1.读入图片，做一些预处理工作。
2.进行轮廓检测，然后找到该图片最大的轮廓，就是答题卡部分。
3.进行透视变换，以去除除答题卡外的多余部分，并且可以对答题卡进行校正。
4.再次检测轮廓，定位每个选项。
5.对选项圆圈先按照竖坐标排序，再按照行坐标排序，这样就从左到右从上到下的获得了每个选项轮廓。
6.对每个选项轮廓进行检查，如果某个选项轮廓中的白色点多，说明该选项被选中，否则就是没被选上。细节部分看过程：
img = cv2.imread("1.png",1)#高斯去噪img_gs = cv2.GaussianBlur(img,[5,5],0)# 转灰度img_gray = cv2.cvtColor(img_gs,cv2.COLOR_BGR2GRAY)# 自适应二值化_,binary_img = cv2.threshold(img_gray,0,255,cv2.THRESH_OTSU|cv2.THRESH_BINARY)-----------------------------------©著作权归作者所有：来自51CTO博客作者千锋IT教育的原创作品，请联系作者获取转载授权，否则将追究法律责任用Python实现答题卡识别！https://blog.51cto.com/u_15739596/8014621注：cv2.THRESH_OTSU|cv2.THRESH_BINARY，该参数指的是自适应阈值+反二值化，做自适应阈值的时候阈值要设置为0
# 找轮廓contours, hierarchy = cv2.findContours(binary_img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)# 按照轮廓的面积从大到小排序cnts = sorted(contours,key = cv2.contourArea,reverse=True)# 画轮廓draw_img = cv2.drawContours(img.copy(),cnts[0],-1,(0,255,255),2)-----------------------------------©著作权归作者所有：来自51CTO博客作者千锋IT教育的原创作品，请联系作者获取转载授权，否则将追究法律责任用Python实现答题卡识别！https://blog.51cto.com/u_15739596/8014621注：findContours函数，传入的图像应该是二值图像，cv2.RETR_EXTERNAL指的是只检测外部轮廓，cv2.CHAIN_APPROX_NONE指的返回轮廓上的所有点。
这里做轮廓近似的目的是，之前检测到的轮廓看似是一个多边形，其实本质上是只是点集。
cv2.approxPolyDP(contour,epsilon,True)，多边形逼近，第一个参数是点集，第二个参数是精度（原始轮廓的边界点与拟合多边形之间的最大距离），第三个参数指新产生的轮廓是否需要闭合，返回值approxCurve为多边形的点集（按照逆时针排序）。与该函数类似的函数还有cv2.boundingRect（矩形包围框）cv2.minAreaRect（最小包围矩形框），cv2.minEnclosingCircle（最小包围圆形）cv2.filtEllipse（最优拟合椭圆）cv2.filtLine（最优拟合直线），cv2.minEnclosingTriangle（最小外包三角形）
透视变换的计算步骤：
# 挑选合适的轮廓def check(contours): ans = [] for i in contours: area = float(cv2.contourArea(i)) length = float(cv2.arcLength(i,True)) if area<=0 or length<=0: continue if area/length >7.05 and area/length<10.5: ans.append(i) return ansans_contours = check(contours)dst_new = cv2.drawContours(res.copy(),ans_contours,-1,(0,255,255),3 )imshow(dst_new)-----------------------------------©著作权归作者所有：来自51CTO博客作者千锋IT教育的原创作品，请联系作者获取转载授权，否则将追究法律责任用Python实现答题卡识别！https://blog.51cto.com/u_15739596/8014621每个选项按照圆心从左到右，从上到下的顺序保存在了A中。
思路：对于A中的每个选项圆，计算它有所覆盖的坐标，然后判断这些坐标在二值图像中对应的值，统计白色点的个数， 如果白色点所占的比例比较大的话，说明该选项被选中。
def dots_distance(dot1,dot2): #计算二维空间中两个点的距离 return ((dot1[0]-dot2[0])**2+(dot1[1]-dot2[1])**2)**0.5def count_dots(center,radius): #输入圆的中心点与半径，返回圆内所有的坐标 dots = [] for i in range(-radius,radius+1): for j in range(-radius,radius+1): dot2 = (center[0]+i,center[1]+j) if dots_distance(center,dot2) <= radius: dots.append(dot2) return dots da = []for i in A: dots = count_dots(i[0],i[1]) all_dots = len(dots) whilt_dots = 0 for j in dots: if binary_res[j[1]][j[0]] == 255: whilt_dots = whilt_dots+1 if whilt_dots/all_dots>=0.4: da.append(1) else: da.append(0)da = np.array(da)da = np.reshape(da,(5,5))-----------------------------------©著作权归作者所有：来自51CTO博客作者千锋IT教育的原创作品，请联系作者获取转载授权，否则将追究法律责任用Python实现答题卡识别！https://blog.51cto.com/u_15739596/8014621
这样每个答题卡就转换成了一个二维数组，接下来在做一些简单的收尾工作就可以了。
本文链接：//www.dmpip.com//www.dmpip.com/showinfo-26-15188-0.html用Python实现答题卡识别！你学会了吗？
声明：本网页内容旨在传播知识，若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。邮件：2376512515@qq.com
下一篇： 了解Python调用函数
Copyright © 2016-2023 天津谷骐科技有限公司 版权所有 sitemap.xml
违法及侵权请联系：2376512515@qq.com 津ICP备18001702号
津公网安备 12010102000574号
