Python Opencv答题卡识别
我是马克思小清新 人气:0使用Python3和Opencv识别一张标准的答题卡。大致的过程如下:
1.读取图片
2.利用霍夫圆检测,检测出四个角的黑圆位置,从确定四个角的位置
3.利用透视变换和四个角的位置,矫正图片(直接用的网上的图片,没有拍照,所以这一步没有实现)
4.裁剪四个边框,获取边框上小黑格的位置
5.根据小黑格的位置确定每个涂卡区域的位置
6.将答题卡腐蚀和膨胀,遍历所有的格子的区域,计算每个区域内像素值为0的个数,若数量达到某个值,那么就确认这个格子是被黑笔涂过,并记录该位置的题目选项。
具体的实现
一、读取图片,用是imread函数。
二、利用霍夫圆检测位置,这里注意的是HoughCircles的param参数,调的不准,所以检测出来还有其他的干扰圆,最后可以通过设置半径阈值,将四个角的圆筛选出来。最后这个函数返回四个圆的位置和半径。
#检测图中的圆,并返回每个圆的位置和半径 def detect_circles_demo(image): temp = image.copy() rows,cols,channels = temp.shape print(rows,cols) location_vcol = [] dst = cv.pyrMeanShiftFiltering(image,10,100) cimage = cv.cvtColor(dst,cv.COLOR_BGR2GRAY) #不同的图片,Parmal的值是不一样的 circles = cv.HoughCircles(cimage,cv.HOUGH_GRADIENT,1,20,param1= 27,param2=30,minRadius=0,maxRadius=0) circles = np.uint16(np.around(circles)) for i in circles[0,:]: if i[2] < 20 and i[2] > 10: cv.circle(image,(i[0],i[1]),i[2],(0,0,255),2) location_vcol.append((i[0],i[1],i[2])) # 画出图中圆的位置 cv.imshow("image",image) return location_vcol
三、先将图片整体二直化,再在二直化的图片将四个边框裁剪下来,直接根据四个边角的位置向外或者向里增加或者较少一个半径,确定边框矩形的对角位置。
#获取四个边角的位置 location_RT = location_vcol[0] location_RB = location_vcol[1] location_LT = location_vcol[2] location_LB = location_vcol[3] # 先将原图二值化,注意阈值的取范围,再将二值化图片转换成BGR,方便后面标出小方格的位置 gray = cv.cvtColor(temp, cv.COLOR_BGR2GRAY) ret, binary = cv.threshold(gray, 100, 255, cv.THRESH_BINARY_INV) Matimage = cv.cvtColor(binary, cv.COLOR_GRAY2BGR) cv.imshow("Matimage",Matimage) #将图片的四条边裁剪出来 roilLeft = Matimage[location_LT[1] - location_LT[2]:location_LB[1] + location_LB[2],location_LT[0] -location_LT[2]:location_LB[0] + location_LB[2]] roilRight = Matimage[location_RT[1] - location_RT[2]:location_RB[1] + location_RB[2],location_RT[0] - location_RT[2]:location_RB[0]+location_RB[2]] roilTop = Matimage[location_LT[0] - location_LT[2]:location_RT[1]+location_RT[2],location_LT[0] - location_LT[2]:location_RT[0] +location_RT[2]] roilBottom = Matimage[location_RB[1]-location_RB[2]:location_RB[1] + location_RB[2],location_LB[0] -location_LB[2]:location_RB[0]+location_RB[2]] # 展示四条边的图片 cv.imshow("left",roilLeft) cv.imshow("right", roilRight) cv.imshow("top", roilTop) cv.imshow("bottom", roilBottom)
四、根据裁剪的边框确定边框上小白格的位置。每个方位的计算方式是一样的。每个函数返回的是小格子在源图中的位置。
先来说底部的。这个过程是把截图看成一个坐标系,以行长为横坐标,列高为中坐标,计算统计每个横坐标下,有多少个点是白色的,并将该数值存放于列表vcol中。根据这种算法,能够得出这个列表中应该是rows个元素,而且每个元素的值不超过列高,不低于0。
遍历vcol列表,如果某一个位置为0,后一个位置不为0,那么这个位置就是小白格的起始位置。并记录起始位置在原图中的位置,方便后期遍历整个涂卡区域。
其他的三个方向是同样的道理,
#计算底部小黑格的位置 def sure_bottom(roilBottom,src,a): rows, cols, channels = roilBottom.shape src_rows,src_cols,src_channels = src.shape itemp = 0 vcol = [] bottom_vcol = [] for i in range(0, cols): for j in range(0, rows): if roilBottom[j, i][0] == 255 and roilBottom[j, i][1] == 255 and roilBottom[j, i][2] == 255: itemp = itemp + 1 vcol.append(itemp) itemp = 0 for i in range(vcol.__len__()): if 0 == vcol[i] and vcol[i + 1] > 0: cv.line(roilBottom, (i, 0), (i, rows), (0, 0, 255), 2) cv.line(src, (i + a, src_rows), (i + a, src_rows - rows), (0, 255, 0), 2) bottom_vcol.append(i + a) cv.imshow("src-1", roilBottom) return bottom_vcol #计算右部小黑格的位置 def sure_Right(roilRight,src,a): rows, cols, channels = roilRight.shape src_rows, src_cols, src_channels = src.shape itemp = 0 vcol = [] right_vcol = [] for i in range(0, rows): for j in range(0, cols): if roilRight[i, j][0] == 255 and roilRight[i, j][1] == 255 and roilRight[i, j][2] == 255: itemp = itemp + 1 vcol.append(itemp) itemp = 0 print(vcol) for i in range(vcol.__len__()): if vcol[i] == 0 and vcol[i + 1] > 0: cv.line(roilRight, (0, i), (cols, i), (0, 0, 255), 2) cv.line(src, (src_cols - cols, i + a ), (src_cols, i + a), (0, 0, 255), 2) right_vcol.append(i + a) cv.imshow("src", src) return right_vcol #计算左边小黑格的位置 def sure_Left(roilLeft,src,a): rows, cols, channels = roilLeft.shape print(rows, cols) itemp = 0 vcol = [] left_vcol = [] for i in range(0, rows): for j in range(0, cols): if roilLeft[i, j][0] == 255 and roilLeft[i, j][1] == 255 and roilLeft[i, j][2] == 255: itemp = itemp + 1 vcol.append(itemp) itemp = 0 for i in range(vcol.__len__()): if vcol[i] == 0 and vcol[i + 1] > 0: cv.line(roilLeft, (0, i), (cols, i), (0, 0, 255), 2) cv.line(src, (16, i + a), (16 + cols, i + a), (0, 0, 255), 2) left_vcol.append(i + a) cv.imshow("src", src) return left_vcol # 确定顶部小黑格的位置 def sure_Top(roilTop,src,a): rows, cols, channels = roilTop.shape src_rows, src_cols, src_channels = src.shape itemp = 0 vcol = [] top_vcol = [] for i in range(0, cols): for j in range(0, rows): if roilTop[j, i][0] == 255 and roilTop[j, i][1] == 255 and roilTop[j, i][2] == 255: itemp = itemp + 1 vcol.append(itemp) itemp = 0 for i in range(vcol.__len__()): if vcol[i] == 0 and vcol[i + 1] > 0: cv.line(roilTop, (i, 0), (i, rows), (0, 0, 255), 2) cv.line(src, (i + a, 12), (a + i,48), (0, 0, 255), 2) top_vcol.append(i + a) cv.imshow("src", src) return top_vcol #获取原图位置 bottom_vcol = sure_bottom(roilBottom,temp,location_LB[0] -location_LB[2]) right_vcol = sure_Right(roilRight,temp,location_RT[1] - location_RT[2]) left_vcol = sure_Left(roilLeft,temp,location_LT[1] - location_LT[2]) top_vcol = sure_Top(roilTop,temp,location_LT[0] - location_LT[2])
五、在原图中全出每个小格子。在此之前要将图片做个预处理,腐蚀和膨胀。这个程序先圈出来的是答题区域的小格子,所以i和j 的范围分别是底部格子数和右边格子数。
先将每个格子的区域找出来,然后遍历这个格子的全部像素,判断是否为0 ,如果为0,那么就isum+1,最后遍历结束,看看isum的个数有没有达到总像素个数的10%,如果达到,那么就可以判定这个区域是被涂过的,记录这个区域对应的题号和选项,以备后面计分。
dst = sure_if_fill(temp) for i in range(0,20): for j in range(10,26): rect = dst[bottom_vcol[i]:bottom_vcol[i] + 9,right_vcol[i]:right_vcol[j] + 3] rect_up = (bottom_vcol[i],right_vcol[j]) rect_down = (bottom_vcol[i] + 9,right_vcol[j] + 3) # 判断ROI区域是否被填充 isum = 0 for ii in range(rect.shape[0]): for jj in range(rect.shape[1]): if dst[ii,jj] == 0: isum = isum + 1 # if isum > 0.1 * rect.shape[0] * rect.shape[1]: cv.rectangle(temp,rect_down,rect_up,(0,255,0),2) isum = 0 cv.imshow("dst",temp) #检查空格是否被填充 def sure_if_fill(image): temp = image.copy() gray = cv.cvtColor(temp,cv.COLOR_BGR2GRAY) ret,binary = cv.threshold(gray,100,255,cv.THRESH_BINARY) kernel = cv.getStructuringElement(cv.MORPH_RECT,(3,3)) dst = cv.erode(binary,kernel= kernel) cv.imshow("dst",dst) return dst
这是腐蚀后的图片
这是圈出所有答题区域的图片
加载全部内容