前言

本文将使用OpenCV C++ 进行答题卡识别。

一、图像矫正

原图如图所示。我们拿到图像首先要进行图像预处理。本文目的是进行答题卡选项识别。所以，第一步我们需要将答题卡区域切割出来以进行后续识别工作。在上一篇文章我已经做过图像矫正案例OpenCV C++案例实战四《图像透视矫正》，详细内容大家可以参考，这里就不再赘述。

1.源码

void Answer::GetWarpImg(Mat src, Mat& WarpImg)
{Mat gray;cvtColor(src, gray, COLOR_BGR2GRAY);Mat blur;GaussianBlur(gray, blur, Size(3, 3), 0);Mat canny;Canny(blur, canny, 100, 200);vector<vector<Point>>contours;findContours(canny, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);//找到最大矩形轮廓int index = 0;double maxArea = 0;for (int i = 0; i < contours.size(); i++){double area = contourArea(contours[i]);if (maxArea < area){maxArea = area;index = i;}}//多边形近似vector<vector<Point>>conPloy(contours.size());double peri = arcLength(contours[index], true);approxPolyDP(contours[index], conPloy[index], 0.02*peri, true);//找到矩形四个顶点vector<Point>srcPts;for (int i = 0; i < conPloy[index].size(); i++){srcPts.push_back(Point(conPloy[index][i].x, conPloy[index][i].y));}int width = src.cols / 2;int height = src.rows / 2;//将矩形四个顶点按T_L, B_L, B_R, T_R区分int T_L, B_L, B_R, T_R;for (int i = 0; i < srcPts.size(); i++){if (srcPts[i].x < width && srcPts[i].y < height){T_L = i;}if (srcPts[i].x < width && srcPts[i].y > height){B_L = i;}if (srcPts[i].x > width && srcPts[i].y > height){B_R = i;}if (srcPts[i].x > width && srcPts[i].y < height){T_R = i;}}/*变换后，图像的长和宽应该变为：长 = max（变换前左边长，变换前右边长）宽 = max（变换前上边长，变换前下边长）设变换后图像的左上角位置为原点位置。*/double upWidth = EuDis(srcPts[T_R], srcPts[T_L]);double downWidth = EuDis(srcPts[B_R], srcPts[B_L]);double maxWidth = max(upWidth, downWidth);double leftHeight = EuDis(srcPts[B_L], srcPts[T_L]);double rightHeight = EuDis(srcPts[B_R], srcPts[T_R]);double maxHeight = max(leftHeight, rightHeight);Point2f AffineSrcPts[4] = { Point2f(srcPts[T_L]) ,Point2f(srcPts[T_R]) ,Point2f(srcPts[B_L]) ,Point2f(srcPts[B_R]) };Point2f AffineDstPts[4] = { Point2f(0, 0),Point2f(maxWidth , 0),Point2f(0, maxHeight),Point2f(maxWidth , maxHeight) };Mat M;//计算仿射变换矩阵M = getPerspectiveTransform(AffineSrcPts, AffineDstPts);//对加载图形进行仿射变换操作warpPerspective(src, WarpImg, M, Point(maxWidth, maxHeight));
}

如图就是经图像透视矫正切割出来的答题卡区域。接下来，我们就需要对该图进行后续识别处理。

二、获取选项区域

1.扣出每题选项

我对于该案例的处理思路是：先对原图进行透视矫正；然后将每一题号选项都切割出来；最后对这些切割出来的选项一一识别。

 Mat gray;cvtColor(WarpImg, gray, COLOR_BGR2GRAY);Mat bin;threshold(gray, bin, 0, 255, THRESH_BINARY_INV | THRESH_OTSU);//使用 Size(15, 5)闭操作目的是为了将每一题选项连接起来。Mat close;Mat kernel = getStructuringElement(MORPH_RECT, Size(15, 5));morphologyEx(bin, close, MORPH_CLOSE, kernel);

如图所示，经过上述图像预处理，我们就可以利用轮廓筛选出每一题号选项。

 vector<vector<Point>>contours;findContours(close, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);RotatedRect rect;Rect box;for (int i = 0; i < contours.size(); i++){Mat mask = Mat::zeros(WarpImg.size(), WarpImg.type());mask = Scalar::all(255);double area = contourArea(contours[i]);if (area > 1000){rect = minAreaRect(contours[i]);box = rect.boundingRect();double ratio = rect.size.height / rect.size.width;//将每一选项都单独抠出来放进AnswerROI容器，以便后续识别。if (ratio > 0.1){//rectangle(WarpImg, Rect(box.tl(), box.br()), Scalar(0, 255, 0), 2);Mat ROI = WarpImg(Rect(box.tl(), box.br()));ROI.copyTo(mask(box));AnswerROI.push_back(mask);}}}

如图为扣出的题号选项，这里只展示其中之一。接下来我们对每一题的选项进行识别就可以了。

2.源码

void  Answer::GetAnswerArea(Mat&WarpImg, vector<Mat>&AnswerROI)
{Mat gray;cvtColor(WarpImg, gray, COLOR_BGR2GRAY);Mat bin;threshold(gray, bin, 0, 255, THRESH_BINARY_INV | THRESH_OTSU);//使用 Size(15, 5)闭操作目的是为了将每一题选项连接起来。Mat close;Mat kernel = getStructuringElement(MORPH_RECT, Size(15, 5));morphologyEx(bin, close, MORPH_CLOSE, kernel);vector<vector<Point>>contours;findContours(close, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);RotatedRect rect;Rect box;for (int i = 0; i < contours.size(); i++){Mat mask = Mat::zeros(WarpImg.size(), WarpImg.type());mask = Scalar::all(255);double area = contourArea(contours[i]);if (area > 1000){rect = minAreaRect(contours[i]);box = rect.boundingRect();double ratio = rect.size.height / rect.size.width;//将每一选项都单独抠出来放进AnswerROI容器，以便后续识别。if (ratio > 0.1){//rectangle(WarpImg, Rect(box.tl(), box.br()), Scalar(0, 255, 0), 2);Mat ROI = WarpImg(Rect(box.tl(), box.br()));ROI.copyTo(mask(box));AnswerROI.push_back(mask);}}}reverse(AnswerROI.begin(), AnswerROI.end());}

三、获取答案

1.思路

由于之前我们已经将图像透视矫正，并且将每一题号选项都一一抠出来作为一张新图像存储。所以，这里我们可以将每个选项按A,B,C,D,E划分区域，然后计算每个选项区域像素点个数，选项涂抹区域必定是像素点最多的，由此我们可以判定出每一题号的选项。

2.辅助函数

//计算ABCDE区域所有像素点个数
int get_pixsum(Mat image, int pixstart, int pixend)
{int sum = 0;for (int i = pixstart; i < pixend; i++){for (int j = 0; j < image.rows; j++){if (image.at<uchar>(j, i) != 0){sum++;}}}return sum;
}//找到像素点最多区域的索引
int getMaxIndex(vector<int>Answer)
{int max = 0;int index = -1;for (int i = 0; i < Answer.size(); i++){if (Answer[i] > max){max = Answer[i];index = i;}}return index;
}

3.源码

void Answer::GetAnswer(Mat&WarpImg, vector<Mat>&AnswerROI, vector<int>Answers, int &Score)
{vector<int>Results;//正确结果选项索引vector<vector<Point>>ResultContours;//正确结果选项轮廓for (int i = 0; i < AnswerROI.size(); i++){Mat gray;cvtColor(AnswerROI[i], gray, COLOR_BGR2GRAY);Mat bin;threshold(gray, bin, 0, 255, THRESH_BINARY_INV | THRESH_OTSU);//计算ABCDE区域所有像素点个数int A = get_pixsum(bin,  60,  110);int B = get_pixsum(bin, 110, 160);int C = get_pixsum(bin,  160,  210);int D = get_pixsum(bin,  210, 260);int E = get_pixsum(bin,  260, 310);vector<int>Answer = { A,B,C,D,E };//找到像素点最多区域的索引int Index = getMaxIndex(Answer);Results.push_back(Index);  //正确结果选项索引//获取选项轮廓vector<vector<Point>>contours;vector<vector<Point>>AnswerContours;findContours(bin, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);//由于提取到的轮廓是倒序的，故reverse反转一下reverse(contours.begin(), contours.end());for (int j = 0; j < contours.size(); j++){//通过面积条件，只提取选项（ABCDE）轮廓if (contourArea(contours[j]) > 200){AnswerContours.push_back(contours[j]);}}ResultContours.push_back(AnswerContours[Index]);//正确结果选项轮廓}//结果绘制for (int i = 0; i < Answers.size(); i++){if (Answers[i] == Results[i]){//答题正确绘制绿色drawContours(WarpImg, ResultContours, i, Scalar(0, 255, 0), 2);}else{//答题错误绘制红色drawContours(WarpImg, ResultContours, i, Scalar(0, 0, 255), 2);}}//统计得分double Count = 0;       //答对数量for (int i = 0; i < Answers.size(); i++){if (Results[i] == Answers[i]){Count++;}}Score = (Count / Answers.size()) * 100;}

4.效果

这里我设置的正确答案为：B,E,A,C,D。故只答对4题，得80分。

总结

本文使用OpenCV C++ 进行答题卡识别，关键步骤有以下几点。
1、图像透视矫正，将答题卡区域正确切割出来。
2、将每一题号分别抠出来存为新图像，待后续识别。
3、对每一题号确定其A,B,C,D,E选项区域，统计其像素点个数，故而匹配选项。

以上就是我对整个案例是思路以及处理手法，如果大家有更好地想法欢迎讨论。

OpenCV C++案例实战五《答题卡识别》相关推荐

opencv图像处理—项目实战：答题卡识别判卷
哔站唐宇迪opencv课程--项目实战:答题卡识别判卷 [计算机视觉-OpenCV]唐宇迪博士教会了我大学四年没学会的OpenCV OpenCV计算机视觉实战全套课程(附带课程课件资料+课件笔记+源码 ...
OpenCV实战(二)——答题卡识别判卷
代码见 https://github.com/skyerhxx/Answer-card-recognition-and-judgment 答题卡识别判卷识别出考生选择的答案并能自动判分 Python ...
opencv项目实践一（答题卡识别）
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于部分,并且可以对答题卡进行校正. 再次检测轮廓,定位每 ...
深入学习OpenCV文档扫描OCR识别及答题卡识别判卷（文档扫描，图像矫正，透视变换，OCR识别）
人工智能学习离不开实践的验证,推荐大家可以多在FlyAI-AI竞赛服务平台多参加训练和竞赛,以此来提升自己的能力.FlyAI是为AI开发者提供数据竞赛并支持GPU离线训练的一站式服务平台.每周免费提供 ...
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 ...
基于Android和OpenCV的答题卡识别软件
基于Android和OpenCV的答题卡识别软件 1. 软件介绍设计目标是可以添加不同的考试,在不同考试下可以设置模板,包括题目数量.答题卡样式.每题分值以及每题答案:扫描结果按列表显示,并讲识别出 ...
opencv学习笔记八--答题卡识别
opencv学习笔记八--答题卡识别导入工具包定义函数扫描自适应阈值处理检测每一个选项的轮廓对轮廓进行排序以获取序号打印结果参考导入工具包 #导入工具包 import numpy a ...
基于 SpringMvc + OpenCV 实现的答题卡识别系统（附源码）
点击关注公众号,实用技术文章及时了解 java_opencv 项目介绍 OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,它提供了一系列图像处理和计算机视觉方面很多通用算法.是研究图像 ...
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 ...

OpenCV C++案例实战五《答题卡识别》