Python+Opencv答題卡識別用例詳解
使用Python3和Opencv識別一張標準的答題卡。大致的過程如下：
1.讀取圖片
2.利用霍夫圓檢測，檢測出四個角的黑圓位置，從確定四個角的位置
3.利用透視變換和四個角的位置，矯正圖片（直接用的網上的圖片，沒有拍照，所以這一步沒有實現）
4.裁剪四個邊框，獲取邊框上小黑格的位置
5.根據小黑格的位置確定每個塗卡區域的位置
6.將答題卡腐蝕和膨脹，遍歷所有的格子的區域，計算每個區域內像素值為0的個數，若數量達到某個值，那麼就確認這個格子是被黑筆塗過，並記錄該位置的題目選項。
具體的實現
一、讀取圖片，用是imread函數。
二、利用霍夫圓檢測位置，這裡註意的是HoughCircles的param參數，調的不準，所以檢測出來還有其他的幹擾圓，最後可以通過設置半徑閾值，將四個角的圓篩選出來。最後這個函數返回四個圓的位置和半徑。
#檢測圖中的圓,並返回每個圓的位置和半徑
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)
#不同的圖片，Parmal的值是不一樣的
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]))
# 畫出圖中圓的位置
cv.imshow("image",image)
return location_vcol
三、先將圖片整體二直化，再在二直化的圖片將四個邊框裁剪下來，直接根據四個邊角的位置向外或者向裡增加或者較少一個半徑，確定邊框矩形的對角位置。
#獲取四個邊角的位置
location_RT = location_vcol[0]
location_RB = location_vcol[1]
location_LT = location_vcol[2]
location_LB = location_vcol[3]
# 先將原圖二值化，註意閾值的取范圍，再將二值化圖片轉換成BGR，方便後面標出小方格的位置
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)
#將圖片的四條邊裁剪出來
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]]
# 展示四條邊的圖片
cv.imshow("left",roilLeft)
cv.imshow("right", roilRight)
cv.imshow("top", roilTop)
cv.imshow("bottom", roilBottom)
四、根據裁剪的邊框確定邊框上小白格的位置。每個方位的計算方式是一樣的。每個函數返回的是小格子在源圖中的位置。
先來說底部的。這個過程是把截圖看成一個坐標系，以行長為橫坐標，列高為中坐標，計算統計每個橫坐標下，有多少個點是白色的，並將該數值存放於列表vcol中。根據這種算法，能夠得出這個列表中應該是rows個元素，而且每個元素的值不超過列高，不低於0。
遍歷vcol列表，如果某一個位置為0，後一個位置不為0，那麼這個位置就是小白格的起始位置。並記錄起始位置在原圖中的位置，方便後期遍歷整個塗卡區域。
其他的三個方向是同樣的道理，
#計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
#計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
#計算左邊小黑格的位置
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
# 確定頂部小黑格的位置
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
#獲取原圖位置
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、在原圖中全出每個小格子。在此之前要將圖片做個預處理，腐蝕和膨脹。這個程序先圈出來的是答題區域的小格子，所以i和j 的范圍分別是底部格子數和右邊格子數。
先將每個格子的區域找出來，然後遍歷這個格子的全部像素，判斷是否為0 ，如果為0，那麼就isum+1，最後遍歷結束，看看isum的個數有沒有達到總像素個數的10%，如果達到，那麼就可以判定這個區域是被塗過的，記錄這個區域對應的題號和選項，以備後面計分。
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)
# 判斷ROI區域是否被填充
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)
#檢查空格是否被填充
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
這是腐蝕後的圖片
這是圈出所有答題區域的圖片
以上就是本文的全部內容，希望對大傢的學習有所幫助，也希望大傢多多支持WalkonNet。
推薦閱讀：
- Python opencv醫學處理的實現過程
- Python中OpenCV實現簡單車牌字符切割
- python中opencv實現文字分割的實踐
- OpenCV實戰之AI照片背景替換
- C++ OpenCV實現圖像雙三次插值算法詳解