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。

opencv项目实践一（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 ...
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 ...
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 ...
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 ...
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 SpringMvc＋OpenCV 实现的答题卡识别系统（附源码）
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.是研究图像处理技术的一个很不错的工具.最初开始接 ...
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 ...
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 ...
图像识别——（java使用opencv答题卡识别)
具体算法实现:具体算法实现--opencvhttps://blog.csdn.net/qq_39246466/article/details/123819795 1.安装: 配置linux或windo ...

opencv项目实践一（答题卡识别）

opencv项目实践一（答题卡识别）相关推荐

最新文章

热门文章