用Python实现答题卡识别！

我就是我 2024-02-21 12:08 41阅读 0赞

**答题卡素材图片:**

![8000e2d78aabea43574f962ae95cbe87.png][]

**思路**

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：

### **1、预处理（去噪，灰度，二值化）** ###

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)

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

![图片][276346b0cf3927d79a49845845dc0f27.png]

### **2、轮廓检测** ###

# 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)

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。

![图片][a8e0b3175ce6fb55f385f1e13a35ee0b.png]

# 轮廓近似
    # 阈值，一般为轮廓长度的2%
    alpha = 0.02*cv2.arcLength(cnts[0],True)
    approxCurve = cv2.approxPolyDP(cnts[0],alpha,True)
    draw_img = cv2.drawContours(img.copy(),[approxCurve],-1,(255,0,0),2)

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）

![图片][4821b01c2e0fa8657e7998dd2b8fbc78.png]

### **3、透视变换** ###

#透视变换
    # 矩形的四个顶点为approxCurve[0][0],approxCurve[1][0],approxCurve[2][0],approxCurve[3][0]
    # 分别表示矩形的TL,BL,BR,TR四个点
    a1 = list(approxCurve[0][0])
    a2 = list(approxCurve[1][0])
    a3 = list(approxCurve[2][0])
    a4 = list(approxCurve[3][0])
    # 原始矩阵
    mat1 = np.array([a1,a2,a3,a4],dtype = np.float32)
    
    # 计算矩形的w和h
    w1 = int(np.sqrt((a1[0]-a4[0])**2+(a1[1]-a4[1])**2))
    w2 = int(np.sqrt((a2[0]-a3[0])**2+(a2[1]-a3[1])**2))
    h1 = int(np.sqrt((a1[0]-a2[0])**2+(a1[1]-a2[1])**2))
    h2 = int(np.sqrt((a3[0]-a4[0])**2+(a3[1]-a4[1])**2))
    w,h=max(w1,w2),max(h1,h2)
    # 计算透视变换后的坐标
    new_a1 = [0,0]
    new_a2 = [0,h]
    new_a3 = [w,h]
    new_a4 = [w,0]
    # 目标矩阵
    mat2 = np.array([new_a1,new_a2,new_a3,new_a4],dtype = np.float32)
    # 透视变换矩阵
    mat = cv2.getPerspectiveTransform(mat1,mat2)
    # 进行透视变换
    res = cv2.warpPerspective(img,mat,(w,h))
    imshow((res))

![图片][4571f25f13770e80c0abb127812500c6.png]

透视变换的计算步骤：

1.首先获取原图多边形的四个顶点，注意顶点顺序。

2.然后构造原始顶点矩阵。

3.计算矩形长宽，构造变换后的目标矩阵。

4.获取原始矩阵到目标矩阵的透视变换矩阵 5、进行透视变换

### **4、轮廓检测，检测每个选项** ###

res_gray = cv2.cvtColor(res,cv2.COLOR_BGR2GRAY)
    _,binary_res = cv2.threshold(res_gray,0,255,cv2.THRESH_OTSU|cv2.THRESH_BINARY_INV)
    contours = cv2.findContours(binary_res,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)[0]
    dst = cv2.drawContours(res.copy(),contours,-1,(0,0,255),1)
    imshow(dst)

![图片][96d40b74233f2e1dceee00077e2bd764.png]

筛选选项轮廓

# 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 ans
    ans_contours = check(contours)
    dst_new = cv2.drawContours(res.copy(),ans_contours,-1,(0,255,255),3  )
    imshow(dst_new)

![图片][6468d4cf78163ff9f03b5487fd11d8a1.png]

### **5、画轮廓的外接圆，排序，定位每个选项** ###

# 遍历每一个圆形轮廓，画外接圆
    circle = []
    for i in ans_contours:
        (x,y),r = cv2.minEnclosingCircle(i)
        center = (int(x),int(y))
        r = int(r)
        circle.append((center,r))
    # 按照外接圆的水平坐标排序center[1]，也就是圆心的高度h，或者y坐标
    circle.sort(key = lambda x:x[0][1])
    A = []
    for i in range(1,6):
        now = circle[(i-1)*5:i*5]
        now.sort(key = lambda x:x[0][0])
        A.extend(now)

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

### **6、选项检测** ###

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)**0.5
    def 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))

![图片][d44281774b3b8bec0cb03d8b35945d8e.png]

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。

#### **更多精彩教程欢迎B站搜索“千锋教育”**  ####

千锋教育Python全套视频教程，轻松掌握Excel、Word、PPT、邮件、爬虫、office办公自动化（宋如宁主讲）

[8000e2d78aabea43574f962ae95cbe87.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/21/0beb3bda8b1149f0a5aaf18de5b4ec84.png
[276346b0cf3927d79a49845845dc0f27.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/21/c7efd0b839b24751a07b9373a5ef30d0.png
[a8e0b3175ce6fb55f385f1e13a35ee0b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/21/a2a2b1c3915b410a9440d772cdf18c10.png
[4821b01c2e0fa8657e7998dd2b8fbc78.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/21/17210851b4a84b9fb9a202b4eed57eef.png
[4571f25f13770e80c0abb127812500c6.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/21/db3ff80cb4f24811a8a7cbd2df83c072.png
[96d40b74233f2e1dceee00077e2bd764.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/21/2862ad3c5d924300a1619e41af47e073.png
[6468d4cf78163ff9f03b5487fd11d8a1.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/21/4b8a7d34ba7e4edeae4a773b74a5da5e.png
[d44281774b3b8bec0cb03d8b35945d8e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/21/1fa27d3679f744f8a10e111b8fae311a.png