计算机视觉实战(十四)答题卡识别 (附完整代码)

  项目介绍:

  需要识别出下面这个答题卡哪个选项被选择了:

计算机视觉实战(十四)答题卡识别 (附完整代码)_第1张图片

# 预处理
image = cv2.imread(args["image"])
contours_img = image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
cv_show('blurred',blurred)
edged = cv2.Canny(blurred, 75, 200)
cv_show('edged',edged)

  读入图像,复制一下,进行灰度处理:

计算机视觉实战(十四)答题卡识别 (附完整代码)_第2张图片

  之后再进行边缘检测:

计算机视觉实战(十四)答题卡识别 (附完整代码)_第3张图片

  之后进行轮廓检测,检测完之后有三个值,我们只需要最外面的那个轮廓值就可以了。

cnts = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL,
   cv2.CHAIN_APPROX_SIMPLE)[1]
cv2.drawContours(contours_img,cnts,-1,(0,0,255),3) 
cv_show('contours_img',contours_img)
docCnt = None

计算机视觉实战(十四)答题卡识别 (附完整代码)_第4张图片

  之后依据轮廓面积进行排序

# 确保检测到了
if len(cnts) > 0:
   # 根据轮廓大小进行排序
   cnts = sorted(cnts, key=cv2.contourArea, reverse=True)

   # 遍历每一个轮廓
   for c in cnts:
      # 近似
      peri = cv2.arcLength(c, True)
      approx = cv2.approxPolyDP(c, 0.02 * peri, True)

      # 准备做透视变换,如果多边形的顶点有四个
      if len(approx) == 4:
         docCnt = approx
         break

  之后我们执行透视变换:

def four_point_transform(image, pts):
   # 获取输入坐标点
   rect = order_points(pts)
   (tl, tr, br, bl) = rect

   # 计算输入的w和h值
   widthA = np.sqrt(((br[0] - bl[0]) ** 2) + ((br[1] - bl[1]) ** 2))
   widthB = np.sqrt(((tr[0] - tl[0]) ** 2) + ((tr[1] - tl[1]) ** 2))
   maxWidth = max(int(widthA), int(widthB))

   heightA = np.sqrt(((tr[0] - br[0]) ** 2) + ((tr[1] - br[1]) ** 2))
   heightB = np.sqrt(((tl[0] - bl[0]) ** 2) + ((tl[1] - bl[1]) ** 2))
   maxHeight = max(int(heightA), int(heightB))

   # 变换后对应坐标位置
   dst = np.array([
      [0, 0],
      [maxWidth - 1, 0],
      [maxWidth - 1, maxHeight - 1],
      [0, maxHeight - 1]], dtype = "float32")

   # 计算变换矩阵
   M = cv2.getPerspectiveTransform(rect, dst)
   warped = cv2.warpPerspective(image, M, (maxWidth, maxHeight))

   # 返回变换后结果
   return warped

计算机视觉实战(十四)答题卡识别 (附完整代码)_第5张图片

  采用自适应的阈值对其进行处理:

# Otsu's 阈值处理
thresh = cv2.threshold(warped, 0, 255,
   cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)[1] 
cv_show('thresh',thresh)

  之后再轮廓检测,检测圆:

# 找到每一个圆圈轮廓
cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,
   cv2.CHAIN_APPROX_SIMPLE)[1]
cv2.drawContours(thresh_Contours,cnts,-1,(0,0,255),3) 
cv_show('thresh_Contours',thresh_Contours)

  依据实际情况,划定固定区域,然后进行圆检测,计算比例,将不符合的去除掉:

questionCnts = []

# 遍历
for c in cnts:
   # 计算比例和大小
   (x, y, w, h) = cv2.boundingRect(c)
   ar = w / float(h)

   # 根据实际情况指定标准
   if w >= 20 and h >= 20 and ar >= 0.9 and ar <= 1.1:
      questionCnts.append(c)

# 按照从上到下进行排序
questionCnts = sort_contours(questionCnts,
   method="top-to-bottom")[0]

  按y轴坐标对其进行排序

def sort_contours(cnts, method="left-to-right"):
    reverse = False
    i = 0
    if method == "right-to-left" or method == "bottom-to-top":
        reverse = True
    if method == "top-to-bottom" or method == "bottom-to-top":
        i = 1
    boundingBoxes = [cv2.boundingRect(c) for c in cnts]
    (cnts, boundingBoxes) = zip(*sorted(zip(cnts, boundingBoxes),
                                        key=lambda b: b[1][i], reverse=reverse))

  按照每排,也就是每道题目来对其进行选择:

# 每排有5个选项
for (q, i) in enumerate(np.arange(0, len(questionCnts), 5)):
   # 排序
   cnts = sort_contours(questionCnts[i:i + 5])[0]
   bubbled = None

   # 遍历每一个结果
   for (j, c) in enumerate(cnts):
      # 使用mask来判断结果
      mask = np.zeros(thresh.shape, dtype="uint8")
      cv2.drawContours(mask, [c], -1, 255, -1) #-1表示填充
      cv_show('mask',mask)
      # 通过计算非零点数量来算是否选择这个答案
      mask = cv2.bitwise_and(thresh, thresh, mask=mask)
      total = cv2.countNonZero(mask)

      # 通过阈值判断
      if bubbled is None or total > bubbled[0]:
         bubbled = (total, j)

   # 对比正确答案
   color = (0, 0, 255)
   k = ANSWER_KEY[q]

   # 判断正确
   if k == bubbled[1]:
      color = (0, 255, 0)
      correct += 1

   # 绘图
   cv2.drawContours(warped, [cnts[k]], -1, color, 3)

  最终结果显示:

计算机视觉实战(十四)答题卡识别 (附完整代码)_第6张图片

  完整代码:https://github.com/ZhiqiangHo/Opencv-Computer-Vision-Practice-Python-

我的微信公众号名称:深度学习与先进智能决策
微信公众号ID:MultiAgent1024
公众号介绍:主要研究分享深度学习、机器博弈、强化学习等相关内容!期待您的关注,欢迎一起学习交流进步!

你可能感兴趣的:(OpenCv实战(完结))