3透视变换4阈值处理和轮廓检测

OpenCV在答题卡识别中发挥着重要作用它能够通过一系列图像处理技术实现对答题卡的自动识别并进行答题结果的统计。

以下是一个基于OpenCV的答题卡识别的基本流程和关键步骤

一、基本流程

图片读取首先使用OpenCV读取答题卡的图像文件。

图片预处理对读取的图像进行预处理包括灰度化、滤波去噪、边缘检测等以突出答题卡中的关键信息。

轮廓检测通过轮廓检测算法找到答题卡中各个选项或区域的轮廓。

透视变换对检测到的轮廓进行透视变换以校正答题卡的视角使其更加符合后续处理的需求。

阈值处理对校正后的图像进行阈值处理将图像转换为二值图像便于后续的分析和识别。

答题区域识别在二值图像中识别出答题卡上的各个答题区域。

答题结果判断根据答题区域的填充情况判断答题结果并与正确答案进行对比计算答题正确率。

二、代码实现

cv2.getPerspectiveTransform(rect,

dst)

是一个字典存储了每个问题的正确答案在这个例子中只有5个问题但密钥是通用的可以扩展到更多问题。

定义辅助函数

img)显示图像并在指定时间后关闭窗口。

order_points(pts)根据轮廓点的坐标将它们排序为左上、右上、右下、左下的顺序以便进行透视变换。

four_point_transform(image,

pts)使用四个点进行透视变换将图像校正为矩形。

sort_contours(cnts,method‘left-to-right’)根据指定的方法从左到右、从右到左、从上到下、从下到上对轮廓进行排序。

2.图像预处理

cv2.imread(r./images/test_01.png)

contours_img

(5,5)表示高斯核函数决定模糊程度越大越模糊0表示自动计算标准差。

cv_show(blurred,

edged)读取答题卡图像将图像转换为灰度图然后应用高斯模糊来减少噪声并使用Canny边缘检测来找到图像中的边缘。

打印图片如下

2轮廓检测

在边缘检测后的图像中找到外部轮廓并进行绘制根据轮廓面积对轮廓进行排序找到最大的轮廓。

使用approxPolyDP函数对轮廓进行多边形逼近如果结果是四边形则认为这是答题卡的轮廓。

图像如下

3透视变换

warped_t)调用上述定义的函数four_point_transform使用找到的答题卡轮廓的四个角点进行透视变换将答题卡校正为矩形。

图像如下

4阈值处理和轮廓检测

[]对校正后的图像转化为灰度图然后进行阈值处理得到二值图像。

在二值图像中再次进行轮廓检测找到外部轮廓这些轮廓代表答题卡上的选项。

图像如下

3.筛选和排序选项轮廓

1.1:questionCnts.append(c)questionCnts

根据轮廓的宽度、高度和宽高比筛选出类似矩形的轮廓对选项轮廓进行排序以便按顺序处理每个问题。

4.判断答案

的全零数组作为掩码。

cv2.drawContours(mask,

[c],

mask)cv2.waitKey(10000)thresh_mask_and

thresh,

进行按位与操作得到只包含当前轮廓内部像素的图像。

cv_show(thresh_mask_and,

cv2.countNonZero(thresh_mask_and)

bubbled

比较答案通过将最多零像素总和的轮廓索引与答案索引比较如果相同及为绿色且加入correct中不同为红color

(0,

对上述筛选的轮廓结果进行分组每5给为一组。

创建掩码mask对二值图像

thresh

进行按位与操作得到只包含当前轮廓内部像素的图像。

计算应用掩码后的图像中非零像素的总数。

将选中的选项与正确答案进行比较如果匹配则增加正确计数。

图像如下

5.显示结果

在校正后的图像上用不同颜色标记出正确和错误的选项并计算并显示得分显示原始图像和标记后的图像。

三、总结

本次主要为大家展示识别的答题卡的程序这个程序的关键在于正确地识别答题卡的轮廓、选项的轮廓以及准确地判断哪个选项被选中。

通过这些操作更好的为大家演示如何正确将轮廓检测、透视变换和阈值处理的结合使用。