python 答题卡识别_opencv+python机读卡识别（初级版）

最近在进一步学习Python，在网上发现有使用opencv进行机读卡识别的，

就根据大神的文章，跟着学习，自己写了一个机读卡识别，

文章一：opencv+python机读卡识别整合版

文章二：python CV 趣味项目 答题卡识别

为了减轻前期的难度，这里本篇文章中我们使用扫描的图片进行识别，

在下一篇文章(进阶版)中，会介绍进阶处理，图片拉伸裁切，边缘处理，四点变化等，

在本篇中我们只介绍图片的预处理，填图位置的识别，图片选择题答案判断输出。

本地使用环境(win10 64位，python3.7)

一、加载图片，将它转换为灰阶，轻度模糊，然后二值化处理。

# 加载图片，将它转换为灰阶，轻度模糊，然后二值化处理。

image = cv2.imread("./image/demo1.jpg")

#转换为灰度图像

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

#高斯滤波

blurred = cv2.GaussianBlur(gray, (3, 3), 0)

#自适应二值化方法

blurred = cv2.adaptiveThreshold(blurred,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,51,2)

'''

adaptiveThreshold函数：第一个参数src指原图像，原图像应该是灰度图。

第二个参数x指当像素值高于(有时是小于)阈值时应该被赋予的新的像素值

第三个参数adaptive_method 指： CV_ADAPTIVE_THRESH_MEAN_C 或 CV_ADAPTIVE_THRESH_GAUSSIAN_C

第四个参数threshold_type 指取阈值类型：必须是下者之一

• CV_THRESH_BINARY,

• CV_THRESH_BINARY_INV

第五个参数 block_size 指用来计算阈值的象素邻域大小: 3, 5, 7, ...

第六个参数param1 指与方法有关的参数。对方法CV_ADAPTIVE_THRESH_MEAN_C 和 CV_ADAPTIVE_THRESH_GAUSSIAN_C， 它是一个从均值或加权均值提取的常数, 尽管它可以是负数。

'''

二、对选择题图像部分预处理

重新定义图片的大小：5000*7000，便于确定选择题区域与答案。

选择题部分最大的特点是需要将黑块突出，以及过滤掉没填涂的选项，以便确认。

预处理方法选择均值滤波及二进制二值化的方法。

#重塑可能用到的图像

thresh = cv