用 Python 实现答题卡识别！
作者 | 棒子胡豆
来源丨CSDN博客
答题卡素材图片：
思路
读入图片，做一些预处理工作。
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。
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。
再次检测轮廓，定位每个选项。
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。
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
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。
# 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）
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))
透视变换的计算步骤：
首先获取原图多边形的四个顶点，注意顶点顺序。
然后构造原始顶点矩阵。
计算矩形长宽，构造变换后的目标矩阵。
获取原始矩阵到目标矩阵的透视变换矩阵
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)
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:continueif 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)
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 dotsda = []
for i in A:dots = count_dots(i[0],i[1])all_dots = len(dots)whilt_dots = 0for j in dots:if binary_res[j[1]][j[0]] == 255:whilt_dots = whilt_dots+1if whilt_dots/all_dots>=0.4:da.append(1)else:da.append(0)
da = np.array(da)
da = np.reshape(da,(5,5))
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。
往
期
回
顾
技术
用Python写一个天天酷跑
资讯
Nginx宣布在俄罗斯禁止贡献
技术
学会用Opencv做贪吃蛇游戏
技术
一行Python代码能干嘛？来看！
分享
点收藏
点点赞
点在看
相关文章：
Confluence 6 计划任务
管理员控制台能够允许你对 Confluence 运行的计划任务进行计划的调整，这些计划任务将会按照你的调整按时执行。可以按照计划执行的任务如下： Confluence 站点备份存储优化任务，清理 Confluence 的临时目录中的文件和缓存索引优化任务…
PHP共享内存段
在asp.net和java中都有共享内存，php除了可以使用Memcached等方式变通以外其实php也是支持共享内存的！需要安装扩展shmop 找到php安装源文件目录# cd /usr/local/php-5.4.0/ext/shmop # /usr/local/php/bin/phpize # ./configure --with-php-config/usr/l…
马尔科夫随机场的基本概念
1、随机过程： 描写叙述某个空间上粒子的随机运动过程的一种方法。它是一连串随机事件动态关系的定量描写叙述。随机过程与其他数学分支，如微分方程、复变函数等有密切联系。是自然科学、project科学及社会科学等领域研究随机现象的重要工具。 2、马尔科夫…
从事了两年 AI 研究，我学到了什么？
作者 | Tom Silver译者 | 弯月出品 | CSDN我从事人工智能研究的工作已经有两年了，有朋友问我都学到了什么，所以我想借本文分享一些迄今为止积累的经验教训。我将在本文中分享一些常见的经历，还会讨论相对具体的人工智能行业技巧。希望对大家能…
Windows server 2008普通用户不能远程登录问题
1、查登录权限 如果文件服务器没有为用户授权，那么用户自然就不能远程登录服务器系统了，为此笔者决定先仔细检查一下文件服务器系统是否为自己使用的登录账号，授予了远程登录权限。在进行这种检查时，笔者先是在文件服务器本地以系…
面向小白的最全 Python 可视化教程，超全的！
作者 | 俊欣来源丨关于数据分析与可视化今天小编总结归纳了若干个常用的可视化图表，并且通过调用plotly、matplotlib、altair、bokeh和seaborn等模块来分别绘制这些常用的可视化图表，最后无论是绘制可视化的代码，还是会指出来的结果都会通过调…
Atitit.文件搜索工具 attilax 总结
Atitit.文件搜索工具 attilax 总结 1. 指定目录按照体积大小精确搜索1 1.1. File Seeker 4.5 版本的可以，3.5版本的不行。。1 2. 按照文件内容搜索1 2.1. File Seeker2 2.2. Notepad2 2.3. FileLocator Pro 是一款专业的文件搜索软件，2 2.4. 百度硬盘搜索…
ulimit -SHn 65535 含义
linux下用ulimit设置连接数最大值，默认是1024.在高负载下要设置为更高，但最高只能为65535. ulimit只能做临时修改，重启后失效。可以加入ulimit -SHn 65535到 /etc/rc.local 每次启动启用。终极解除 Linux 系统的最大进程数和最大文件打开数限…
5.7-基于Binlog+Position的复制搭建
基本环境 MasterSlaveMySQL版本MySQL-5.7.16-X86_64MySQL-5.7.16-X86_64IP192.168.56.156192.168.56.157Port33063306数据库环境的部署：两边安装好相同的数据库软件，初始化，可以启动起来。检查事项：两边防火墙是否开启，…
PHP消息队列httpsqs安装与使用无错版
项目网址：http://code.google.com/p/httpsqs/使用文档：http://blog.s135.com/httpsqs/ 说明：由于需要安装的东西有些多，原文可能写的有些简略，所以适当补充了1.安装libevent-2.0.12-stable.tar.gzwget http://httpsqs.…
Windows Server 2012 系统群集
Windows Server 2012 系统群集本次将测试Windows Server 2012 系统群集功能。实验环境：4台服务器都为Windows Server 2012 DataCenter操作系统SRV2012服务器安装iSCSI目标服务器角色并配置2块虚拟磁盘给两台群集服务器共享使用。群集服务器安装群集功能，…
Python 中最强大的错误重试库
作者 | 费弗里来源丨Python大数据分析1 简介我们在编写程序尤其是与网络请求相关的程序，如调用web接口、运行网络爬虫等任务时，经常会遇到一些偶然发生的请求失败的状况，这种时候如果我们仅仅简单的捕捉错误然后跳过对应任务，肯定…
Spring Cloud云架构 - SSO单点登录之OAuth2.0登录流程(2)
上一篇是站在巨人的肩膀上去研究OAuth2.0，也是为了快速帮助大家认识OAuth2.0，闲话少说，我根据框架中OAuth2.0的使用总结，画了一个简单的流程图（根据用户名密码实现OAuth2.0的登录认证）： 上面的图…
php的POSIX 函数以及进程测试
参考：http://cn.php.net/manual/zh/ref.posix.php <?phpecho posix_getpid(); //8805sleep(10);?>再用 #ps -ax这个时候如果多开开个浏览器请求，就会发现Apache自动增加了几个新的进程我们发现并非一直请求同一个进程重启apache # /usr/local/ap…
CAS (10) —— JBoss EAP 6.4下部署CAS时出现错误exception.message=Error decoding flow execution的解决办法...
CAS (10) —— JBoss EAP 6.4下部署CAS时出现错误exception.messageError decoding flow execution的解决办法 jboss版本: jboss-eap-6.4-CVE-2015-7501 jdk版本: 1.7.0_79 cas版本: cas 4.1.3 参考来源: Nabble: exception.messageErrordecodingflowexecution Nabble: Caused …
昇思MindSpore1.6发布 AI开发者体验再升级
智能时代，AI技术正在发挥至关重要的作用，而开源的深度学习框架不仅能够降低AI开发者的门槛，而且能够极大节省成本与时间，成为创新的重要推手。2022年3月26-27日，昇思MindSpore TechDay活动线上成功举办，包含…
深入解析：TRUNCATE TABLE 的内部原理解析与恢复思路
摘要 众所周知，truncate table 是一种快速清空表内数据的一种方式，与 delete 方式不同，truncate 只产生非常少的 redo 和 undo，就实现了清空表数据并降低表 HWM 的功能。本文主要围绕 truncate table 的实现原理和 truncate table…
Linux exec与重定向
exec和source都属于bash内部命令（builtins commands），在bash下输入man exec或man source可以查看所有的内部命令信息。 bash shell的命令分为两类：外部命令和内部命令。外部命令是通过系统调用或独立的程序实现的，如se…
俄罗斯 Android 系统受限，或将转用 HarmonyOS！
整理 | 郑丽媛出品 | CSDN近一个月来，受当前局势影响，部分底层工具、基础软件、开源项目已相继宣布在俄罗斯停服，期间不少人因此担忧：同出自美国且占据极大智能手机市场的 Android 和 iOS 是否会趁机“作乱”？结果&…
Ios应用网络安全之https
戴维营教育原创文章，转载请注明出处。我们的梦想是做最好的iOS开发培训！iOS应用网络安全之HTTPS1. HTTPS/SSL的基本原理安全套接字层 (Secure Socket Layer, SSL) 是用来实现互联网安全通信的最普遍的标准。Web 应用程序使用 HTTPS（基于 SSL …
云原生应用的10大关键属性
2019独角兽企业重金招聘Python工程师标准>>> “云原生”是用于描述基于容器的环境的术语，而Kubernetes是一个运行云原生应用程序工作负载的理想平台。 开发人员在设计云原生应用程序时，一定要牢记本文内这10个关键属性！ “云原生&…
grep 正则表达式及选项以及注意
说明：在原文基础上稍作了修改grep命令简介： 在ex编辑器（我没用过）中，启动ex编辑器后要查找某个字符串时，在ex的命令提示符后键入::/pattern/p:/g/pattern/pgrep这个名字就由来如此。其中p的含义是print&…
iOS_25彩票_幸运转盘
终于效果图: 各个view的关系图: 背景圆盘(须要扣图处理)LuckyBaseBackground.png 盖在背景圆盘上面的转盘 LuckyRotateWheel.png 代表一个星座或生肖的button背景图片 要创建12个,并以最下方中点为锚点进行旋转 对背景圆盘进行扣图,并在其上面盖上转盘图片的核心代码 在自己定义…
Python 自动化办公之 Excel 对比工具
作者 | 周萝卜来源丨萝卜大杂烩今天我们继续分享真实的自动化办公案例，希望各位 Python 爱好者能够从中得到些许启发，在自己的工作生活中更多的应用 Python，使得工作事半功倍！需求由于工作当中经常需要对比前后两个 Excel 文件&am…
jQuery简单实现iframe的高度根据页面内容自适应的方法(转)
本文实例讲述了jQuery简单实现iframe的高度根据页面内容自适应的方法。分享给大家供大家参考，具体如下：方式1：//注意：下面的代码是放在和iframe同一个页面中调用 $("#iframeId").load(function () {var mainheight $(t…
linux wc 命令简介
此wc命令不是让大家没有食欲的地方。而是linux下一个简单的小命令。NAMEwc — word, line, character, and byte countSYNOPSISwc [-clmw] [file ...]下面让我们来简单的看一下其支持的参数及其代表的含义。 参数及含义 参数含义-c显示文件的Bytes数(字节数)-l将每个文件的行数…
这个插件竟打通了Python和Excel，还能自动生成代码！
作者 | 云朵君来源丨数据STUDIO加载一个Jupyter插件后，无需写代码就能做数据分析，还帮你生成相应代码？没错，只需要加载这个名为Mito的小工具包，用Python做数据分析，变得和用Excel一样简单：介绍以…
集合list set Map问题
2019独角兽企业重金招聘Python工程师标准>>> ####集合list set Map的个人理解 首先集合说的对一类数据的存储容器，对象都是引用类型并不是基本数据类型 collection 接口 list和set都需实现它 collections 抽象了一些集合的基本功能，reverse s…
python学习第四课
#!/user/bin/env python#-*-coding:utf-8-*-# 一、字符串魔法# （1）.isalpha()是否是字母或汉字。# 例：# a"张san22"# b"张三lisi"# va.isalpha()# v1b.isalpha()# print(v)# print(v1)# 因为a里含有数字，结果…
PHP 截取字符串专题
1. 截取GB2312中文字符串<?php< ?php//截取中文字符串functionmysubstr($str, $start, $len){$tmpstr ""; $strlen $start $len; for($i 0; $i< $strlen; $i){if(ord(substr($str, $i, 1))> 0xa0){$tmpstr. substr($str, $i, 2); $i; }else$tm…