用Python實(shí)現(xiàn)答題卡識(shí)別！你學(xué)會(huì)了嗎？
答題卡素材圖片:
思路
1.讀入圖片，做一些預(yù)處理工作。
2.進(jìn)行輪廓檢測，然后找到該圖片最大的輪廓，就是答題卡部分。
3.進(jìn)行透視變換，以去除除答題卡外的多余部分，并且可以對答題卡進(jìn)行校正。
4.再次檢測輪廓，定位每個(gè)選項(xiàng)。
5.對選項(xiàng)圓圈先按照豎坐標(biāo)排序，再按照行坐標(biāo)排序，這樣就從左到右從上到下的獲得了每個(gè)選項(xiàng)輪廓。
6.對每個(gè)選項(xiàng)輪廓進(jìn)行檢查，如果某個(gè)選項(xiàng)輪廓中的白色點(diǎn)多，說明該選項(xiàng)被選中，否則就是沒被選上。細(xì)節(jié)部分看過程：
1、預(yù)處理（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)
# 轉(zhuǎn)灰度
img_gray = cv2.cvtColor(img_gs,cv2.COLOR_BGR2GRAY)
# 自適應(yīng)二值化
_,binary_img = cv2.threshold(img_gray,0,255,cv2.THRESH_OTSU|cv2.THRESH_BINARY)
-----------------------------------
?著作權(quán)歸作者所有：來自51CTO博客作者千鋒IT教育的原創(chuàng)作品，請聯(lián)系作者獲取轉(zhuǎn)載授權(quán)，否則將追究法律責(zé)任
用Python實(shí)現(xiàn)答題卡識(shí)別！
https://blog.51cto.com/u_15739596/8014621注：cv2.THRESH_OTSU|cv2.THRESH_BINARY，該參數(shù)指的是自適應(yīng)閾值+反二值化，做自適應(yīng)閾值的時(shí)候閾值要設(shè)置為0
2、輪廓檢測
# 找輪廓
contours, hierarchy = cv2.findContours(binary_img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
# 按照輪廓的面積從大到小排序
cnts = sorted(contours,key = cv2.contourArea,reverse=True)
# 畫輪廓
draw_img = cv2.drawContours(img.copy(),cnts[0],-1,(0,255,255),2)
-----------------------------------
?著作權(quán)歸作者所有：來自51CTO博客作者千鋒IT教育的原創(chuàng)作品，請聯(lián)系作者獲取轉(zhuǎn)載授權(quán)，否則將追究法律責(zé)任
用Python實(shí)現(xiàn)答題卡識(shí)別！
https://blog.51cto.com/u_15739596/8014621注：findContours函數(shù)，傳入的圖像應(yīng)該是二值圖像，cv2.RETR_EXTERNAL指的是只檢測外部輪廓，cv2.CHAIN_APPROX_NONE指的返回輪廓上的所有點(diǎn)。
這里做輪廓近似的目的是，之前檢測到的輪廓看似是一個(gè)多邊形，其實(shí)本質(zhì)上是只是點(diǎn)集。
cv2.approxPolyDP(contour,epsilon,True)，多邊形逼近，第一個(gè)參數(shù)是點(diǎn)集，第二個(gè)參數(shù)是精度（原始輪廓的邊界點(diǎn)與擬合多邊形之間的最大距離），第三個(gè)參數(shù)指新產(chǎn)生的輪廓是否需要閉合，返回值approxCurve為多邊形的點(diǎn)集（按照逆時(shí)針排序）。與該函數(shù)類似的函數(shù)還有cv2.boundingRect（矩形包圍框）cv2.minAreaRect（最小包圍矩形框），cv2.minEnclosingCircle（最小包圍圓形）cv2.filtEllipse（最優(yōu)擬合橢圓）cv2.filtLine（最優(yōu)擬合直線），cv2.minEnclosingTriangle（最小外包三角形）
3、透視變換
透視變換的計(jì)算步驟：
- 首先獲取原圖多邊形的四個(gè)頂點(diǎn)，注意頂點(diǎn)順序。
- 然后構(gòu)造原始頂點(diǎn)矩陣。
- 計(jì)算矩形長寬，構(gòu)造變換后的目標(biāo)矩陣。
- 獲取原始矩陣到目標(biāo)矩陣的透視變換矩陣 5、進(jìn)行透視變換
4、輪廓檢測，檢測每個(gè)選項(xiàng)
5、畫輪廓的外接圓，排序，定位每個(gè)選項(xiàng)
# 挑選合適的輪廓
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:
continue
if 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)
-----------------------------------
?著作權(quán)歸作者所有：來自51CTO博客作者千鋒IT教育的原創(chuàng)作品，請聯(lián)系作者獲取轉(zhuǎn)載授權(quán)，否則將追究法律責(zé)任
用Python實(shí)現(xiàn)答題卡識(shí)別！
https://blog.51cto.com/u_15739596/8014621每個(gè)選項(xiàng)按照圓心從左到右，從上到下的順序保存在了A中。
6、選項(xiàng)檢測
思路：對于A中的每個(gè)選項(xiàng)圓，計(jì)算它有所覆蓋的坐標(biāo)，然后判斷這些坐標(biāo)在二值圖像中對應(yīng)的值，統(tǒng)計(jì)白色點(diǎn)的個(gè)數(shù)， 如果白色點(diǎn)所占的比例比較大的話，說明該選項(xiàng)被選中。
def dots_distance(dot1,dot2):
#計(jì)算二維空間中兩個(gè)點(diǎn)的距離
return ((dot1[0]-dot2[0])**2+(dot1[1]-dot2[1])**2)**0.5
def count_dots(center,radius):
#輸入圓的中心點(diǎn)與半徑，返回圓內(nèi)所有的坐標(biāo)
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 dots
da = []
for i in A:
dots = count_dots(i[0],i[1])
all_dots = len(dots)
whilt_dots = 0
for j in dots:
if binary_res[j[1]][j[0]] == 255:
whilt_dots = whilt_dots+1
if whilt_dots/all_dots>=0.4:
da.append(1)
else:
da.append(0)
da = np.array(da)
da = np.reshape(da,(5,5))
-----------------------------------
?著作權(quán)歸作者所有：來自51CTO博客作者千鋒IT教育的原創(chuàng)作品，請聯(lián)系作者獲取轉(zhuǎn)載授權(quán)，否則將追究法律責(zé)任
用Python實(shí)現(xiàn)答題卡識(shí)別！
https://blog.51cto.com/u_15739596/8014621
這樣每個(gè)答題卡就轉(zhuǎn)換成了一個(gè)二維數(shù)組，接下來在做一些簡單的收尾工作就可以了。
