15- 答题卡识别及分数判定项目 (OpenCV系列) (项目十五)

原创

已于 2023-02-24 16:14:47 修改 · 2.4k 阅读

CC 4.0 BY-SA版权

文章标签：

于 2023-02-24 15:53:29 首次发布

该文详细介绍了如何利用OpenCV库对答题卡图像进行处理，包括图片读取、灰度图转换、高斯模糊、边缘检测、轮廓检测、透视变换、二值化处理以及轮廓排序等步骤。通过对轮廓的分析和筛选，确定答题卡的边界，并识别出选择的答案，最终进行分数判定。

图片读取 : img = cv2.imread('./images/test_01.png')
灰度图: gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
高斯模糊: blurred = cv2.GaussianBlur(gray, (5, 5), 0) # 去噪点
边缘检测: edged = cv2.Canny(blurred, 75, 200)
检测轮廓: cnts = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2] # 两个返回值 contours, hierarchy
描绘轮廓: cv2.drawContours(contours_img, cnts, -1, (0, 0, 255), 2)
轮廓面积排序: cnts = sorted(cnts, key = cv2.contourArea, reverse = True)
计算轮廓周长: perimeter = cv2.arcLength(c, True)
得到近似轮廓: approx = cv2.approxPolyDP(c, 0.15 * perimeter, True)
计算变换矩阵: M = cv2.getPerspectiveTransform(rect, dst) # dst 为目标值
通过坐标透视变换转换: warped = cv2.warpPerspective(image,M,(max_width, max_height)) # 注意传参
ret, thresh1 =