两帐图片的点映射） warpPerspective(this->srcImage, this->dstImage, h, this->dstImage.size());//对图像进行透视变换，就是变形
参考：
Canny边缘检测
http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/imgtrans/canny_detector/canny_detector.html#canny-detector
threshold阈值操作
http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/threshold/threshold.html#basic-threshold
霍夫线变换
http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/imgtrans/hough_lines/hough_lines.html#hough-lines
图像旋转
https://blog.csdn.net/guduruyu/article/details/70799804
Homography单映射
https://blog.csdn.net/liuphahaha/article/details/50719275
perspectiveTransform透视变换
https://blog.csdn.net/xiaowei_cqu/article/details/26478135
对倾斜的图像进行修正——基于opencv 透视变换
https://blog.csdn.net/MrCharles/article/details/73739693
极坐标
https://zhuanlan.zhihu.com/p/26172668
等
