书名：计算机视觉40例从入门到深度学习：OpenCV-Python
作者：李立宗
出版社：电子工业出版社
出版时间：2022-07-01
ISBN：9787121436857

---

第9章 答题卡识别

9.1 单道题目的识别

一、基本流程及原理

• 单道题目的答题卡识别基本原理与图9-1相同，将上述步骤分解，得到如图9-2所示的实现步骤。

  
  图9-2 实现步骤
  

  下面对具体步骤进行详细介绍。

1）Step 1：导入库

• 将需要使用的库导入

2）Step 2：答案及选项初始化

• 为了方便处理，将各个选项放入一个字典内保存，让不同的选项对应不同的索引。
  例如，“选项A”对应索引0，“选项B”对应索引1，以此类推。
• 本题目的标准答案为“选项C”。

# 将选项放入字典内
ANSWER_KEY={0:"A",1:"B",2:"C",3:"D"}   
# 标准答案
ANSWER ="C"

3）Step 3：读取原始图像

• 将选项图像读取到系统内

4）Step 4：图像预处理

• 图像预处理主要包含色彩空间转换、高斯滤波、阈值变换三个步骤。
• 阈值变换使用的是反二值化阈值处理，
  将图像内较暗的部分（如铅笔填涂的答案、选项标记等）处理为白色，将图像内相对较亮的部分（如白色等）处理为黑色。
  之所以这样处理是因为，通常用白色表示前景，前景是需要处理的对象；用黑色表示背景，背景是不需要额外处理的部分。

5）Step 5：获取轮廓及排序

• 获取轮廓是图像处理的关键，借助轮廓能够确定每个选项的位置、选项是否被选中等。

• 需要注意的是，使用findContours函数获取的轮廓的排列是没有规律的。
  因此需要将获取的各选项的轮廓按照从左到右出现的顺序排序。将轮廓从左到右排列后：
  ● 索引为0的轮廓是选项A的轮廓。
  ● 索引为1的轮廓是选项B的轮廓。
  ● 索引为2的轮廓是选项C的轮廓。
  ● 索引为3的轮廓是选项D的轮廓。

# 获取轮廓
cnts, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)  
# 将轮廓从左到右排列，以便后续处理
boundingBoxes = [cv2.boundingRect(c) for c in cnts]
(cnts，boundingBoxes) = zip(*sorted(zip(cnts，boundingBoxes),key=lambda b: b[1][0] reverse=False))

6）Step 6：计算每个选项包含的白色像素点个数

本步骤主要完成任务如下。

• 任务1：提取每一个选项。

• 任务2：计算每一个选项内的白色像素点个数。

• 对于任务1，使用按位与运算的掩模方式完成，示意图如图9-3所示，根据“任意数值与自身进行按位与运算，结果仍旧是自身值”及掩模指定计算区域的特点：
  例如，针对图像i使用图像m作为掩模，进行按位与运算：
  得到的结果图像x是图像i中被掩模图像m中像素值非0区域指定的部分。
  具体来说：
  ● 在结果图像x中，与掩模图像m中像素值非0区域对应位置的像素值来源于图像i。
  ● 在结果图像x中，与掩模图像m中像素值为0区域对应位置的像素值为0。
  针对图像i，利用掩模图像m提取掩模对应的选项D，提取选项示例示意图如图9-4所示。

  
  图9-4 提取选项示例示意图
  

  具体来说，在图9-4右侧的结果图像中：
  ● 与掩模图像m中像素值非0区域（白色区域）对应位置的像素值来源于图像i。
  ● 与掩模图像m中像素值为0区域（黑色区域）对应位置的像素值为0（黑色）。

• 如何构造每一个选项的掩模图像。
  在图9-4中的掩模图像m，来源于选项D的实心轮廓，可以通过函数drawContours得到。具体分成如下两步：
  ● 首先，构造一个与原始图像i等尺寸的灰度图像，图像内像素值均为0（纯黑色）。
  ● 其次，将图像i中选项D的轮廓以实心形式绘制出来。综上所叙，使用该方式，依次将各个选项提取出来，并计算每个选项包含的白色像素点个数，

7）Step 7：识别考生作答选项

• 白色像素点个数最多的选项即考生作答选项。如图9-5所示，选项B是考生使用铅笔填涂的选项，其白色像素点个数最多。

  
  图9-5 作答选项示例
• 根据轮廓内白色像素点的个数将轮廓按照降序排列，排在最前面的轮廓就是考生作答选项。

8）Step 8：输出结果

• 用不同颜色标注考生作答选项正确与否，并打印输出结果。根据考生作答选项是否与标准答案一致设置要绘制的颜色，具体如下：
  ● 考生作答选项与标准答案一致，将考生填涂选项的轮廓设置为绿色。
  ● 考生作答选项与标准答案不一致，将考生填涂选项的轮廓设置为红色。
• 按照上述规则，在考生作答选项上绘制轮廓，并打印输出文字提示

---

二、实现程序

# -*- coding: utf-8 -*-
"""
Created on Tue Oct 17 11:15:17 2023

@author: dalong10
"""

import numpy as np
import cv2

# 将选项放入字典内
ANSWER_KEY={0:"A",1:"B",2:"C",3:"D"}   
# 标准答案
ANSWER ="C"

# ====读取原始图像====
img =  cv2.imread('d:\\OpenCVpic\\xiaogang.jpg')  
cv2.imshow('img', img)

# ====图像预处理=====   
# 转换为灰度图像        
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 
# 高斯滤波
gaussian_bulr = cv2.GaussianBlur(gray,(5,5), 0)
# 阈值变换，将所有选项处理为前景(白色)
ret, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

# ====提取轮廓及排序====
cnts, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)  

# contoursOK=[]
# for i in cnts:
#     contoursOK.append(i)
# print(contoursOK)    
# draw=cv2.drawContours(thresh,contoursOK,-1,(0,255,0),5)
# cv2.imshow('thresh', thresh)

# 将获取的各选项的轮廓按照从左到右出现的顺序排序
boundingBoxes = [cv2.boundingRect(c) for c in cnts]
(cnts, boundingBoxes) = zip(*sorted(zip(cnts,boundingBoxes),key=lambda b:b[1][0],reverse=False))

options=[]
# ======构建列表，用来存储每个选项包含的白色像素点个数及序号=====
# 自左向右，遍历每一个选项的轮廓
for (j, c) in enumerate(cnts):
    # 构造一个与原始图像大小一致的灰度图像，用来保存各个选项
    mask = np.zeros(gray.shape, dtype="uint8")
    # 获取单个选项
    # 通过循环，将每一个选项单独放入一个 mask 中
    cv2.drawContours(mask, [c],-1,255,-1)
    # 获取 thresh 中mask 指定部分，每次循环，mask 对应不同选项
    # cv2.imshow("s1",mask)
    cv2.imwrite("sl.jpg",mask)
    # cv2.imshow("thresh",thresh)
    cv2.imwrite("thresh.jpg",thresh)
    mask = cv2.bitwise_and(thresh, thresh, mask=mask)
    # cv2.imshow("s2",mask)
    cv2.imwrite("s2.jpg",mask)
    # cv2.imshow("mask"+str(j),mask)
    # cv2.imwrite("mask"+str(j)+".jpg",mask)
    # 计算每一个选项的包含的白色像素点个数
    # 考生作答选项包含的白色像素点较多，非考生作答选项包含的白色像素点较少
    total = cv2.countNonZero(mask)
    # 将选项包含的白色像素点个数、选项序号放入列表 options 内
    options.append((total,j))
    # print (options) # 在循环中打印存储的包含的白色像素点个数及序号
    
# ===识别考生作答选项===
# 将所有选项按照轮廓内包含白色像素点的个数降序排序
options=sorted(options,key=lambda x: x[0],reverse=True)
# 获取包含白色像素点最多的选项索引 (序号)
choice_num=options[0][1]

# 根据索引确定选项
choice= ANSWER_KEY.get(choice_num)
print("该生的选项:",choice)    
# ===根据考生作答选项正确与否，用不同颜色标注考生选项=======
# 设定标注的颜色类型
if choice == ANSWER:
    color = (0,255,0) # 回答正确，用绿色表示
    msg="回答正确"
else:
    color = (0,0,255) # 回答错误，用红色表示
    msg="回答错误"
# 在选项位置上标注颜色
cv2.drawContours(img, cnts[choice_num], -1, color, 2)
cv2.imshow("result",img)  # 打印识别结果
print(msg)

cv2.waitKey()
cv2.destroyAllWindows()

运行结果 输出数据