用 Python 实现答题卡识别!
作者 | 棒子胡豆
来源丨CSDN博客
答题卡素材图片:
思路
读入图片,做一些预处理工作。
进行轮廓检测,然后找到该图片最大的轮廓,就是答题卡部分。
进行透视变换,以去除除答题卡外的多余部分,并且可以对答题卡进行校正。
再次检测轮廓,定位每个选项。
对选项圆圈先按照竖坐标排序,再按照行坐标排序,这样就从左到右从上到下的获得了每个选项轮廓。
对每个选项轮廓进行检查,如果某个选项轮廓中的白色点多,说明该选项被选中,否则就是没被选上。
细节部分看过程:
1、预处理(去噪,灰度,二值化)
img = cv2.imread("1.png",1)
#高斯去噪
img_gs = cv2.GaussianBlur(img,[5,5],0)
# 转灰度
img_gray = cv2.cvtColor(img_gs,cv2.COLOR_BGR2GRAY)
# 自适应二值化
_,binary_img = cv2.threshold(img_gray,0,255,cv2.THRESH_OTSU|cv2.THRESH_BINARY)
注:cv2.THRESH_OTSU|cv2.THRESH_BINARY,该参数指的是自适应阈值+反二值化,做自适应阈值的时候阈值要设置为0
2、轮廓检测
# 找轮廓
contours, hierarchy = cv2.findContours(binary_img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
# 按照轮廓的面积从大到小排序
cnts = sorted(contours,key = cv2.contourArea,reverse=True)
# 画轮廓
draw_img = cv2.drawContours(img.copy(),cnts[0],-1,(0,255,255),2)
注:findContours函数,传入的图像应该是二值图像,cv2.RETR_EXTERNAL指的是只检测外部轮廓,cv2.CHAIN_APPROX_NONE指的返回轮廓上的所有点。
# 轮廓近似
# 阈值,一般为轮廓长度的2%
alpha = 0.02*cv2.arcLength(cnts[0],True)
approxCurve = cv2.approxPolyDP(cnts[0],alpha,True)
draw_img = cv2.drawContours(img.copy(),[approxCurve],-1,(255,0,0),2)
这里做轮廓近似的目的是,之前检测到的轮廓看似是一个多边形,其实本质上是只是点集。
cv2.approxPolyDP(contour,epsilon,True),多边形逼近,第一个参数是点集,第二个参数是精度(原始轮廓的边界点与拟合多边形之间的最大距离),第三个参数指新产生的轮廓是否需要闭合,返回值approxCurve为多边形的点集(按照逆时针排序)。与该函数类似的函数还有cv2.boundingRect(矩形包围框)cv2.minAreaRect(最小包围矩形框),cv2.minEnclosingCircle(最小包围圆形)cv2.filtEllipse(最优拟合椭圆)cv2.filtLine(最优拟合直线),cv2.minEnclosingTriangle(最小外包三角形)
3、透视变换
#透视变换
# 矩形的四个顶点为approxCurve[0][0],approxCurve[1][0],approxCurve[2][0],approxCurve[3][0]
# 分别表示矩形的TL,BL,BR,TR四个点
a1 = list(approxCurve[0][0])
a2 = list(approxCurve[1][0])
a3 = list(approxCurve[2][0])
a4 = list(approxCurve[3][0])
# 原始矩阵
mat1 = np.array([a1,a2,a3,a4],dtype = np.float32)# 计算矩形的w和h
w1 = int(np.sqrt((a1[0]-a4[0])**2+(a1[1]-a4[1])**2))
w2 = int(np.sqrt((a2[0]-a3[0])**2+(a2[1]-a3[1])**2))
h1 = int(np.sqrt((a1[0]-a2[0])**2+(a1[1]-a2[1])**2))
h2 = int(np.sqrt((a3[0]-a4[0])**2+(a3[1]-a4[1])**2))
w,h=max(w1,w2),max(h1,h2)
# 计算透视变换后的坐标
new_a1 = [0,0]
new_a2 = [0,h]
new_a3 = [w,h]
new_a4 = [w,0]
# 目标矩阵
mat2 = np.array([new_a1,new_a2,new_a3,new_a4],dtype = np.float32)
# 透视变换矩阵
mat = cv2.getPerspectiveTransform(mat1,mat2)
# 进行透视变换
res = cv2.warpPerspective(img,mat,(w,h))
imshow((res))
透视变换的计算步骤:
首先获取原图多边形的四个顶点,注意顶点顺序。
然后构造原始顶点矩阵。
计算矩形长宽,构造变换后的目标矩阵。
获取原始矩阵到目标矩阵的透视变换矩阵
进行透视变换
4、轮廓检测,检测每个选项
res_gray = cv2.cvtColor(res,cv2.COLOR_BGR2GRAY)
_,binary_res = cv2.threshold(res_gray,0,255,cv2.THRESH_OTSU|cv2.THRESH_BINARY_INV)
contours = cv2.findContours(binary_res,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)[0]
dst = cv2.drawContours(res.copy(),contours,-1,(0,0,255),1)
imshow(dst)
筛选选项轮廓
# 挑选合适的轮廓
def check(contours):ans = []for i in contours:area = float(cv2.contourArea(i))length = float(cv2.arcLength(i,True))if area<=0 or length<=0:continueif area/length >7.05 and area/length<10.5:ans.append(i)return ans
ans_contours = check(contours)
dst_new = cv2.drawContours(res.copy(),ans_contours,-1,(0,255,255),3 )
imshow(dst_new)
5、画轮廓的外接圆,排序,定位每个选项
# 遍历每一个圆形轮廓,画外接圆
circle = []
for i in ans_contours:(x,y),r = cv2.minEnclosingCircle(i)center = (int(x),int(y))r = int(r)circle.append((center,r))
# 按照外接圆的水平坐标排序center[1],也就是圆心的高度h,或者y坐标
circle.sort(key = lambda x:x[0][1])
A = []
for i in range(1,6):now = circle[(i-1)*5:i*5]now.sort(key = lambda x:x[0][0])A.extend(now)
每个选项按照圆心从左到右,从上到下的顺序保存在了A中
6、选项检测
思路:对于A中的每个选项圆,计算它有所覆盖的坐标,然后判断这些坐标在二值图像中对应的值,统计白色点的个数, 如果白色点所占的比例比较大的话,说明该选项被选中。
def dots_distance(dot1,dot2):#计算二维空间中两个点的距离return ((dot1[0]-dot2[0])**2+(dot1[1]-dot2[1])**2)**0.5
def count_dots(center,radius):#输入圆的中心点与半径,返回圆内所有的坐标dots = []for i in range(-radius,radius+1):for j in range(-radius,radius+1):dot2 = (center[0]+i,center[1]+j)if dots_distance(center,dot2) <= radius:dots.append(dot2)return dotsda = []
for i in A:dots = count_dots(i[0],i[1])all_dots = len(dots)whilt_dots = 0for j in dots:if binary_res[j[1]][j[0]] == 255:whilt_dots = whilt_dots+1if whilt_dots/all_dots>=0.4:da.append(1)else:da.append(0)
da = np.array(da)
da = np.reshape(da,(5,5))
这样每个答题卡就转换成了一个二维数组,接下来在做一些简单的收尾工作就可以了。
往
期
回
顾
技术
用Python写一个天天酷跑
资讯
Nginx宣布在俄罗斯禁止贡献
技术
学会用Opencv做贪吃蛇游戏
技术
一行Python代码能干嘛?来看!
分享
点收藏
点点赞
点在看
用 Python 实现答题卡识别!相关推荐
- 几步搞定!用Python实现答题卡识别!
来源丨https://blog.csdn.net/qq_44805233?type=blog 大家好,我是辰哥~ 今天用Python对答题卡进行识别,答题卡素材图片如下: 思路 读入图片,做一些预处理 ...
- python OpenCV 答题卡识别判卷
完整代码: #导入工具包 import numpy as np import argparse import imutils import cv2# 设置参数 ap = argparse.Argume ...
- python 答题卡识别_opencv+python机读卡识别(初级版)
最近在进一步学习Python,在网上发现有使用opencv进行机读卡识别的, 就根据大神的文章,跟着学习,自己写了一个机读卡识别, 文章一:opencv+python机读卡识别整合版 文章二:pyth ...
- python 答题卡识别_opencv+python机读卡识别(最终版)
本文是对之前编写的机读卡进行完善, 只记录相关代码,不介绍具体编写流程, 具体流程:opencv+python机读卡识别(进阶版) 完善相关机读卡的适配,记录相关调试函数以及使用方法. # -*- c ...
- 答题卡识别任务--opencv python(附代码)
答题卡识别 项目理论和源码来自唐宇迪opencv项目实战 记一篇python-opencv 完成答题卡识别 项目的学习笔记 输入一张特定格式的答题卡图片(答题卡中题目数量和选项个数是固定的),能够输出 ...
- python CV 趣味项目 答题卡识别
英文原文来自 Bubble sheet multiple choice scanner and test grader using OMR, Python and OpenCV 说到答题卡,满满的都是 ...
- 用Python+OpenCV+PyQt开发的答题卡识别软件
用Python+OpenCV+PyQt开发的答题卡识别软件 软件使用说明 软件设计思路 如何设置答案 界面风格 备注 这是一个可以识别定制答题卡的软件,它可以根据用户自定的答案来进行识别,校对正误并统 ...
- 自动判卷 、答题卡识别、六级答题卡客观题自动判卷系统1.0
自动判卷 .答题卡识别.六级答题卡客观题自动判卷系统1.0 一.前言 二.代码 三.处理原图片.以及效果图片 四.总结 一.引言: 1.本程序设计想法来源于一次四六级考试,因为六级没有好好准备,裸考上 ...
- 答题卡识别C++版本(一)
之前用Python+Opencv 写过答题卡识别的算法. 这篇博客用的C++和Opencv来完成答题卡的识别,相关算法的思想是不变的. (一)定位答题卡的四个边角锚点 因为标准答题卡的四角都有黑色的圈 ...
最新文章
- 几道常见String面试题
- (笔试题)程序运行时间
- 结构体中的自然对界法则
- JAVA中如何取map的值_如何在java中取map中的键值 的两种方法
- 程序员身体容易出什么毛病..
- Flutter 基础篇-所有知识点架构
- 上手DocumentDB On Azure (二)
- qt 程序中读取 DXL360 倾角仪的数据
- html静态页面如何复用,一种前端页面模板复用的方法与流程
- 应用密码学:单表代替密码简单介绍
- 手把手教你创建 Alexa Smart Home Skill (二)
- python链家数据分析_利用Python分析北京链家二手房数据
- Vue单文件不兼容IE解决方法
- net start mysql无法启动数据库的解决办法
- man手册,安装中文手册
- background图片叠加_java实现图片的叠加效果
- Control your destiny, or someone else will
- c 朗读html,朗读《送杜少府之任蜀》
- oracle数据表转换为mysql数据表
- 疫情数据可视化01---中国疫情时间序列数据整理(截至7月30号)