前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >使用python3+opencv3实现的识别答题卡的例子(02)

使用python3+opencv3实现的识别答题卡的例子(02)

原创
作者头像
我是攻城师
发布2018-05-22 21:13:06
1.1K2
发布2018-05-22 21:13:06
举报
文章被收录于专栏:我是攻城师

answer_sheet_scan

使用python3+opencv3实现的一些识别答题卡的例子

识别例子02

例子02是ayoungprogrammer博客上参考作者原版C++代码和思路,然后改造成python版本的,先在本地运行成功之后,然后加上自己的理解,给大多数核心代码加上了详细的中文注释,并在每一个关键阶段都会弹出具体的窗体展示识别流程,这样便于大家更能详细的看到核心部分的细节,感兴趣的同学,可以自己在再尝试加一些更细部分的debug弹窗。

本地PyCharm运行后一些截图:

(1)原图

01.jpg
01.jpg

(2)灰度后的图

02.jpg
02.jpg

(3)自适应二值化后的图

03.jpg
03.jpg

(4)标记轮廓后的原图

04.jpg
04.jpg

(5)提取答题内容区后的图

05.jpg
05.jpg

(6)对答题内容区进行自适应二值化后的图

06.jpg
06.jpg

(7)标记答案后的图

07.jpg
07.jpg

代码如下:

代码语言:txt
复制
# -*- coding:utf-8 -*-
import matplotlib.pyplot as plt
from imutils.perspective import four_point_transform
from imutils import contours
import numpy as np
import imutils

import cv2 as cv

# 加载原图,可在项目imgs/example02目录下找到
img=cv.imread("E:\\tmp\\test6.jpg")

# 打印原图
cv.imshow("orgin",img)

# 灰度化
gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)

# 打印灰度图
cv.imshow("gray",gray)

# 高斯滤波,清除一些杂点
blur=cv.GaussianBlur(gray,(3,3),0)

# 自适应二值化算法
thresh2 = cv.adaptiveThreshold(blur,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY_INV,131,4)

# 打印二值化后的图
cv.imshow("thresh2",thresh2)

# 寻找轮廓
image, cts, hierarchy = cv.findContours(thresh2, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)

# 打印找到的轮廓
print("轮廓数:",len(cts))

# 对拷贝的原图进行轮廓标记
contour_flagged=cv.drawContours(img.copy(), cts, -1, (0, 0, 255), 3)
# 打印轮廓图
cv.imshow("contours_flagged", contour_flagged)
# 按像素面积降序排序
list = sorted(cts, key=cv.contourArea, reverse=True)

# 遍历轮廓
for ct in list:
    # 周长,第1个参数是轮廓,第二个参数代表是否是闭环的图形
    peri = 0.01 * cv.arcLength(ct, True)
    # 获取多边形的所有定点,如果是四个定点,就代表是矩形
    approx = cv.approxPolyDP(ct, peri, True)
    # 只考虑矩形
    if len(approx) == 4:





        # 从原图中提取所需的矫正图片
        ox = four_point_transform(img, approx.reshape(4, 2))
        # 从原图中提取所需的矫正图片
        tx = four_point_transform(gray, approx.reshape(4, 2))

        # 打印矫正后的灰度图
        cv.imshow("tx",tx)

        # 对矫正图进行高斯模糊
        blur = cv.GaussianBlur(tx, (3, 3), 0)

        # 对矫正图做自适应二值化
        thresh2 = cv.adaptiveThreshold(blur, 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY_INV, 131, 4)

        # 打印矫正后的二值化图
        cv.imshow("tx_thresh2", thresh2)

        # 获取轮廓
        r_image, r_cts, r_hierarchy = cv.findContours(thresh2, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)

        # 打印得到轮廓数量
        print("第二层轮廓数:", len(r_cts))

        # 用于存储答案的python list变量
        question_list=[]
        for r_ct in r_cts :
            # 转为矩形,分别获取 x,y坐标,及矩形的宽和高
            x, y, w, h = cv.boundingRect(r_ct)

            # 过滤掉不符合答案坐标和长宽的选项
            if x>2 and y>2 and w>20 and h>20 :
                # cv.drawContours(ox, r_ct, -1, (0, 0, 255), 1)
                question_list.append(r_ct)

        print("答案总数:",len(question_list))

        # 按坐标从上到下排序
        questionCnts = contours.sort_contours(question_list, method="top-to-bottom")[0]

        #  使用np函数,按5个元素,生成一个集合
        for (q, i) in enumerate(np.arange(0, len(questionCnts), 5)):

            # 每一个行5个答案,从左到右排序
            cnts = contours.sort_contours(questionCnts[i:i + 5])[0]

            # 存储一行题里面的每个答案
            ans_list = []
            for (j, cc) in enumerate(cnts):

                # 生成全黑画布
                mask = np.zeros(thresh2.shape, dtype="uint8")
                # 将每一个答案按轮廓写上去,并将填充颜色设置成白色
                tpp = cv.drawContours(mask, [cc], -1, 255, -1)
                # 两个图片做位运算
                mask = cv.bitwise_and(thresh2, thresh2, mask=mask)
                # 统计每个答案的像素
                total = cv.countNonZero(mask)

                # 添加到集合里面
                ans_list.append( (total,j) )

            # 按像素大小排序
            ans_list=sorted(ans_list,key=lambda  x:x[0],reverse=True)

            max_ans_num=ans_list[0][1]
            max_ans_size=ans_list[0][0]
            print("答案序号:",max_ans_num,"列表:",ans_list)

            # 给选中答案,标记成红色
            cv.drawContours(ox, cnts[max_ans_num], -1, (0, 0, 255), 2)




        cv.imshow("answer_flagged", ox)


        # 最大的轮廓就是我们想要的,之后的就可以结束循环了
        break



# 阻塞等待窗体关闭
cv.waitKey(0)

源码已经上传我的github上,欢迎大家fork学习.

https://github.com/qindongliang/answer_sheet_scan

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • answer_sheet_scan
    • 识别例子02
    领券
    问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档