opencv +python采集识别填涂卡（答题卡）数据 |
您所在的位置：网站首页 › 答题卡扫描器 › opencv +python采集识别填涂卡（答题卡）数据 |
opencv +python采集识别填涂卡（答题卡）数据
|
在社科研究中的问卷调查，或者需要进行问卷答题的场景中，需要用纸质问卷采集答案，然后将问卷的答案输入电脑。这是一般的问卷采集答案的方法，如果问卷数量并不是很多能很快速的将问卷的结果输入到电脑中，但是如果有很多张相同的问卷的情况下，工作效率就会减慢（一张一张的录入）。采用电脑识别的方式能很快的将纸质答案转换为电脑可识别的数据。 采用python+opencv的方式，在识别每一张问卷唯一性上，可以在每一张问卷上张贴二维码，用以区别问卷的唯一。 思路： 1，将答题卡扫描，进行灰度转变、高斯模糊、cv2.Canny边缘转化等操作，把图片转换。 2，扫描答题卡，确定左边和上边的黑块基点，进而根据黑块的基础位置和大小推算确定每一个答题选项的位置。 3，确定每一个答题选项后，由于是每一行扫描，所以每4个确定的坐标分为一组，每组的顺序就是题目答案的顺序。 4，对分组的一组中的4个区域计算cv2.countNonZero像素值，像素值越小的就表示涂得最多，进而确定填涂的选项。空选项的情况，将4个选项的像素值进行比较最大值减去最小值的差值若小于某一个值，则认为此选项没有填涂。 代码如下： import cv2 import numpy as np from imutils.perspective import four_point_transform from pyzbar import pyzbar img000 = cv2.imread('\\example01\\33334.jpg') #答题卡左边的黑块数量、答题卡题目总量 leftji = 16 allji = 32 res=cv2.resize(img000,(1043,int(img000.shape[0]*1043/img000.shape[1])),interpolation=cv2.INTER_CUBIC) img = res openw = 0 openh = 0 #转化成灰度图片 gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) gaussian_bulr = cv2.GaussianBlur(gray, (5, 5), 0) # 高斯模糊 edged=cv2.Canny(gaussian_bulr,75,1) # 边缘检测,灰度值小于2参这个值的会被丢弃，大于3参这个值会被当成边缘，在中间的部分，自动检测 toushi = '' toushiq = '' # 寻找轮廓 cts, hierarchy = cv2.findContours( edged.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) list=sorted(cts,key=cv2.contourArea,reverse=True) jidian = [] for c in list: peri=0.01*cv2.arcLength(c,True) approx=cv2.approxPolyDP(c,peri,True) # 打印定点个数 # print("顶点个数：",len(approx)) if peri >= 10 and len(approx) == 4: ox_sheet = four_point_transform(img, approx.reshape(4, 2)) tx_sheet = four_point_transform(gray, approx.reshape(4, 2)) toushiq = four_point_transform(edged, approx.reshape(4, 2)) toushi = ox_sheet ret, thresh2 = cv2.threshold(tx_sheet, 0, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU) # cv2.imshow("ostu", thresh2) r_cnt, r_hierarchy = cv2.findContours(thresh2.copy(), 1, 2) for ii in r_cnt: peris = 0.01 * cv2.arcLength(ii, True) approxa = cv2.approxPolyDP(ii, peris, True) x, y, w, h = cv2.boundingRect(approxa) if w >= 40 and (x < 100 or y < 100) and len(approxa) == 4 and peris < 10: cv2.rectangle(ox_sheet, (x, y), (x + w, y + h), (0, 0, 255), 2) jidian.append([x, y]) openw = w openh = h data = np.array(jidian) idex=np.lexsort([data[:,1], data[:,0]]) sorted_data = data[idex, :] hang = sorted_data[0:leftji] lie = sorted_data[leftji:allji] aswgroup = [] for b in hang: for n in lie: cv2.rectangle(toushi, (n[0], b[1]), (n[0] + openw, b[1] + openh), (0, 0, 255), 2) aswgroup.append([n[0], b[1]]) def list_split(items, n): return [items[i:i+n] for i in range(0, len(items), n)] list2 = list_split(aswgroup, 4) totals = [] for lll in list2: a = [] b = [] for ll in lll: cropImg = toushiq[ll[1]:ll[1] + openh, ll[0]:ll[0] + openw] total = cv2.countNonZero(cropImg) a.append([total,ll]) b.append(total) if max(b)-min(b) < 120: bindex = 4 else : bindex = b.index(min(b)) totals.append([bindex,(max(b)-min(b)),a]) i = 1 w = ['A','B','C','D','NULL'] for llwwww in totals: print(i,w[llwwww[0]],llwwww) i = i+1 # 识别二维码 barcodes = pyzbar.decode(img) for barcode in barcodes: barcodeData = barcode.data.decode("utf-8") print(barcodeData) cv2.imshow("hongse",toushi) cv2.waitKey(0)运行结果的图片：
一行的输出释义：题号、答案4个坐标中最小像素值的位置、最大像素值减最小像素值的差值、4个坐标的值。有多少个题目就输出多少行。其中随后一个输出值是答题卡二维码识别的值。 答题卡原图：
|
【本文地址】