使用 OpenCV-Python 识别答题卡判卷

任务

识别用相机拍下来的答题卡，并判断最终得分（假设正确答案是B, E, A, D, B）

主要步骤

1. 轮廓识别——答题卡边缘识别
2. 透视变换——提取答题卡主体
3. 轮廓识别——识别出所有圆形选项，剔除无关轮廓
4. 检测每一行选择的是哪一项，并将结果储存起来，记录正确的个数
5. 计算最终得分并在图中标注

分步实现

轮廓识别——答题卡边缘识别

输入图像

import cv2 as cv
import numpy as np

# 正确答案
right_key = {0: 1, 1: 4, 2: 0, 3: 3, 4: 1}

# 输入图像
img = cv.imread('./images/test_01.png')
img_copy = img.copy()
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cvshow('img-gray', img_gray)

图像预处理

# 图像预处理
# 高斯降噪
img_gaussian = cv.GaussianBlur(img_gray, (5, 5), 1)
cvshow('gaussianblur', img_gaussian)
# canny边缘检测
img_canny = cv.Canny(img_gaussian, 80, 150)
cvshow('canny', img_canny)

 

 

轮廓识别——答题卡边缘识别

# 轮廓识别——答题卡边缘识别
cnts, hierarchy = cv.findContours(img_canny, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
cv.drawContours(img_copy, cnts, -1, (0, 0, 255), 3)
cvshow('contours-show', img_copy)

透视变换——提取答题卡主体

对每个轮廓进行拟合，将多边形轮廓变为四边形

docCnt = None

# 确保检测到了
if len(cnts) > 0:
    # 根据轮廓大小进行排序
    cnts = sorted(cnts, key=cv.contourArea, reverse=True)

    # 遍历每一个轮廓
    for c in cnts:
        # 近似
        peri = cv.arcLength(c, True)
        # arclength 计算一段曲线的长度或者闭合曲线的周长；
        # 第一个参数输入一个二维向量，第二个参数表示计算曲线是否闭合

        approx = cv.approxPolyDP(c, 0.02 * peri, True)
        # 用一条顶点较少的曲线/多边形来近似曲线/多边形，以使它们之间的距离<=指定的精度；
        # c是需要近似的曲线，0.02*peri是精度的最大值，True表示曲线是闭合的

        # 准备做透视变换