python主观题判卷代码_OpenCV计算机视觉实战 - Task6 - 答题卡识别判卷【项目实战】（附完整代码）...

#################################################################

【纸上得来终觉浅，绝知此事要躬行】

B站视频

新课件：https://pan.baidu.com/s/1frWHqCVGR2VTn5QBtW4lPA 提取码：xh02

老课件：https://pan.baidu.com/s/1Wi31FxSPBqWiuJX9quX-jA 提取码：bbfg

################################################################

答题卡识别效果

【大致思路】：先进行仿射变换去除背景(只留试卷部分)，二值化，圆形轮廓检测，遍历每一行选项，统计非零像素，记录填充选项(即非零像素最多的轮廓区域)，与正确答案进行比对，正确则correct数+1，得到总成绩

1-4 基础操作+透视变换

1-4是基础操作, 3是做近似变换, 取最大的那个轮廓,最有可能是图像最大外围的轮廓

3的近似变换 和 4的透视变换原理 可以参考我的 OCR文档扫描实战博客

# 1.预处理

image = cv2.imread(args["image"])

contours_img = image.copy()

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

blurred = cv2.GaussianBlur(gray, (5, 5), 0)

cv_show('blurred',blurred)

edged = cv2.Canny(blurred, 75, 200)

cv_show('edged',edged)

# 2.轮廓检测

cnts = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL,

cv2.CHAIN_APPROX_SIMPLE)[1]

cv2.drawContours(contours_img,cnts,-1,(0,0,255),3)

cv_show('contours_img',contours_img)

docCnt = None

# 3.确保检测到了

if len(cnts) > 0:

# 根据轮廓大小进行排序

cnts = sorted(cnts, key=cv2.contourArea, reverse=True)

# 遍历每一个轮廓

for c in cnts:

# 近似

peri = cv2.arcLength(c, True)

approx = cv2.approxPolyDP(c, 0.02 * peri, True)

# 准备做透视变换

if len(approx) == 4:

docCnt = approx

break

# 4.执行透视变换

warped = four_point_transform(gray, docCnt.reshape(4, 2))

cv_show('warped',warped)

5-6 阈值处理+轮廓检测

5.Otsu’s 阈值处理

THRESH_OTSU会自动寻找合适的阈值，适合双峰，需把阈值参数设置为0

在我的信用卡数字识别案例中出现也有应用(第三、五部分)

6.然后怎么区分涂和没涂的圆？

这里不用霍夫变换,因为有些涂完后 会突出边界，如下

# 5.Otsu's 阈值处理

thresh = cv2.threshold(warped, 0, 255,

cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)[1]

cv_show('thresh',thresh)

thresh_Contours = thresh.copy()

# 6.找到每一个圆圈轮廓

cnts = cv2.find