1 项目介绍

2 代码分析

2.1 导入库

2.2 设置参数

2.3 设置正确答案

2.4 定义找到四个角点的函数

2.5 定义变换函数

2.6 定义 sort_contours()

2.7 定义展示函数 cv_show()

2.8 图像滤波

2.9 边缘检测

2.10 整体轮廓检测

2.11 处理轮廓

2.12 透视变换

2.13 二值处理

2.14 寻找轮廓并画出来

2.15 提取答题卡上的答案

2.16 对比正确答案

2.17 计算其余信息

3 新了解的方法

1 项目介绍

现在我有一张写好答案的答题卡并且我有一组答案

为我们把正确的结果标出来，然后得出正确率

2 代码分析

2.1 导入库

2.2 设置参数

2.3 设置正确答案

第0行的答案的B，第1行的答案是E，第2行的答案是A，第3行的答案是D，第4行的答案是B

2.4 定义找到四个角点的函数

我觉得这个并不是很科学，我在该专栏的 11.提取图像内容区域做过更改，我们可以使用我改过的函数

2.5 定义变换函数

在该专栏的 11.提取图像内容区域有讲过，就不赘述了

2.6 定义 sort_contours()

这个是排序用的在该专栏的 11.银行卡号识别有讲过

2.7 定义展示函数 cv_show()

2.8 图像滤波

读取图片后复制一张，然后将原图转为灰度图，之后对其进行布尔滤波，然后展示出来

2.9 边缘检测

2.10 整体轮廓检测

2.11 处理轮廓

首先我们定义一个docCnt，这个变量用来存放我们轮廓的内容，之后如果我们检测到了轮廓就进入分支，进入分支后将轮廓按面积大小排序，之后遍历排序好的每一个轮廓对其进行轮廓近似(将每一个轮廓搞成多边形，大概是这样的)，如果我近似后的结果多余四边形就将该轮廓近似后的结果赋值给docCnt()

我们下面看一下近似前与近似后的轮廓

近似前

近似后

可以看出来是差不多的，我们后面的遍历与近似是为了让代码也能更好的匹配别的图像

我们看一下docCnt的内容

2.12 透视变换

刚刚我们得到的docCnt就是内容区域的轮廓，现在我们使用docCnt提取图像内容(进行透视变换)，首先我么们把docCnt降一维变成(4,2)，然后执行four_point_transform()提取图像内容

2.13 二值处理

处理之后复制一张处理过的图片

2.14 寻找轮廓并画出来

由于图像是二值化的图像所以我们看不出来是红色，我们现在把轮廓在image上画验证一下

这个只是验证灰度图上画轮廓不显示红色，在刚刚灰度图中画的轮廓不是上图红色的样子

2.15 提取答题卡上的答案

如果答题卡涂成一个圆，我们也可以用霍夫变换来检测圆，但如果涂的不像是一个圆就没有办法检测出来了，下面这个图右边可以检测出来，左边这个检测不出来

首先我们创建一个空的列表用于存储答题卡上答案的轮廓

遍历图中的所有轮廓，对轮廓进行矩形近似，之后算出矩形的宽高比ar，之后进入判定，如果宽>=20,高>=20，宽高比在0.9-1.1之间，我们将轮廓加入questionCnts,这样我们就能筛选出来所有圈的轮廓了

之后使用上面定义的sort_contours对轮廓进行从上到下排序

我们现在看一下questionCnts，很长我就只截取头和尾了

然后定义correct用于记录正确的个数

下面涉及到了np.arange()这个方法，我们举个例子

import numpy as np
a = np.arange(3)
print(a)
print(type(a))a = np.arange(1,5)
print(a)
print(type(a))a = np.arange(1,5,2)
print(a)
print(type(a))

上面是三种加入参数的方式

直接写一个整形进去，这样就会生成一个内容为从0到n-1的numpy.ndarray
写两个整形进去，这样会生成内容为从a到b的numpy.ndarray
写三个整形进去，这样会生成内容为从a到b，步长为c的numpy.ndarray

回到我们的代码，我们此时做了一个循环

q是我们np.arange的结果从0到25，步长为5，q的取值范围为[0,5)，i是enumerate给的序号，一共25个，所以i的取值范围为[0,25)

进入循环后，把每5个圆形轮廓归为一堆，并以默认的方法排序(从左到右)这样我们就得出了一行的圆形轮廓,然后将bubble置为none

然后我们再上面的循环中进入一个小循环，这个循环是遍历我们同一行的轮廓，我们先用enumerate()对同一行的轮廓进行标号

之后我们创建全0(黑)掩膜，大小与图像内容大小图片相同，之后在mask上把轮廓画出来，第一个-1是全部都画出来(由于是遍历的，所以只有一个)，第二个-1是填充，把轮廓内的值都置为255(白色),然后展示出来

一共展示25次，我们展示一下前几次的什么样子的

然后我们使用mask对图自身做与运算，这样可以把选中的答案筛选出来，涂过的会比没涂过的非0值更多，之后我们使用检测出非零值个数，如果多就覆盖掉，少就下一轮，这样我们就选出来了一行中涂过的答案轮廓

2.16 对比正确答案

之后我们小循环就结束了，然后定义一个红颜色，之后把正确答案赋值给k

ANSWER_KEY 我们之前定义过，是内容为正确答案的字典

如果判断正确，我们将颜色改为绿色，然后correct(正确数量)+1

然后把该轮廓画出来

2.17 计算其余信息

score是答题卡的得分，对一个20分，然后终端显示出来，之后在图上画出来，然后展示原图与最终的结果进行对比

由于我们搞的是灰度图，所以颜色就显示不出来了

如果我们要把颜色搞出来我们应该把图像的颜色通道变为3条，首先在大循环前复制，然后转换

然后在img上画

在img上写

展示img

3 新了解的方法

np.arange() 生成内容为顺序整形的numpy.ndarray

17.答题卡识别判卷相关推荐

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 ...
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之答题卡识别判卷
项目要求提供一张答题卡图像,通过图像处理识别出答题卡上每个题的选项,与正确答案对比,得出分数并写在答题卡上. 代码实现过程 1.引入需要的库 import numpy as np import cv ...
人工智能项目实战-使用OMR完成答题卡识别判卷
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 ...
opencv_python答题卡自动判卷
opencv_python答题卡自动判卷设定答题卡模板该图像为答题卡的答题区域,黑色边框是为了能够在各种环境中轻易的检测,左部分和上部分的黑色矩形,是为能够定位到答题选项的坐标而设置,同时题目数量 ...
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 ...
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 ...

17.答题卡识别判卷

1 项目介绍

2 代码分析

2.1 导入库

2.2 设置参数

2.3 设置正确答案

2.4 定义找到四个角点的函数

2.5 定义变换函数

2.6 定义 sort_contours()

2.7 定义展示函数 cv_show()

2.8 图像滤波

2.9 边缘检测

2.10 整体轮廓检测

2.11 处理轮廓

2.12 透视变换

2.13 二值处理

2.14 寻找轮廓并画出来

2.15 提取答题卡上的答案

2.16 对比正确答案

2.17 计算其余信息

3 新了解的方法

17.答题卡识别判卷相关推荐

最新文章

热门文章