自动答题卡——matlab视觉检测

该博客主要介绍了图像处理技术在OCR(光学字符识别)中的应用,包括灰度化、边缘检测、形态学填充等步骤,用于识别答题卡上的文字。博主通过Canny边缘检测和形态学操作提取答题区域,然后对每个答案框进行去噪处理,使用质心定位和面积阈值来识别字母。整个过程展示了如何利用图像处理和机器学习基础进行字符识别。
摘要由CSDN通过智能技术生成

close all
clear all
%1.预处理,灰度化,边缘检测,形态学填充,找出最大矩形,标记其坐标。
%2.选取感兴趣区域的元素,并将答案变成白色矩形。
%3. 利用for循环去噪识别答案
I=imread([‘试题.jpg’]);
gray=rgb2gray(I);
bw=im2bw(gray);imshow(bw)
f=edge(gray,‘canny’,[0,0.1]);
figure;imshow(f);title(‘canny’)

SE = strel(‘disk’,5);
F= imclose(f,SE);%图像
[L n]= bwlabeln(F,8);
S = regionprops(L, ‘Area’);
area=sort([S.Area],‘descend’);
G= ismember(L, find([S.Area] >=area(1)));
figure;imshow(G);title(‘试题’)
stats=regionprops(G,‘BoundingBox’);
rect=stats.BoundingBox;

[r,c]=size(bw);
roi=zeros(r,c);
for i=floor(rect(2):rect(2)+rect(4)-1)
for j=floor(rect(1):rect(1)+rect(3))
roi(i,j)=bw(i,j);
end
end
imshow(~roi)
target=(bwareaopen(~roi,90)); imshow( target)%去除面积低于90的小噪声
choos=[‘ABCD’];
% 利用for循环去噪识别答案
for i=1:35
for j=1:4
% imshow(target(330+18*(i-1):330+18i,50:155))
tt= bwareaopen(target(330+18
(i-1):330+18i,50+160(j-1):155+160*(j-1)),90);%防止截取的不均匀有碎片
stat=regionprops(tt,‘Centroid’,‘BoundingBox’);
if ~isempty(stat)
if stat.BoundingBox(3)<20%小矩形的高度小于20,长片的字是大于20的。
Answer(i,j)=choos( round(stat.Centroid(1)/26));%质心横坐标除26宽度,获取答案的索引位置
else
Answer(i,j)= ‘N’;
end
end
end
end

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值