python识别文字答题_使用python3+opencv3实现的识别答题卡的例子（02）

代码如下：# -*- coding:utf-8 -*-

import matplotlib.pyplot as plt

from imutils.perspective import four_point_transform

from imutils import contours

import numpy as np

import imutils

import cv2 as cv

# 加载原图，可在项目imgs/example02目录下找到

img=cv.imread("E:\tmp\test6.jpg")

# 打印原图

cv.imshow("orgin",img)

# 灰度化

gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)

# 打印灰度图

cv.imshow("gray",gray)

# 高斯滤波，清除一些杂点

blur=cv.GaussianBlur(gray,(3,3),0)

# 自适应二值化算法

thresh2 = cv.adaptiveThreshold(blur,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY_INV,131,4)

# 打印二值化后的图

cv.imshow("thresh2",thresh2)

# 寻找轮廓

image, cts, hierarchy = cv.findContours(thresh2, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)

# 打印找到的轮廓

print("轮廓数：",len(cts))

# 对拷贝的原图进行轮廓标记

contour_flagged=cv.drawContours(img.copy(), cts, -1, (0, 0, 255), 3)

# 打印轮廓图

cv.imshow("contours_flagged", contour_flagged)

# 按像素面积降序排序

list = sorted(cts, key=cv.contourArea, reverse=True)

# 遍历轮廓

for ct in list:

# 周长，第1个参数是轮廓，第二个参数代表是否是闭环的图形

peri = 0.01 * cv.arcLength(ct, True)

# 获取多边形的所有定点，如果是四个定点，就代表是矩形

approx = cv.approxPolyDP(ct, peri, True)

# 只考虑矩形

if len(approx) == 4:

# 从原图中提取所需的矫正图片

ox = four_point_transform(img, approx.reshape(4, 2))

# 从原图中提取所需的矫正图片

tx = four_point_transform(gray, approx.reshape(4, 2))

# 打印矫正后的灰度图

cv.imshow("tx",tx)

# 对矫正图进行高斯模糊

blur = cv.GaussianBlur(tx, (3, 3), 0)

# 对矫正图做自适应二值化

thresh2 = cv.adaptiveThreshold(blur, 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY_INV, 131, 4)

# 打印矫正后的二值化图

cv.imshow("tx_thresh2", thresh2)

# 获取轮廓

r_image, r_cts, r_hierarchy = cv.findContours(thresh2, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)

# 打印得到轮廓数量

print("第二层轮廓数：", len(r_cts))

# 用于存储答案的python list变量

question_list=[]

for r_ct in r_cts :

# 转为矩形，分别获取 x，y坐标，及矩形的宽和高

x, y, w, h = cv.boundingRect(r_ct)

# 过滤掉不符合答案坐标和长宽的选项

if x>2 and y>2 and w>20 and h>20 :

# cv.drawContours(ox, r_ct, -1, (0, 0, 255), 1)

question_list.append(r_ct)

print("答案总数：",len(question_list))

# 按坐标从上到下排序

questionCnts = contours.sort_contours(question_list, method="top-to-bottom")[0]

# 使用np函数，按5个元素，生成一个集合

for (q, i) in enumerate(np.arange(0, len(questionCnts), 5)):

# 每一个行5个答案，从左到右排序

cnts = contours.sort_contours(questionCnts[i:i + 5])[0]

# 存储一行题里面的每个答案

ans_list = []

for (j, cc) in enumerate(cnts):

# 生成全黑画布

mask = np.zeros(thresh2.shape, dtype="uint8")

# 将每一个答案按轮廓写上去，并将填充颜色设置成白色

tpp = cv.drawContours(mask, [cc], -1, 255, -1)

# 两个图片做位运算

mask = cv.bitwise_and(thresh2, thresh2, mask=mask)

# 统计每个答案的像素

total = cv.countNonZero(mask)

# 添加到集合里面

ans_list.append( (total,j) )

# 按像素大小排序

ans_list=sorted(ans_list,key=lambda x:x[0],reverse=True)

max_ans_num=ans_list[0][1]

max_ans_size=ans_list[0][0]

print("答案序号：",max_ans_num,"列表：",ans_list)

# 给选中答案，标记成红色

cv.drawContours(ox, cnts[max_ans_num], -1, (0, 0, 255), 2)

cv.imshow("answer_flagged", ox)

# 最大的轮廓就是我们想要的，之后的就可以结束循环了

break

# 阻塞等待窗体关闭

cv.waitKey(0)

源码已经上传我的github上，欢迎大家fork学习.

https://github.com/qindongliang/answer_sheet_scan