基于python+opencv的南昊答题卡识别

项目说明

实验室摸鱼之余接的一个小外包项目，主要是做南昊答题卡的识别。一是识别答题区域，对于答题结果进行统计，并且做出打分；二是识别准考证号；三是识别科目代号
网上有许多现成的示例，但是答题卡类型不同只能参考，还是需要自己稍作改变的，这里记录下来，希望对大家有帮助
也是自己第一次尝试写博客，md运用的不太好，大伙见谅！

一、图片读取

主要采用了python+opencv
因为要做后续分割，所以肯定要用到边缘检测，所以先灰度化再二值化

    #读取图片
    img=cv2.imread('images/5.png')
    #转换为灰度图
    gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    #高斯滤波
    blurred=cv2.GaussianBlur(gray,(3,3),0)
    #增强亮度
    blurred=imgBrightness(blurred,1.5,3）
    #自适应二值化
    blurred=cv2.adaptiveThreshold(blurred,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,51,2)
'''
adaptiveThreshold函数：第一个参数src指原图像，原图像应该是灰度图。
    第二个参数x指当像素值高于（有时是小于）阈值时应该被赋予的新的像素值
    第三个参数adaptive_method 指： CV_ADAPTIVE_THRESH_MEAN_C 或 CV_ADAPTIVE_THRESH_GAUSSIAN_C
    第四个参数threshold_type  指取阈值类型：必须是下者之一  
                        • CV_THRESH_BINARY,
                        • CV_THRESH_BINARY_INV
    第五个参数 block_size 指用来计算阈值的象素邻域大小: 3, 5, 7, ...
    第六个参数param1    指与方法有关的参数。对方法CV_ADAPTIVE_THRESH_MEAN_C 和 CV_ADAPTIVE_THRESH_GAUSSIAN_C， 它是一个从均值或加权均值提取的常数, 尽管它可以是负数。
'''    
   blurred=cv2.copyMakeBorder(blurred,5,5,5,5,cv2.BORDER_CONSTANT,value=(255,255,255))

处理结果如下

二、canny边缘检测

根据轮廓大小，将要处理的几部分分割出来
如果提取效果不好，可能是因为拍摄光线原因，导致图片亮度不好，增强一下亮度，二值化后的图片效果会好一点，这样canny边缘检测结果也会好一点

#增强亮度
def imgBrightness(img1, c, b): 
    rows, cols= img1.shape
    blank = np.zeros([rows, cols], img1.dtype)
    rst = cv2.addWeighted(img1, c, blank, 1-c, b)
    return rst

  #canny边缘检测
    edged = cv2.Canny(blurred,0,255)
    cnts,hierarchy=cv2.findContours(edged,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
    docCnt = []
    count=0
    #确保至少有一个轮廓被找到
    if len(cnts)>0:
        #将轮廓按照大小排序
        cnts=sorted(cnts,key=cv2.contourArea,reverse=True)
    #对排序后的轮廓进行循环处理
    for c in cnts:
        #获取近似的轮廓
        peri = cv2.arcLength(c,True)
        approx = cv2.approxPolyDP(c,0.02*peri,True)
        #如果近似轮廓有四个顶点，那么就认为找到了答题卡
        if len(approx) == 4:
            docCnt.append(approx)
            count+=1
            if count==3:
                break

处理结果如下：

三、四点变换 划出区域

前人栽树，后人乘凉！
直接用imutils包中的four_point_transform将需要的区域提取出来
彩色图便于展示
灰度图用来处理

    #四点变换，划出选择题区域
    paper = four_point_transform(img,np.array(docCnt[0]).reshape(4,2))
    warped = four_point_transform(gray,np.array(docCnt[0]).reshape(4,2))
    #四点变换，划出准考证区域
    ID_Area = four_point_transform(img,np.array(docCnt[1]).reshape(4,2))
    ID_Area_warped = four_point_transform(gray,np.array(docCnt[1]).reshape(4,2))
    #四点变换，划出科目区域
    Subject_Area = four_point_transform(img,np.array(docCnt[2]).reshape(4,2))
    Subject_Area_warped = four_point_transform(gray,np.array(docCnt[2]).reshape(4,2))

处理结果如下：

四、处理选择题区域

1、提取选项轮廓

 '''
    处理选择题区域统计答题结果
    '''
    thresh = cv2.threshold(warped,0,255,cv2.THRESH_BINARY_INV|cv2.THRESH_OTSU)[1]
    thresh = cv2.resize(thresh,(2400,2800),cv2.INTER_LANCZOS4)
    paper = cv2.resize(paper,