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圈，将这些圈圈的位置定位出来，就相当于定位出四个边角锚点。

定位黑色圆圈，有两种方式：

（1）霍夫圆检测，找到圆心的位置，这个方法我在之前的Python版本中已经用过。但是我用C++来做的时候，霍夫圆检测速度比较慢，而且占很大的内存。所以改用了第二种方法。

（2）模板匹配，事先做好和边角黑圈大小差不多的模板图片。然后对输入图片进行模板匹配。

模板匹配：通过在输入图像上滑动模板图片，对两者进行对比，找出相似度最高的ROI区域。

实现模板匹配的函数：matchTeplate()。它的参数如下：

第一个参数：InputArray image，8位或者32位浮点型输入图像。

第二个参数：InputArray template,和源图片有一样的数据类型，而且尺寸不能大于原图。

第三个参数：OutArray result，比较结果的映射图像。这里的result是32位的单通道图像，输入图像的尺寸是（W，H），模板图像的尺寸是（w,h）,那么它的大小是(W-w+1)*(H-h+1)。

第四个参数：int类型的method。Opencv提供了6种图像匹配的方法。

匹配后的结果是32位，需要做个归一化处理。

实现归一化的函数：normalize()。它的参数如下：

第一个参数：输入图像。第二个参数：输出图像。Mat类的对象即可。

第三个参数：double类型alpha。第四个参数：double类型beta。

第五个参数：norm_type的类型。

第六个参数：int类型的dtype，默认是-1。当这个参数取负数的时候，输出矩阵和src拥有同样的类型，否则就是和src相同的通道数。

第七个参数：可选的操作掩模。

模板匹配的代码思想：

（1）将整张图片分成四个部分。

这里的Rect使用注意：

1，第一个参数和第二个参数，表示划分图片的左上角坐标，第三和第四个参数表示划分区域的宽和高。

2，所以获取的最大位置的坐标是相对裁剪部分而言，所以返回坐标的时候需要做相应的调整，使其能够对应到原图的位置。

 Mat matLT = matSrc(Rect(0, 0, col / 2, row / 2));Mat matLD = matSrc(Rect(0, row/2, col / 2, row / 2));Mat matRT = matSrc(Rect(col/2 ,0, col / 2, row / 2));Mat matRD = matSrc(Rect(col/2, row/2, col / 2, row / 2));

（2）进行四次模板匹配，得到四张result结果图。

结果图保存在matTemp中，其中参数5表示采用第五种匹配方法：系数匹配法TM_CCOOEFF。

matchTemplate(matLD, matTemplate, matTemp, 5);

（3）对matTemp进行归一化。

采用区间归一化，将像素值映射到[0,1]这个范围内。

normalize(matTemp, matTemp, 0, 1, NORM_MINMAX, -1, Mat());

（4）获取结果图中最大值的位置，并返回该位置。

minMaxLoc是用获取图像最大值，最小值，以及对应的位置。这里只需要获取最大值的位置，其他的可以设置成NULL。

minMaxLoc(matTemp, NULL, NULL, NULL, &maxLocLD,Mat());
anchorLD = Point(maxLocLD.x , maxLocLD.y+row/2);

anchorLT = maxLocLT;
anchorRT = Point(maxLocRT.x+col/2, maxLocRT.y);
anchorRD = Point(maxLocRD.x + col / 2, maxLocRD.y + row / 2);

（5）在原图中将最大的位置画出来。

//将获取的锚点画出来。
circle(matStand, anchorLT, 5, Scalar(0, 0, 255), 5);
circle(matStand, anchorLD, 5, Scalar(0, 0, 255), 5);
circle(matStand, anchorRT, 5, Scalar(0, 0, 255), 5);
circle(matStand, anchorRD, 5, Scalar(0, 0, 255), 5);

看一下整个模板匹配的效果。这里看一张正的图片和一张倾斜图片的匹配效果。

看一下局部匹配出来的效果图。这是matTemp的展示，边角最亮的应该就是匹配度最高的点。

matTemp的属性如下：W-w+1 =210-24+1=187.

H-h+1 = 185-24+1 = 162

所以matTemp的大小就是187*162。根据打印的matTemp的像素值，为32位的浮点型，但是带符号。

归一化后，就是0.0-1.0的范围。

总结下来，模板匹配的两步基本工作：匹配和归一化。

答题卡识别C++版本（一）相关推荐

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 ...
【Matlab答题卡识别】hough变换答题卡判定与成绩统计【含GUI源码 752期】
一.代码运行视频(哔哩哔哩) [Matlab答题卡识别]hough变换答题卡判定与成绩统计[含GUI源码 752期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [ ...
【Matlab答题卡识别】hough变换答题卡判定与成绩统计（带面板）【含GUI源码 1017期】
一.代码运行视频(哔哩哔哩) [Matlab答题卡识别]hough变换答题卡判定与成绩统计(带面板)[含GUI源码 1017期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 ...
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 ...
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 ...
OpenCV C++案例实战五《答题卡识别》
OpenCV C++案例实战五<答题卡识别> 前言一.图像矫正 1.源码二.获取选项区域 1.扣出每题选项 2.源码三.获取答案 1.思路 2.辅助函数 3.源码 4.效果总结前 ...
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 ...
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 ...

答题卡识别C++版本（一）

答题卡识别C++版本（一）相关推荐

最新文章

热门文章