当前位置:   article > 正文

Python /Opencv答题卡识别用例_github python 答题卡识别

github python 答题卡识别

使用Python3和Opencv识别一张标准的答题卡。大致的过程如下:

1,读取图片

2,利用霍夫圆检测,检测出四个角的黑圆位置,从确定四个角的位置

3,利用透视变换和四个角的位置,矫正图片(直接用的网上的图片,没有拍照,所以这一步没有实现)

4,裁剪四个边框,获取边框上小黑格的位置

5,根据小黑格的位置确定每个涂卡区域的位置

6,将答题卡腐蚀和膨胀,遍历所有的格子的区域,计算每个区域内像素值为0的个数,若数量达到某个值,那么就确认这个格子是被黑笔涂过,并记录该位置的题目选项。

具体的实现

一,读取图片,用是imread函数。

二,利用霍夫圆检测位置,这里注意的是HoughCircles的param参数,调的不准,所以检测出来还有其他的干扰圆,最后可以通过设置半径阈值,将四个角的圆筛选出来。最后这个函数返回四个圆的位置和半径。

  1. #检测图中的圆,并返回每个圆的位置和半径
  2. def detect_circles_demo(image):
  3. temp = image.copy()
  4. rows,cols,channels = temp.shape
  5. print(rows,cols)
  6. location_vcol = []
  7. dst = cv.pyrMeanShiftFiltering(image,10,100)
  8. cimage = cv.cvtColor(dst,cv.COLOR_BGR2GRAY)
  9. #不同的图片,Parmal的值是不一样的
  10. circles = cv.HoughCircles(cimage,cv.HOUGH_GRADIENT,1,20,param1= 27,param2=30,minRadius=0,maxRadius=0)
  11. circles = np.uint16(np.around(circles))
  12. for i in circles[0,:]:
  13. if i[2] < 20 and i[2] > 10:
  14. cv.circle(image,(i[0],i[1]),i[2],(0,0,255),2)
  15. location_vcol.append((i[0],i[1],i[2]))
  16. # 画出图中圆的位置
  17. cv.imshow("image",image)
  18. return location_vcol

三,先将图片整体二直化,再在二直化的图片将四个边框裁剪下来,直接根据四个边角的位置向外或者向里增加或者较少一个半径,确定边框矩形的对角位置。

  1. #获取四个边角的位置
  2. location_RT = location_vcol[0]
  3. location_RB = location_vcol[1]
  4. location_LT = location_vcol[2]
  5. location_LB = location_vcol[3]
  6. # 先将原图二值化,注意阈值的取范围,再将二值化图片转换成BGR,方便后面标出小方格的位置
  7. gray = cv.cvtColor(temp, cv.COLOR_BGR2GRAY)
  8. ret, binary = cv.threshold(gray, 100, 255, cv.THRESH_BINARY_INV)
  9. Matimage = cv.cvtColor(binary, cv.COLOR_GRAY2BGR)
  10. cv.imshow("Matimage",Matimage)
  11. #将图片的四条边裁剪出来
  12. roilLeft = Matimage[location_LT[1] - location_LT[2]:location_LB[1] + location_LB[2],location_LT[0] -location_LT[2]:location_LB[0] + location_LB[2]]
  13. roilRight = Matimage[location_RT[1] - location_RT[2]:location_RB[1] + location_RB[2],location_RT[0] - location_RT[2]:location_RB[0]+location_RB[2]]
  14. roilTop = Matimage[location_LT[0] - location_LT[2]:location_RT[1]+location_RT[2],location_LT[0] - location_LT[2]:location_RT[0] +location_RT[2]]
  15. roilBottom = Matimage[location_RB[1]-location_RB[2]:location_RB[1] + location_RB[2],location_LB[0] -location_LB[2]:location_RB[0]+location_RB[2]]
  16. # 展示四条边的图片
  17. cv.imshow("left",roilLeft)
  18. cv.imshow("right", roilRight)
  19. cv.imshow("top", roilTop)
  20. cv.imshow("bottom", roilBottom)

四,根据裁剪的边框确定边框上小白格的位置。每个方位的计算方式是一样的。每个函数返回的是小格子在源图中的位置。

       先来说底部的。这个过程是把截图看成一个坐标系,以行长为横坐标,列高为中坐标,计算统计每个横坐标下,有多少个点是白色的,并将该数值存放于列表vcol中。根据这种算法,能够得出这个列表中应该是rows个元素,而且每个元素的值不超过列高,不低于0。

       遍历vcol列表,如果某一个位置为0,后一个位置不为0,那么这个位置就是小白格的起始位置。并记录起始位置在原图中的位置,方便后期遍历整个涂卡区域。

       其他的三个方向是同样的道理,

  1. #计算底部小黑格的位置
  2. def sure_bottom(roilBottom,src,a):
  3. rows, cols, channels = roilBottom.shape
  4. src_rows,src_cols,src_channels = src.shape
  5. itemp = 0
  6. vcol = []
  7. bottom_vcol = []
  8. for i in range(0, cols):
  9. for j in range(0, rows):
  10. if roilBottom[j, i][0] == 255 and roilBottom[j, i][1] == 255 and roilBottom[j, i][2] == 255:
  11. itemp = itemp + 1
  12. vcol.append(itemp)
  13. itemp = 0
  14. for i in range(vcol.__len__()):
  15. if 0 == vcol[i] and vcol[i + 1] > 0:
  16. cv.line(roilBottom, (i, 0), (i, rows), (0, 0, 255), 2)
  17. cv.line(src, (i + a, src_rows), (i + a, src_rows - rows), (0, 255, 0), 2)
  18. bottom_vcol.append(i + a)
  19. cv.imshow("src-1", roilBottom)
  20. return bottom_vcol
  21. #计算右部小黑格的位置
  22. def sure_Right(roilRight,src,a):
  23. rows, cols, channels = roilRight.shape
  24. src_rows, src_cols, src_channels = src.shape
  25. itemp = 0
  26. vcol = []
  27. right_vcol = []
  28. for i in range(0, rows):
  29. for j in range(0, cols):
  30. if roilRight[i, j][0] == 255 and roilRight[i, j][1] == 255 and roilRight[i, j][2] == 255:
  31. itemp = itemp + 1
  32. vcol.append(itemp)
  33. itemp = 0
  34. print(vcol)
  35. for i in range(vcol.__len__()):
  36. if vcol[i] == 0 and vcol[i + 1] > 0:
  37. cv.line(roilRight, (0, i), (cols, i), (0, 0, 255), 2)
  38. cv.line(src, (src_cols - cols, i + a ), (src_cols, i + a), (0, 0, 255), 2)
  39. right_vcol.append(i + a)
  40. cv.imshow("src", src)
  41. return right_vcol
  42. #计算左边小黑格的位置
  43. def sure_Left(roilLeft,src,a):
  44. rows, cols, channels = roilLeft.shape
  45. print(rows, cols)
  46. itemp = 0
  47. vcol = []
  48. left_vcol = []
  49. for i in range(0, rows):
  50. for j in range(0, cols):
  51. if roilLeft[i, j][0] == 255 and roilLeft[i, j][1] == 255 and roilLeft[i, j][2] == 255:
  52. itemp = itemp + 1
  53. vcol.append(itemp)
  54. itemp = 0
  55. for i in range(vcol.__len__()):
  56. if vcol[i] == 0 and vcol[i + 1] > 0:
  57. cv.line(roilLeft, (0, i), (cols, i), (0, 0, 255), 2)
  58. cv.line(src, (16, i + a), (16 + cols, i + a), (0, 0, 255), 2)
  59. left_vcol.append(i + a)
  60. cv.imshow("src", src)
  61. return left_vcol
  62. # 确定顶部小黑格的位置
  63. def sure_Top(roilTop,src,a):
  64. rows, cols, channels = roilTop.shape
  65. src_rows, src_cols, src_channels = src.shape
  66. itemp = 0
  67. vcol = []
  68. top_vcol = []
  69. for i in range(0, cols):
  70. for j in range(0, rows):
  71. if roilTop[j, i][0] == 255 and roilTop[j, i][1] == 255 and roilTop[j, i][2] == 255:
  72. itemp = itemp + 1
  73. vcol.append(itemp)
  74. itemp = 0
  75. for i in range(vcol.__len__()):
  76. if vcol[i] == 0 and vcol[i + 1] > 0:
  77. cv.line(roilTop, (i, 0), (i, rows), (0, 0, 255), 2)
  78. cv.line(src, (i + a, 12), (a + i,48), (0, 0, 255), 2)
  79. top_vcol.append(i + a)
  80. cv.imshow("src", src)
  81. return top_vcol
  82. #获取原图位置
  83. bottom_vcol = sure_bottom(roilBottom,temp,location_LB[0] -location_LB[2])
  84. right_vcol = sure_Right(roilRight,temp,location_RT[1] - location_RT[2])
  85. left_vcol = sure_Left(roilLeft,temp,location_LT[1] - location_LT[2])
  86. top_vcol = sure_Top(roilTop,temp,location_LT[0] - location_LT[2])

五,在原图中全出每个小格子。在此之前要将图片做个预处理,腐蚀和膨胀。这个程序先圈出来的是答题区域的小格子,所以i和j 的范围分别是底部格子数和右边格子数。

        先将每个格子的区域找出来,然后遍历这个格子的全部像素,判断是否为0 ,如果为0,那么就isum+1,最后遍历结束,看看isum的个数有没有达到总像素个数的10%,如果达到,那么就可以判定这个区域是被涂过的,记录这个区域对应的题号和选项,以备后面计分。

  1. dst = sure_if_fill(temp)
  2. for i in range(0,20):
  3. for j in range(10,26):
  4. rect = dst[bottom_vcol[i]:bottom_vcol[i] + 9,right_vcol[i]:right_vcol[j] + 3]
  5. rect_up = (bottom_vcol[i],right_vcol[j])
  6. rect_down = (bottom_vcol[i] + 9,right_vcol[j] + 3)
  7. # 判断ROI区域是否被填充
  8. isum = 0
  9. for ii in range(rect.shape[0]):
  10. for jj in range(rect.shape[1]):
  11. if dst[ii,jj] == 0:
  12. isum = isum + 1
  13. # if isum > 0.1 * rect.shape[0] * rect.shape[1]:
  14. cv.rectangle(temp,rect_down,rect_up,(0,255,0),2)
  15. isum = 0
  16. cv.imshow("dst",temp)
  17. #检查空格是否被填充
  18. def sure_if_fill(image):
  19. temp = image.copy()
  20. gray = cv.cvtColor(temp,cv.COLOR_BGR2GRAY)
  21. ret,binary = cv.threshold(gray,100,255,cv.THRESH_BINARY)
  22. kernel = cv.getStructuringElement(cv.MORPH_RECT,(3,3))
  23. dst = cv.erode(binary,kernel= kernel)
  24. cv.imshow("dst",dst)
  25. return dst

这是腐蚀后的图片

这是圈出所有答题区域的图片

声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:【wpsshop博客】
推荐阅读
相关标签
  

闽ICP备14008679号