Python答題卡識別並給出分數的實現代碼

  哈嘍大傢好,這裡是滑稽研究所。看過我們圖像處理系列的朋友,應該知道識別答題卡那期文章。其中利用opencv框架,完美的實現瞭答題卡填塗區域的識別。在後臺有小夥伴想要我完善一下判斷選項對錯並打分的功能,本期我們就來實現一下。
  那麼我們來復習一下往期的代碼原理。我們需要對圖片素材進行灰度化處理、透視變換、輪廓檢測、腐蝕膨脹處理、區域分割、邊框計算、區域計算。實際上我們是通過像素面積的過濾、填塗區域優化和獲取選項坐標來完成答題卡的識別的。
素材:

在這裡插入圖片描述

  那麼在獲取到答題卡的填塗區域之後就好辦瞭。我們首先分隔答題卡,去除幹擾項,然後把不同的區域打上標簽。我們的答題卡是自上而下排序的。那麼我們獲取到的填塗項的x坐標即橫坐標就派上瞭用場。選項A~E一定是占據瞭五個不同的區域。我們已經為不同區域打上瞭標簽。剩下的就是交給我們的if判斷語句瞭。這時我們已經為填塗項賦上瞭實際的意義。即從像素坐標轉換成瞭具有實際意義的選項。
  那y坐標就沒有用瞭嗎?非也。經過上面的處理我們隻是得到瞭填塗區域對應的選項。但是我們還沒有進行排序。大傢知道無序的選項是沒有意義的。而剛剛我們說瞭該答題卡的題號順序是自上而下的。因為我們遍歷選項時,是同時得到x、y坐標的,因此我們可以保證得到的坐標是配對的。
  其中橫縱坐標分別填入兩個list中,然後使用zip方法合並list。這時我們再按照每個list的第二個元素也就是縱坐標進行由小到大的排序,就可以得到正確的順序。
  這時我們才真正獲取到瞭需要的數據。即考生填塗的選項順序,我們再新建一個list放正確的答案,與考生的答案進行對比,經計算得出考生的正確率,並給出分數。
  好,思路清晰,上代碼!

import cv2
import numpy as np

path = './test_01.png'
img = cv2.imread(path)

imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
imgBlur = cv2.GaussianBlur(imgGray,(3,3),1)
imgCanny = cv2.Canny(imgBlur,100,120)

cv2.imshow("O", imgCanny)

imgContour = img.copy()

cnts = cv2.findContours(imgCanny, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[0]
for cnt in cnts:
    area = cv2.contourArea(cnt)
    # 這個輸出各個輪廓的面積
    #print(area)
#
if area >= 500:
    cv2.drawContours(imgContour, cnt, -1, (255, 0, 0), 3)
    peri = cv2.arcLength(cnt, True)
    # 找出輪廓的突變值
    approx = cv2.approxPolyDP(cnt, 0.02 * peri, True)
    # approx找到的是一個輪廓有幾個突變值,有幾個角就會有幾個突變值
    # 返回的是一個list,輸出他的長度,就可以知道到底有幾個角
    #print(approx)
    a1,a2,a3,a4 = list(approx[0][0]),list(approx[1][0]),list(approx[2][0]),list(approx[3][0])

#cv2.imshow("Canny Image",imgContour)

mat1 = np.array([a1,a2,a3,a4],dtype=np.float32)

#透視變換
#計算矩形寬高
width = 402#int(((a4[0]-a1[0])+(a3[0]-a2[0]))/2)
height = 518#int(((a2[1]-a1[1])+(a3[1]-a4[1]))/2)

#計算還原後的坐標
new_a1 = [0,0]
new_a2 = [0,height]
new_a3 = [width,height]
new_a4 = [width,0]

mat2 = np.array([new_a1,new_a2,new_a3,new_a4],dtype=np.float32)
#計算變換矩陣
mat3 = cv2.getPerspectiveTransform(mat1,mat2)

#進行透視變換
res = cv2.warpPerspective(imgCanny,mat3,(width,height))
res1 = cv2.warpPerspective(img,mat3,(width,height))

imgxx = cv2.cvtColor(res1,cv2.COLOR_BGR2GRAY)
binary = cv2.threshold(imgxx,0,255,cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU )[1]
#變換完成
#cv2.imshow("Output",res1)

cntss = cv2.findContours(res, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[0]
for cnt1 in cntss:
    area1 = cv2.contourArea(cnt1)
    # 這個輸出各個輪廓的面積
    #print(area)
#
    if area1 >= 1500 and area1<=1700:
        #把圓的輪廓畫成黑色
        cv2.drawContours(binary, cnt1, -1, (0, 0, 0), 10)

        kernel = np.ones((5, 5), np.uint8)
        imgDialation = cv2.dilate(binary, kernel, iterations=1)

cv2.imshow("Out", imgDialation)

cntsss = cv2.findContours(imgDialation, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[0]

l1 = []
l2 = []
l3 = ['B','E','A','D','B']

for cnt2 in cntsss:
    area2 = cv2.contourArea(cnt2)
            #print(area)

    if area2 <= 1200 and 800<=area2:
                #cv2.drawContours(res1, cnt, -1, (0, 255, 0), 5)
                #輪廓長
        peri = cv2.arcLength(cnt2, True)
                # 找出輪廓的突變值
        approx1 = cv2.approxPolyDP(cnt2, 0.02 * peri, True)

        x, y, w, h = cv2.boundingRect(approx1)
                #外接矩形
        #print(x+w//2,y+h//2)

        m = x+w//2
        n = y+h//2
        l1.append(m)
        l2.append(n)
        #拼接兩個一維列表,使x,y坐標配對。
        mix1 = list(zip(l1,l2))
        #按列表第二個元素升序,即按y值由小到大排列。
        #這是我們得到的答案為正確順序。
        mix1.sort(key=lambda x: x[1])

        if 400>x>80 and 50<y<350:
            cv2.rectangle(res1, (x, y), (x + w, y + h), (0, 0, 255), 2)
            #圓心
            # (圖像,x.y位置,半徑,顏色,輪廓粗細)
            cv2.circle(res1, (x+w//2,y+h//2), 1, (255, 0, 0), 5)

l4 = []
for i in mix1:
    if 75 < i[0] < 130:
        print("A")
        l4.append('A')
    elif 130 < i[0] < 185:
        print("B")
        l4.append('B')
    elif 185 < i[0] < 240:
        print("C")
        l4.append('C')
    elif 240 < i[0] < 295:
        print("D")
        l4.append('D')
    elif 295 < i[0] < 350:
        print("E")
        l4.append('E')

print('正確答案:',l3)
print('考生答案',l4)


h = 0
for i in range(0, len(l3)):
    if l3[i] == l4[i]:
        h=h+1
print('得分:',str(h/5*100)+'分')

cv2.imshow("cc Image",res1)

cv2.imshow("dd Image",binary)

cv2.waitKey(0)

運行結果:

在這裡插入圖片描述
在這裡插入圖片描述

  以上為兩個圖片素材的運行結果,我們隻放出其中一部分。剩餘的素材大傢自行實驗。
  可以看到,程序成功的識別瞭考生填塗的答題卡,並給出瞭考生答案、正答案和考生最後的得分。
  綜上功能實現,任務完成。大傢學會瞭嗎?

以上就是Python識別答題卡並給出分數的詳細內容,更多關於Python識別答題卡的資料請關註WalkonNet其它相關文章!

推薦閱讀: