哈嘍大家好，這里是滑稽研究所。看過我們圖像處理系列的朋友，應該知道識別答題卡那期文章。其中利用opencv框架，完美的實現了答題卡填涂區域的識別。在后臺有小伙伴想要我完善一下判斷選項對錯并打分的功能，本期我們就來實現一下。
那么我們來復習一下往期的代碼原理。我們需要對圖片素材進行灰度化處理、透視變換、輪廓檢測、腐蝕膨脹處理、區域分割、邊框計算、區域計算。實際上我們是通過像素面積的過濾、填涂區域優化和獲取選項坐標來完成答題卡的識別的。
素材：
那么在獲取到答題卡的填涂區域之后就好辦了。我們首先分隔答題卡，去除干擾項，然后把不同的區域打上標簽。我們的答題卡是自上而下排序的。那么我們獲取到的填涂項的x坐標即橫坐標就派上了用場。選項A~E一定是占據了五個不同的區域。我們已經為不同區域打上了標簽。剩下的就是交給我們的if判斷語句了。這時我們已經為填涂項賦上了實際的意義。即從像素坐標轉換成了具有實際意義的選項。
那y坐標就沒有用了嗎？非也。經過上面的處理我們只是得到了填涂區域對應的選項。但是我們還沒有進行排序。大家知道無序的選項是沒有意義的。而剛剛我們說了該答題卡的題號順序是自上而下的。因為我們遍歷選項時，是同時得到x、y坐標的，因此我們可以保證得到的坐標是配對的。
其中橫縱坐標分別填入兩個list中，然后使用zip方法合并list。這時我們再按照每個list的第二個元素也就是縱坐標進行由小到大的排序，就可以得到正確的順序。
這時我們才真正獲取到了需要的數據。即考生填涂的選項順序，我們再新建一個list放正確的答案，與考生的答案進行對比，經計算得出考生的正確率，并給出分數。
好，思路清晰，上代碼！
import cv2
import numpy as np
path = './test_01.png'
img = cv2.imread(path)
imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
imgBlur = cv2.GaussianBlur(imgGray,(3,3),1)
imgCanny = cv2.Canny(imgBlur,100,120)
cv2.imshow("O", imgCanny)
imgContour = img.copy()
cnts = cv2.findContours(imgCanny, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[0]
for cnt in cnts:
area = cv2.contourArea(cnt)
# 這個輸出各個輪廓的面積
#print(area)
#
if area >= 500:
cv2.drawContours(imgContour, cnt, -1, (255, 0, 0), 3)
peri = cv2.arcLength(cnt, True)
# 找出輪廓的突變值
approx = cv2.approxPolyDP(cnt, 0.02 * peri, True)
# approx找到的是一個輪廓有幾個突變值，有幾個角就會有幾個突變值
# 返回的是一個list，輸出他的長度，就可以知道到底有幾個角
#print(approx)
a1,a2,a3,a4 = list(approx[0][0]),list(approx[1][0]),list(approx[2][0]),list(approx[3][0])
#cv2.imshow("Canny Image",imgContour)
mat1 = np.array([a1,a2,a3,a4],dtype=np.float32)
#透視變換
#計算矩形寬高
width = 402#int(((a4[0]-a1[0])+(a3[0]-a2[0]))/2)
height = 518#int(((a2[1]-a1[1])+(a3[1]-a4[1]))/2)
#計算還原后的坐標
new_a1 = [0,0]
new_a2 = [0,height]
new_a3 = [width,height]
new_a4 = [width,0]
mat2 = np.array([new_a1,new_a2,new_a3,new_a4],dtype=np.float32)
#計算變換矩陣
mat3 = cv2.getPerspectiveTransform(mat1,mat2)
#進行透視變換
res = cv2.warpPerspective(imgCanny,mat3,(width,height))
res1 = cv2.warpPerspective(img,mat3,(width,height))
imgxx = cv2.cvtColor(res1,cv2.COLOR_BGR2GRAY)
binary = cv2.threshold(imgxx,0,255,cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU )[1]
#變換完成
#cv2.imshow("Output",res1)
cntss = cv2.findContours(res, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[0]
for cnt1 in cntss:
area1 = cv2.contourArea(cnt1)
# 這個輸出各個輪廓的面積
#print(area)
#
if area1 >= 1500 and area1=1700:
#把圓的輪廓畫成黑色
cv2.drawContours(binary, cnt1, -1, (0, 0, 0), 10)
kernel = np.ones((5, 5), np.uint8)
imgDialation = cv2.dilate(binary, kernel, iterations=1)
cv2.imshow("Out", imgDialation)
cntsss = cv2.findContours(imgDialation, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[0]
l1 = []
l2 = []
l3 = ['B','E','A','D','B']
for cnt2 in cntsss:
area2 = cv2.contourArea(cnt2)
#print(area)
if area2 = 1200 and 800=area2:
#cv2.drawContours(res1, cnt, -1, (0, 255, 0), 5)
#輪廓長
peri = cv2.arcLength(cnt2, True)
# 找出輪廓的突變值
approx1 = cv2.approxPolyDP(cnt2, 0.02 * peri, True)
x, y, w, h = cv2.boundingRect(approx1)
#外接矩形
#print(x+w//2,y+h//2)
m = x+w//2
n = y+h//2
l1.append(m)
l2.append(n)
#拼接兩個一維列表，使x,y坐標配對。
mix1 = list(zip(l1,l2))
#按列表第二個元素升序，即按y值由小到大排列。
#這是我們得到的答案為正確順序。
mix1.sort(key=lambda x: x[1])
if 400>x>80 and 50y350:
cv2.rectangle(res1, (x, y), (x + w, y + h), (0, 0, 255), 2)
#圓心
# (圖像，x.y位置，半徑，顏色，輪廓粗細)
cv2.circle(res1, (x+w//2,y+h//2), 1, (255, 0, 0), 5)
l4 = []
for i in mix1:
if 75 i[0] 130:
print("A")
l4.append('A')
elif 130 i[0] 185:
print("B")
l4.append('B')
elif 185 i[0] 240:
print("C")
l4.append('C')
elif 240 i[0] 295:
print("D")
l4.append('D')
elif 295 i[0] 350:
print("E")
l4.append('E')
print('正確答案：',l3)
print('考生答案',l4)
h = 0
for i in range(0, len(l3)):
if l3[i] == l4[i]:
h=h+1
print('得分:',str(h/5*100)+'分')
cv2.imshow("cc Image",res1)
cv2.imshow("dd Image",binary)
cv2.waitKey(0)
