如何检测图像方向（文本）

Question

我的程序正在处理存储为单独位图的传真文档
我想知道是否有一种方法可以自动检测页面方向（垂直或水平），以正确的顺序为用户显示图像预览（如果需要，意味着旋转）

非常感谢任何建议！

编辑：澄清：
当传真机接收多页文档时，它会将每一页保存为单独的 TIFF 文件。
我的应用程序具有显示这些文件的内置查看器。所有文件都缩放为 A4 格式并以 TIFF 格式保存（因此通过高度/宽度参数检测方向没有变化）
我的查看器默认以纵向模式显示图像

我想做的是自动检测以横向模式打印组织文档时的情况（例如宽 Excel 表格），然后我想为最终用户显示旋转预览以加快预览过程

显然有 4 种可能的传真方向纵向/横向 x 2 种旋转。

我什至对检测 org 文档是横向还是纵向的简化解决方案感兴趣（我注意到大多数横向文档需要顺时针旋转）

EDIT2：创意
我认为这可能是一些想法：
如果我可以绘制水平线和垂直线并检查线是否没有切割任何（黑色）点。然后我们可以比较哪些是更多类型的线条（水平或垂直）以及他对页面方向的决定。
你怎么看？

Answer 1

为此，您需要 OCR。滚动你自己的 OCR 会有点困难，但可能有图书馆或其他值得研究的东西？此外，即使具有良好的 OCR，它也不是 100% 可靠的解决方案。

Answer 2

我想知道是否有一些文本属性可以帮助你做到这一点。

例如，基于快速浏览，文本中的垂直线（l、j、k、m、n 等）比水平线多得多，所以也许你可以从这个开始。

但即使检测到这些也不是很简单，您需要使用某种过滤器，例如 Sobel 或 Prewitt。它们都有横向和纵向版本，see here 了解更多信息。

当然，Excel 电子表格的垂直/水平线将是最强的边缘，因此您必须忽略这些并只查看文本。

替代方案：您能否为用户提供一种简单的方法来旋转图像，例如 Windows 图片查看器中的箭头，或者只显示 4 个他们可以单击的缩略图预览。您可能需要缓存 4 个版本（如果您正在旋转），这样它会很快，但前提是速度会成为问题？

Answer 3

您可以执行快速傅立叶变换 (FFT) 将空间图像转换为频率/角度表示。然后找到频率最突出的角度。这听起来很复杂，但并不难，它非常有效，实际上它一次测试了所有可能的角度，而不是只适用于特定角度的硬编码黑客。使用 Numerical Recipes 和 FFT 等搜索词搜索示例实现。

Answer 4

这是一篇题为“Combined Script and Page Orientation Estimation using the Tesseract OCR engine”[pdf]的论文

我无法找到他们工作的实现，但这种方法对我来说看起来不错：

建议的方法背后的基本思想很简单。

形状分类器根据所有感兴趣的脚本中的字符（类）进行训练。在运行时，分类器在图像中的每个连接组件 (CC) 上独立运行，并且在将每个 CC 旋转到其他三个候选方向（与输入方向成 90°、180° 和 270°）后重复该过程。

该算法跟踪给定方向的每个脚本中的估计字符数，以及所有候选方向的累积分类器置信度分数。页面方向的估计被选为累积置信度得分最高的那个，而脚本的估计被选为该脚本中字符数最多的那个，以获得最佳的方向估计。