Opencv之掩码实现答题卡辨认及精确率判断
掩码实现答题卡辨认及精确率判断1 掩码
1.1 概念
掩码（Mask）是一种用于指定图像处置处罚操作区域的工具。掩码通常是一个与图像尺寸相同的二值图像，其中像素值为0表现不处置处罚，像素值为255（或1）表现处置处罚。掩码可以用于多种操作，如图像滤波、图像合成、图像分割等。掩码的尺寸必须与图像的尺寸相同。掩码的像素值通常为0或255（或1），但也可以是其他值，详细取决于应用场景。通过使用掩码，可以更精确地控制图像处置处罚操作的范围，从而实现更复杂的结果。
1.2 创建掩码
[*]mask = np.zeros((height, width), dtype=np.uint8)，创建一个全黑的掩码
[*](height, width), 高宽
[*]dtype=np.uint8 ，数据范例
[*]cv2.rectangle(mask, (x1, y1), (x2, y2), 255, -1)，在掩码上绘制矩形
[*](x1, y1), (x2, y2)起点和对角线坐标 ，
[*]255颜色， -1表全填充
import cv2
import numpy as np
# 创建一个全黑的掩码
mask = np.zeros((300, 300), dtype=np.uint8)
# 在掩码上绘制一个白色矩形
cv2.rectangle(mask, (50, 50), (100, 100), 255, -1)
cv2.imshow('mask',mask)
cv2.waitKey(0)
https://i-blog.csdnimg.cn/direct/3291b80ccd5f4896869676487949ea17.png
2 答题卡辨认过程
–
2.1 显示、表面排序、透视变换函数
# 显示图像的函数
def cv_chow(name, img):
cv2.imshow(name, img)
cv2.waitKey(0)
# 对四个点进行排序，确保顺序为：左上、右上、右下、左下
def order_points(pts):
rect = np.zeros((4, 2), dtype="float32")
s = pts.sum(axis=1)# 计算每个点的x+y值
rect = pts# 左上角点，x+y最小
rect = pts# 右下角点，x+y最大
diff = np.diff(pts, axis=1)# 计算每个点的x-y值
rect = pts# 右上角点，x-y最小
rect = pts# 左下角点，x-y最大
return rect
# 透视变换函数，将图像中的四边形区域变换为矩形
def four_point_transform(img, pts):
rect = order_points(pts)# 对四个点进行排序
(tl, tr, br, bl) = rect# 分别获取左上、右上、右下、左下四个点
# 计算宽度和高度
widthA = np.sqrt(((br - bl) ** 2) + ((br - bl) ** 2))
widthB = np.sqrt(((tr - tl) ** 2) + ((tr - tl) ** 2))
max_width = max(int(widthA), int(widthB))# 取最大宽度
heightA = np.sqrt(((tr - br) ** 2) + ((tr - br) ** 2))
heightB = np.sqrt(((tl - bl) ** 2) + ((tl - bl) ** 2))
max_height = max(int(heightA), int(heightB))# 取最大高度
# 定义目标矩形的四个角点
dst = np.array([, ,
, ], dtype="float32")
# 计算透视变换矩阵并进行变换
m = cv2.getPerspectiveTransform(rect, dst)
warped = cv2.warpPerspective(img, m, (max_width, max_height))
return warped
# 对轮廓进行排序，支持从左到右、从右到左、从上到下、从下到上四种排序方式
def sort_contours(cons, 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 = # 获取每个轮廓的边界框
# 根据边界框的x或y坐标进行排序
(cons, boundingBoxes) = zip(*sorted(zip(cons, boundingBoxes),
key=lambda b: b, reverse=reverse))
return cons, boundingBoxes
2.2 图像预处置处罚
通过灰度化、高斯滤波和Canny边沿检测，提取图像中的表面。
代码展示：
img = cv2.imread('test_01.png')
cont_img = img.copy()# 复制图像用于绘制轮廓
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 转换为灰度图像
blurred = cv2.GaussianBlur(gray, (5, 5), 0)# 高斯模糊去噪
edg = cv2.Canny(blurred, 75, 200)# 边缘检测
cv_chow('edg', edg)# 显示边缘检测结果
cnts = cv2.findContours(edg.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]
cv2.drawContours(cont_img, cnts, -1, (0, 0, 255), 3)# 绘制轮廓
cv_chow('cont_img', cont_img)# 显示绘制轮廓后的图像
运行结果：
https://i-blog.csdnimg.cn/direct/e79a5338d39d4b3fa68d740c323fe9ba.png
2.3 透视变换
通过表面面积排序和近似矩形，找到答题卡的外框，并进行透视变换，将答题卡区域变换为矩形。
代码展示：
docCnt=None
cnts = sorted(cnts,key=cv2.contourArea,reverse=True)
for c in cnts:
p = cv2.arcLength(c,True)
approx = cv2.approxPolyDP(c,0.02*p,True)
if len(approx) == 4:
docCnt = approx
break
warp_t = four_point_transform(img,docCnt.reshape(4,2))
warp_new = warp_t.copy()
cv_chow('warp',warp_t)
2.4 二值化处置处罚
将图像转换为二值图像，便于后续处置处罚。
warped = cv2.cvtColor(warp_t,cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(warped,0,255,
cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)
cv_chow('thresh',thresh)
运行结果：
https://i-blog.csdnimg.cn/direct/636f9ebd6700486aab4d87c6e6ea4862.png
2.5 表面检测与筛选
检测图像中的表面，并筛选出可能是选项的表面。
代码展示：
thresh_cnt = thresh.copy()
cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
wraped_cont = cv2.drawContours(warp_t, cnts, -1, (0, 0, 255), 1)# 绘制轮廓
cv_chow('wraped_cont', wraped_cont)# 显示绘制轮廓后的图像
# 筛选出可能是选项的轮廓
qus_cnts = []
for c in cnts:
(x, y, w, h) = cv2.boundingRect(c)# 获取轮廓的边界框
ar = w / float(h)# 计算宽高比
if w >= 20 and h >= 20 and 0.9 <= ar <= 1.1:# 过滤掉不符合条件的轮廓
qus_cnts.append(c)
# 对选项轮廓进行排序（从上到下）
qus_cnts = sort_contours(qus_cnts, method='top-to-bottom')
2.6 答案辨认和结果显示
通过掩膜和像素统计，辨认用户选择的答案，并与精确答案进行比对。在图像上标注精确答案，并计算和显示分数。
代码展示：
# 计算正确答案的数量
corret = 0
for (q, i) in enumerate(np.arange(0, len(qus_cnts), 5)):# 每5个轮廓为一组（一个问题的选项）
cnts = sort_contours(qus_cnts)# 对每个问题的选项进行排序
bubbled = None
for (j, c) in enumerate(cnts):# 遍历每个选项
mask = np.zeros(thresh.shape, dtype='uint8')# 创建掩膜
cv2.drawContours(mask, , -1, 255, -1)# 在掩膜上绘制轮廓
cv_chow('mask', mask)# 显示掩膜
thresh_mask_and = cv2.bitwise_and(thresh, thresh, mask=mask)# 应用掩膜
cv_chow('thresh_mask_and', thresh_mask_and)# 显示掩膜应用后的图像
total = cv2.countNonZero(thresh_mask_and)# 计算非零像素数量
if bubbled is None or total > bubbled:# 找到填充最多的选项
bubbled = (total, j)
color = (0, 0, 255)# 默认颜色为红色
k = answer_key# 获取正确答案
if k == bubbled:# 如果选择的选项是正确答案
color = (0, 255, 0)# 颜色设置为绿色
corret += 1# 正确答案数量加1
cv2.drawContours(warp_new, ], -1, color, 3)# 绘制正确答案的轮廓
cv_chow('warppeding', warp_new)# 显示绘制后的图像
# 计算并显示分数
score = (corret / 5.0) * 100
print(' SCORE: {:.2f}%'.format(score))
cv2.putText(warp_new, ' {:.2f}%'.format(score), (10, 30),
cv2.FONT_HERSHEY_SCRIPT_SIMPLEX, 0.9, (0, 0, 255), 2)
# 显示原始图像和处理后的图像
cv2.imshow('IMG', img)
cv2.imshow('exam', warp_new)
cv2.waitKey(0)
3 代码测试
代码展示：
import numpy as npimport cv2# 显示图像的函数
def cv_chow(name, img):
cv2.imshow(name, img)
cv2.waitKey(0)
# 对四个点进行排序，确保顺序为：左上、右上、右下、左下
def order_points(pts):
rect = np.zeros((4, 2), dtype="float32")
s = pts.sum(axis=1)# 计算每个点的x+y值
rect = pts# 左上角点，x+y最小
rect = pts# 右下角点，x+y最大
diff = np.diff(pts, axis=1)# 计算每个点的x-y值
rect = pts# 右上角点，x-y最小
rect = pts# 左下角点，x-y最大
return rect
# 透视变换函数，将图像中的四边形区域变换为矩形
def four_point_transform(img, pts):
rect = order_points(pts)# 对四个点进行排序
(tl, tr, br, bl) = rect# 分别获取左上、右上、右下、左下四个点
# 计算宽度和高度
widthA = np.sqrt(((br - bl) ** 2) + ((br - bl) ** 2))
widthB = np.sqrt(((tr - tl) ** 2) + ((tr - tl) ** 2))
max_width = max(int(widthA), int(widthB))# 取最大宽度
heightA = np.sqrt(((tr - br) ** 2) + ((tr - br) ** 2))
heightB = np.sqrt(((tl - bl) ** 2) + ((tl - bl) ** 2))
max_height = max(int(heightA), int(heightB))# 取最大高度
# 定义目标矩形的四个角点
dst = np.array([, ,
, ], dtype="float32")
# 计算透视变换矩阵并进行变换
m = cv2.getPerspectiveTransform(rect, dst)
warped = cv2.warpPerspective(img, m, (max_width, max_height))
return warped
# 对轮廓进行排序，支持从左到右、从右到左、从上到下、从下到上四种排序方式
def sort_contours(cons, 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 = # 获取每个轮廓的边界框
# 根据边界框的x或y坐标进行排序
(cons, boundingBoxes) = zip(*sorted(zip(cons, boundingBoxes),
key=lambda b: b, reverse=reverse))
return cons, boundingBoxes
# 定义答案键，表现每个问题的精确答案answer_key = {0: 1, 1: 4, 2: 0, 3: 3, 4: 1}# 读取图像img = cv2.imread('test_01.png')cont_img = img.copy()# 复制图像用于绘制表面gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 转换为灰度图像blurred = cv2.GaussianBlur(gray, (5, 5), 0)# 高斯模糊去噪edg = cv2.Canny(blurred, 75, 200)# 边沿检测cv_chow('edg', edg)# 显示边沿检测结果# 查找表面cnts = cv2.findContours(edg.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]cv2.drawContours(cont_img, cnts, -1, (0, 0, 255), 3)# 绘制表面cv_chow('cont_img', cont_img)# 显示绘制表面后的图像# 找到最大的四边形表面（假设为答题卡的外框）docCnt = Nonecnts = sorted(cnts, key=cv2.contourArea, reverse=True)# 按表面面积从大到小排序for c in cnts: p = cv2.arcLength(c, True)# 计算表面周长 approx = cv2.approxPolyDP(c, 0.02 * p, True)# 多边形逼近 if len(approx) == 4:# 假如是四边形 docCnt = approx break# 对图像进行透视变换，将答题卡区域变换为矩形warp_t = four_point_transform(img, docCnt.reshape(4, 2))warp_new = warp_t.copy()# 复制变换后的图像cv_chow('warp', warp_t)# 显示透视变换后的图像# 对变换后的图像进行二值化处置处罚warped = cv2.cvtColor(warp_t, cv2.COLOR_BGR2GRAY)thresh = cv2.threshold(warped, 0, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)cv_chow('thresh', thresh)# 显示二值化图像# 查找二值化图像中的表面thresh_cnt = thresh.copy()
cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
wraped_cont = cv2.drawContours(warp_t, cnts, -1, (0, 0, 255), 1)# 绘制轮廓
cv_chow('wraped_cont', wraped_cont)# 显示绘制轮廓后的图像
# 筛选出可能是选项的轮廓
qus_cnts = []
for c in cnts:
(x, y, w, h) = cv2.boundingRect(c)# 获取轮廓的边界框
ar = w / float(h)# 计算宽高比
if w >= 20 and h >= 20 and 0.9 <= ar <= 1.1:# 过滤掉不符合条件的轮廓
qus_cnts.append(c)
# 对选项轮廓进行排序（从上到下）
qus_cnts = sort_contours(qus_cnts, method='top-to-bottom')
# 计算精确答案的数目corret = 0for (q, i) in enumerate(np.arange(0, len(qus_cnts), 5)):# 每5个表面为一组（一个问题的选项） cnts = sort_contours(qus_cnts)# 对每个问题的选项进行排序 bubbled = None for (j, c) in enumerate(cnts):# 遍历每个选项 mask = np.zeros(thresh.shape, dtype='uint8')# 创建掩膜 cv2.drawContours(mask, , -1, 255, -1)# 在掩膜上绘制表面 cv_chow('mask', mask)# 显示掩膜 thresh_mask_and = cv2.bitwise_and(thresh, thresh, mask=mask)# 应用掩膜 cv_chow('thresh_mask_and 运行结果：
https://i-blog.csdnimg.cn/direct/f776f1cae9bd4c7e98f782297d4dc14c.png
https://i-blog.csdnimg.cn/direct/240eec7f347f41079c7f00cb51b1409b.png
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]