import?os
import?cv2
import?math
import?random
import?numpy?as?np
from?scipy?import?misc?ndimage
import?matplotlib.pyplot?as?plt
?
img?=?cv2.imread（‘D:/2.jpg‘）
#圖片路徑
gray?=?cv2.cvtColor（img?cv2.COLOR_BGR2GRAY）
edges?=?cv2.Canny（gray?50?150?apertureSize=3）

#?霍夫變換將圖片所在的直角坐標(biāo)系中具有形狀的曲線或直線映射到霍夫空間的一個點(diǎn)上形成峰值，
#?從而將檢測任意形狀的問題轉(zhuǎn)化成了計算峰值的問題即在圖片所在的直角坐標(biāo)系的一個直線
#?轉(zhuǎn)換到霍夫空間便成了一點(diǎn)，并且是由多條直線相交而成，我們統(tǒng)計的峰值也就是該相交點(diǎn)的橡膠線的條數(shù)
lines?=?cv2.HoughLines（edges?1?np.pi?/?180?0）
rotate_angle?=?0

for?rho?theta?in?lines[0]:
????a?=?np.cos（theta）
????b?=?np.sin（theta）
????x0?=?a?*?rho
????y0?=?b?*?rho
????x1?=?int（x0?+?1000?*?（-b））
????y1?=?int（y0?+?1000?*?（a））
????x2?=?int（x0?-?1000?*?（-b））
????y2?=?int（y0?-?1000?*?（a））
????if?x1?==?x2?or?y1?==?y2:
????????continue
????t?=?float（y2?-?y1）?/?（x2?-?x1）
#計算角度
????rotate_angle?=?math.degrees（math.atan（t））
????if?rotate_angle?>?45:
????????rotate_angle?=?-90?+?rotate_angle
????elif?rotate_angle?????????rotate_angle?=?90?+?rotate_angle
print（“rotate_angle?:?“+str（rotate_angle））

rotate_img?=?ndimage.rotate（img?rotate_angle）


cv2.imshow（“img“?rotate_img）
cv2.imwrite（“new.jpg“?rotate_img）
cv2.waitKey（0）

image?=?cv2.imread（“new.jpg“）
gray?=?cv2.cvtColor（image?cv2.COLOR_BGR2GRAY）
?
#用Sobel算子計算x，y方向上的梯度，之后在x方向上減去y方向上的梯度，通過這個減法，我們留下具有高水平梯度和低垂直梯度的圖像區(qū)域。
gradX?=?cv2.Sobel（gray?cv2.CV_32F?dx=1?dy=0?ksize=-1）
gradY?=?cv2.Sobel（gray?cv2.CV_32F?dx=0?dy=1?ksize=-1）
?
gradient?=?cv2.subtract（gradX?gradY）
gradient?=?cv2.convertScaleAbs（gradient）
cv2.imshow（“first“?gradient）
cv2.waitKey（）
?
#?