利用Python开发智能阅卷系统， 太有趣了！
随着现代图像处理和人工智能技术的快速发展，不少学者尝试讲CV应用到教学领域，能够代替老师去阅卷，将老师从繁杂劳累的阅卷中解放出来，从而进一步有效的推动教学质量上一个台阶。
传统的人工阅卷，工作繁琐，效率低下，进度难以控制且容易出现试卷遗漏未改、登分失误等现象。
现代的“机器阅卷”，工作便捷、效率高、易操作，只需要一个相机（手机），拍照即可获取成绩，可以导入Excel表格便于存档管理。
下面我们从代码实现的角度来解释一下我们这个简易答题卡识别系统的工作原理。第一步，导入工具包及一系列的预处理
import numpy as np
import argparse
import imutils
import cv2
设置参数
ap = argparse.ArgumentParser()
ap.add_argument("-i", “–image”, default=“test_01.png”)
args = vars(ap.parse_args())
正确答案
ANSWER_KEY = {0: 1, 1: 4, 2: 0, 3: 3, 4: 1} #
def order_points(pts):
一共4个坐标点
rect = np.zeros((4, 2), dtype = “float32”)
按顺序找到对应坐标0,1,2,3分别是 左上，右上，右下，左下
计算左上，右下
s = pts.sum(axis = 1)
rect[0] = pts[np.argmin(s)]
rect[2] = pts[np.argmax(s)]
计算右上和左下
diff = np.diff(pts, axis = 1)
rect[1] = pts[np.argmin(diff)]
rect[3] = pts[np.argmax(diff)]
return rect
def four_point_transform(image, pts):
获取输入坐标点
rect = order_points(pts)
(tl, tr, br, bl) = rect
计算输入的w和h值
widthA = np.sqrt(((br[0]-bl[0])** 2) + ((br[1]-bl[1])**2))
widthB = np.sqrt(((tr[0] -tl[0]) ** 2) + ((tr[1] - tl[1]) ** 2))
maxWidth = max(int(widthA), int(widthB))
heightA = np.sqrt(((tr[0]-br[0])**2)+((tr[1]-br[1])**2))
heightB = np.sqrt(((tl[0]-bl[0])**2)+((tl[1]-bl[1])**2))
maxHeight = max(int(heightA), int(heightB))
变换后对应坐标位置
dst = np.array([
[0, 0],
[maxWidth - 1, 0],
[maxWidth - 1, maxHeight - 1],
[0, maxHeight - 1]], dtype = “float32”)
计算变换矩阵
M = cv2.getPerspectiveTransform(rect, dst)
warped = cv2.warpPerspective(image, M, (maxWidth, maxHeight))
return warped # 返回变换后结果
def sort_contours(cnts, method=“left-to-right”):
reverse = False
i = 0
if method == “right-to-left” or method == “bottom-to-top”:
reverse = True
if method == “top-to-bottom” or method == “bottom-to-top”:
i = 1
boundingBoxes = [cv2.boundingRect© for c in cnts]
(cnts, boundingBoxes) = zip(*sorted(zip(cnts, boundingBoxes),
key=lambda b: b[1][i], reverse=reverse))
return cnts, boundingBoxes
def cv_show(name,img):
cv2.imshow(name, img)
cv2.waitKey(0)
cv2.destroyAllWindows()
image = cv2.imread(args[“image”])
contours_img = image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
edged = cv2.Canny(blurred, 75, 200)
轮廓检测
cnts = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)[1]
cv2.drawContours(contours_img,cnts,-1,(0,0,255),3)
docCnt = None
确保检测到了
if len(cnts) > 0:
根据轮廓大小进行排序
cnts = sorted(cnts, key=cv2.contourArea, reverse=True)
for c in cnts: # 遍历每一个轮廓
近似
peri = cv2.arcLength(c, True)
approx = cv2.approxPolyDP(c, 0.02 * peri, True)
准备做透视变换
if len(approx) == 4:
docCnt = approx
break
执行透视变换
warped = four_point_transform(gray, docCnt.reshape(4, 2))
thresh = cv2.threshold(warped, 0, 255,
cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)[1]
thresh_Contours = thresh.copy()
找到每一个圆圈轮廓
cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)[1]
cv2.drawContours(thresh_Contours,cnts,-1,(0,0,255),3)
questionCnts = []
for c in cnts:# 遍历
计算比例和大小
(x, y, w, h) = cv2.boundingRect©
ar = w / float(h)
根据实际情况指定标准
if w >= 20 and h >= 20 and ar >= 0.9 and ar <= 1.1:
questionCnts.append©
按照从上到下进行排序
questionCnts = sort_contours(questionCnts,
method=“top-to-bottom”)[0]
correct = 0
每排有5个选项
for (q, i) in enumerate(np.arange(0, len(questionCnts), 5)):
cnts = sort_contours(questionCnts[i:i + 5])[0]
bubbled = None
for (j, c) in enumerate(cnts): # 遍历每一个结果
使用mask来判断结果
mask = np.zeros(thresh.shape, dtype=“uint8”)
cv2.drawContours(mask, [c], -1, 255, -1) #-1表示填充
通过计算非零点数量来算是否选择这个答案
mask = cv2.bitwise_and(thresh, thresh, mask=mask)
total = cv2.countNonZero(mask)
通过阈值判断
if bubbled is None or total > bubbled[0]:
bubbled = (total, j)
第二步，与正确答案进行对比
color = (0, 0, 255)
k = ANSWER_KEY[q]
判断正确
if k == bubbled[1]:
color = (0, 255, 0)
correct += 1
cv2.drawContours(warped, [cnts[k]], -1, color, 3) #绘图
#正确率的文本显示
score = (correct / 5.0) * 100
print("[INFO] score: {:.2f}%".format(score))
cv2.putText(warped, “{:.2f}%”.format(score), (10, 30),
cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 0, 255), 2)
cv2.imshow(“Input”, image)
cv2.imshow(“Output”, warped)
cv2.waitKey(0)
对Python感兴趣或者是正在学习的小伙伴，可以加入我们的Python学习扣qun：855408893 ，从0基础的python脚本到web开发、爬虫、django、数据挖掘数据分析等，0基础到项目实战的资料都有整理。送给每一位python的小伙伴！每晚分享一些学习的方法和需要注意的小细节，学习路线规划，利用编程赚外快。点击加入我们的 python学习圈
最终实现的效果如下：
利用Python开发智能阅卷系统， 太有趣了！相关推荐
- 利用Python开发智能阅卷系统
前言 本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理. 作者: 机器学习与统计学 PS:如有需要Python学习资料的小伙伴可以加 ...
- 利用Python开发智能阅卷系统（附源代码）
点击"程序IT圈","置顶"公众号 重磅干货,第一时间送达 随着现代图像处理和人工智能技术的快速发展,不少学者尝试讲CV应用到教学领域,能够代替老师去阅卷,将老 ...
- python编写阅卷软件_利用Python开发智能阅卷系统
1 importnumpy as np2 importargparse3 importimutils4 importcv25 #设置参数 6 ap =argparse.ArgumentParser() ...
- python微信爬取教程_PYTHON爬虫之旅系列教程之【利用Python开发微信公众平台一】...
感谢大家的等待,好啦,都准备好瓜子.板凳,老司机要发车啦-- 本系列课程讲述"PYTHON爬虫之旅",具体大纲可参考:[PYTHON爬虫之旅]概要目录. 本节课讲述如何利用Pyth ...
- 利用Python打造一个语音合成系统
利用Python打造一个语音合成系统 背景 一直对语音合成系统比较感兴趣,总想能给自己合成一点内容,比如说合成小说,把我下载的电子书播报给我听等等. 语音合成系统 其实就是一个基于语音合成的工具,但是 ...
- 利用python开发app实战
我很早之前就想开发一款app玩玩,无奈对java不够熟悉,之前也没有开发app的经验,因此一直耽搁了.最近想到尝试用python开发一款app,google搜索了一番后,发现确实有路可寻,目前也有了一 ...
- 利用Python开发App
我很早之前就想开发一款app玩玩,无奈对java不够熟悉,之前也没有开发app的经验,因此一直耽搁了.最近想到尝试用python开发一款app,google搜索了一番后,发现确实有路可寻,目前也有了一 ...
- 利用Python开发App，来一起看看他是怎么做的。
本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理 本文来自腾讯云,作者:Python小二 最近想到尝试用python开发一款app, ...
- python开发app的软件_如何利用python开发手机app
python语言虽然很万能,但用它来开发app还是显得有点不对路,因此用python开发的app应当是作为编码练习,加上目前这方面的模块还不是特别成熟,bug比较多. 准备工作 利用python开发a ...
最新文章
- CMake命令之function
- String为什么是不可变类型？
- 查询Linux系统最后重启时间的三个方法
- Eclipse中debug时String太长怎样查看全部
- 知识图谱前沿技术课程暨学术研讨会（武汉大学站）
- c# 访问修饰符的访问权限
- 用枚举enum实现单例
- hive-jdbc/odbc的解读和看法
- 【算法】—— 不借助中间变量实现 swap
- 【CCCC】L2-027 名人堂与代金券 (25分)，模拟水题
- 1.为什么 要需要变量。二进制，方便，2.变量是什么 ,3.声明变量
- 外贸软件如何提升出口流程管理效率
- MPU6050陀螺仪
- 电子商务类网站CDN加速方案
- 84.常用的返回QuerySet对象的方法使用详解：select_related, prefetch_related
- 下载离线地图数据(支持谷歌、百度、高德等所有地图源)
- 如何使用Loadrunner12在win10系统 最新版本谷歌浏览器录制脚本
- 自动跟圈，不要来回编辑的偷懒小技巧
- 小米5s 小米6 MIUI 系统 删除温控 破解限制
- 大一计算机专业学期计划范文,大一学期的个人学习计划范文（精选5篇）