OpenCV经典案例：01 答题卡识别

30天

已于 2024-09-15 16:39:55 修改

阅读量1.6k

点赞数 34

CC 4.0 BY-SA版权

分类专栏：计算机视觉文章标签： opencv 计算机视觉答题卡识别 pyqt5

于 2024-08-05 15:53:18 首次发布

本文链接：https://blog.csdn.net/m0_73228309/article/details/140186442

🌞欢迎莅临我的个人主页👈🏻这里是我专注于深度学习领域、用心分享知识精粹与智慧火花的独特角落！🍉

🌈如果大家喜欢文章，欢迎：关注🍷+点赞👍🏻+评论✍🏻+收藏🌟，如有错误敬请指正！🪐

🍓“请不要相信胜利就像山坡上的蒲公英一样唾手可得，但是请相信生活中总有美好值得我们全力以赴，哪怕粉身碎骨！”🌹

透视变换矫正

选项识别匹配

QT 界面设计

引言：随着信息化的发展，计算机阅卷已经成为一种常规操作。在大型考试中，客观题基本不再需要人工阅卷。本项目旨在开发一个基于OpenCV的高效答题卡识别系统，通过先进的图像处理和模式识别技术，实现对答题卡的快速准确分析。

文章所有资源请看文末！

透视变换矫正

假如有一张答题卡平放在地面上，那我们怎样去找到答题卡的边界轮廓呢？

答案是透视变换。首先我们需要找到答题卡的轮廓才能对选项做各种处理呀，接下来就是对透视变换的方法说明了。

假设原始图像中的点为 $(x,y)$ ，目标图像中的对应点为 $(X,Y)$ 。透视变换可以用一个 3x3 的矩阵 $M$ 来描述：

$\begin{bmatrix} X\\ Y\\ 1 \end{bmatrix}=M\times \begin{bmatrix} x\\ y\\ 1 \end{bmatrix}$

其中，矩阵 $M$ 的元素取决于原始四边形和目标四边形顶点的坐标。其核心原理在于通过建立原始图像和目标图像之间的对应点关系，来计算一个变换矩阵。

综上所述，使用透视变换扫描得到答题卡边界具体步骤如下：

找到原始图像的4个顶点和目标图像的4个顶点

根据8个顶点构造原始图像到目标图像的变换矩阵

依据变换矩阵，实现原始图像到目标图像的变换，完成倾斜矫正

注意：用于构造变换矩阵使用的原始图像的4个顶点和目标图像的4个顶点的位置必须是匹配的，也就是说，要将左上、右上、左下、右下4个顶点按照相同的顺序排列。

OK，下面我们直接根据代码来进行说明。

import cv2
import math
import numpy as np

# x坐标
def sortBy_x(pt):
    return pt[0]

# y坐标
def sortBy_y(pt):
    return pt[1]


def correct(path):
    try:
        answerSheet = cv2.imread(path)
        gray = cv2.cvtColor(answerSheet, cv2.COLOR_BGR2GRAY)
        blurred = cv2.GaussianBlur(gray, (3, 3), 0)
        canny = cv2.Canny(blurred, 75, 200)
        contours, Hierarchy = cv2.findContours(canny, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
        if len(contours) == 1:
            result_contour = contours[0]
        else:
            max_length = -1
            index = -1
            for i, contour in enumerate(contours):
                length = cv2.arcLength(contour, True)
                if length > max_length:
                    max_length = length