簡(jiǎn)介本資源是一套面向高校計(jì)算機(jī)、人工智能或教育技術(shù)方向本科生的畢業(yè)設(shè)計(jì)/課程設(shè)計(jì)實(shí)踐項(xiàng)目聚焦答題卡圖像識(shí)別與自動(dòng)評(píng)分這一典型教育信息化應(yīng)用場(chǎng)景。系統(tǒng)基于OpenCV圖像處理與輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)涵蓋答題卡預(yù)處理灰度化、二值化、幾何校正、區(qū)域分割、涂點(diǎn)檢測(cè)及答案判別全流程兼顧通用性與魯棒性可適配多種規(guī)格答題卡及不同質(zhì)量采集圖像。壓縮包共17個(gè)文件含14張實(shí)拍答題卡樣本圖JPG、核心算法實(shí)現(xiàn)代碼main.cpp、項(xiàng)目說(shuō)明文檔README.md及開發(fā)配置文件總大小15.56MB結(jié)構(gòu)簡(jiǎn)潔便于快速部署與二次開發(fā)。目前已有39人學(xué)習(xí)下載提供完整可運(yùn)行工程框架、典型圖像樣本集及清晰注釋代碼特別適合深度學(xué)習(xí)入門者理解CNN在實(shí)際圖像識(shí)別任務(wù)中的落地邏輯并為課程設(shè)計(jì)答辯與系統(tǒng)擴(kuò)展提供扎實(shí)支撐。 說(shuō)實(shí)話我第一次接觸答題卡識(shí)別這個(gè)需求是被一堆紙質(zhì)答題卡逼出來(lái)的。當(dāng)時(shí)幫導(dǎo)師做模擬考數(shù)據(jù)錄入幾百?gòu)埧〝[在桌上掃描儀掃出來(lái)還有傾斜、有反光人工改選擇題答案是件非常折磨人的事情。那時(shí)候就想能不能寫一套程序把答題卡圖像扔進(jìn)去自動(dòng)輸出每道題的填涂結(jié)果和總分。于是就有了這套“基于答題卡的圖像識(shí)別與檢測(cè)系統(tǒng)設(shè)計(jì)”項(xiàng)目。這套系統(tǒng)聽起來(lái)玄乎拆開來(lái)看核心就三件事定位答題卡、找到所有填涂區(qū)域、判斷每個(gè)區(qū)域是否被填涂。它既是一個(gè)完整的計(jì)算機(jī)視覺入門項(xiàng)目也是不少同學(xué)課程設(shè)計(jì)、畢業(yè)設(shè)計(jì)里的常客網(wǎng)上經(jīng)常能看到打包成zip的資源在各處流傳。這篇文章就把它當(dāng)做一個(gè)案例從頭到尾拆一遍——它解決什么問題、為什么這么做、代碼怎么寫、踩過哪些坑給準(zhǔn)備做同類項(xiàng)目或者單純想練OpenCV的同學(xué)一份參考。1. 項(xiàng)目概述這套答題卡識(shí)別系統(tǒng)到底做了什么1.1 核心需求解析答題卡圖像識(shí)別檢測(cè)系統(tǒng)本質(zhì)上是把一張拍攝或掃描得到的答題卡圖片轉(zhuǎn)換成結(jié)構(gòu)化的答案數(shù)據(jù)。這里強(qiáng)調(diào)“圖像識(shí)別”和“檢測(cè)系統(tǒng)”說(shuō)明它不是簡(jiǎn)單的模板匹配而是需要從圖像中自動(dòng)找到答題卡的位置、識(shí)別填涂標(biāo)記、最終輸出判分結(jié)果。常見的應(yīng)用場(chǎng)景有這么幾類標(biāo)準(zhǔn)化考試閱卷選擇題、判斷題的自動(dòng)批改尤其是中考、高考模擬、考研政治等客觀題占比較高的場(chǎng)景。課堂測(cè)驗(yàn)與隨堂練習(xí)老師發(fā)一張A4答題卡學(xué)生涂卡后拍照上傳系統(tǒng)自動(dòng)統(tǒng)計(jì)正確率省去手動(dòng)批改的時(shí)間。問卷調(diào)查與信息采集社團(tuán)報(bào)名、活動(dòng)反饋、匿名投票等場(chǎng)景中使用答題卡收集信息然后批量識(shí)別填涂?jī)?nèi)容。競(jìng)賽項(xiàng)目與課程設(shè)計(jì)作為計(jì)算機(jī)視覺、數(shù)字圖像處理課程的典型題目被大量用于畢業(yè)設(shè)計(jì)和項(xiàng)目實(shí)踐這也是zip文件里的項(xiàng)目最常見的用途。從我的角度來(lái)看這個(gè)項(xiàng)目之所以常年出現(xiàn)在各種課程設(shè)計(jì)和畢設(shè)選題里是因?yàn)樗槿鸽m小五臟俱全。一個(gè)完整的答題卡識(shí)別系統(tǒng)覆蓋了圖像采集、預(yù)處理、幾何校正、目標(biāo)檢測(cè)、邏輯判斷、結(jié)果輸出這幾個(gè)計(jì)算機(jī)視覺的核心環(huán)節(jié)全部打通之后你對(duì)圖像處理的理解會(huì)上一個(gè)臺(tái)階。1.2 方案選型為什么用傳統(tǒng)視覺而不是深度學(xué)習(xí)很多初學(xué)者拿到這個(gè)題目第一反應(yīng)是既然要識(shí)別填涂?jī)?nèi)容是不是得用目標(biāo)檢測(cè)模型YOLO、Faster R-CNN甚至OCR這里我給出一個(gè)明確的結(jié)論純答題卡識(shí)別場(chǎng)景下傳統(tǒng)計(jì)算機(jī)視覺方法是更優(yōu)解深度學(xué)習(xí)屬于殺雞用牛刀。原因有三點(diǎn)第一答題卡是高度結(jié)構(gòu)化的目標(biāo)。填涂區(qū)域的位置是預(yù)先設(shè)計(jì)好的每一行對(duì)應(yīng)一個(gè)題號(hào)每一列對(duì)應(yīng)一個(gè)選項(xiàng)。這種強(qiáng)先驗(yàn)信息用傳統(tǒng)CV的幾何定位加像素統(tǒng)計(jì)就能精準(zhǔn)處理而且速度快、可解釋性強(qiáng)。第二標(biāo)注數(shù)據(jù)成本高。如果走深度學(xué)習(xí)路線你需要標(biāo)注每道題填涂區(qū)域的位置一張答題卡幾十道題一套卷子幾百?gòu)垬?biāo)注工作量非常大。而傳統(tǒng)方法只需要定義一次布局模板后續(xù)所有答題卡都復(fù)用同一套參數(shù)。第三傳統(tǒng)方法更容易調(diào)試。深度學(xué)習(xí)模型是個(gè)黑盒識(shí)別錯(cuò)了你很難解釋為什么。傳統(tǒng)CV方法每一步都能可視化灰度圖、二值圖、輪廓圖、透視變換結(jié)果你一眼就能看出哪一步出了偏差改起來(lái)也直接。當(dāng)然如果答題卡是拍照的、角度刁鉆、環(huán)境光線復(fù)雜深度學(xué)習(xí)在極端場(chǎng)景下可能更魯棒。但從絕大多數(shù)實(shí)際需求來(lái)看OpenCV這套方案已經(jīng)完全夠用而且代碼量小、部署簡(jiǎn)單這才是這個(gè)項(xiàng)目真正的價(jià)值。后面我會(huì)詳細(xì)拆解每個(gè)環(huán)節(jié)的實(shí)現(xiàn)邏輯你會(huì)發(fā)現(xiàn)每一步都有明確的“為什么”。2. 系統(tǒng)整體設(shè)計(jì)思路與處理流程拆解2.1 一條完整的處理鏈路一套答題卡圖像識(shí)別系統(tǒng)從輸入圖像到輸出判分結(jié)果大致按以下流程推進(jìn)圖像采集讀入答題卡照片或掃描圖。圖像預(yù)處理灰度化、去噪、二值化把圖像變成適合分析的形式。答題卡定位在圖像中找出答題卡的四條邊界或四個(gè)角點(diǎn)。透視校正把傾斜、變形的答題卡校正為正面視角。填涂區(qū)域劃分根據(jù)校正后的圖像按行列劃分出每個(gè)題目的選項(xiàng)區(qū)域。填涂判定統(tǒng)計(jì)每個(gè)區(qū)域的黑色像素占比判斷是否被填涂。答案比對(duì)與判分將識(shí)別到的答案和標(biāo)準(zhǔn)答案比對(duì)輸出得分。注意第3步和第4步非常關(guān)鍵。拍照或掃描的答題卡不可能保證絕對(duì)水平十張里有八張是傾斜的還有可能是梯形變形。如果不做幾何校正后面的填涂區(qū)域定位就是空中樓閣一個(gè)像素的偏差都可能把A選項(xiàng)的區(qū)域劃到B選項(xiàng)上去。有一個(gè)常見的誤區(qū)是有些人拿到圖像直接做二值化然后就開始找填涂點(diǎn)。如果卡片本身放得正、掃描質(zhì)量好確實(shí)能跑通。但一旦拍攝角度偏了或者答題卡邊緣有陰影這套流程馬上就崩。所以真正的系統(tǒng)設(shè)計(jì)一定要把“定位校正”放在填涂檢測(cè)之前。2.2 模塊劃分與職責(zé)從工程實(shí)現(xiàn)的角度我會(huì)把整個(gè)系統(tǒng)拆成五個(gè)獨(dú)立模塊圖像讀取模塊負(fù)責(zé)從文件、攝像頭或批量文件夾中讀取圖像統(tǒng)一處理圖像尺寸和通道數(shù)。預(yù)處理模塊灰度化、高斯濾波、二值化、形態(tài)學(xué)操作輸出干凈的掩膜圖像。幾何校正模塊通過邊緣檢測(cè)輪廓查找找到答題卡四個(gè)角點(diǎn)計(jì)算透視變換矩陣并執(zhí)行變換。填涂檢測(cè)模塊讀取答題卡布局配置文件計(jì)算每個(gè)填涂區(qū)域的位置統(tǒng)計(jì)像素占比并判定填涂結(jié)果。判分輸出模塊加載標(biāo)準(zhǔn)答案比對(duì)答案列表計(jì)算得分并輸出到控制臺(tái)或文件中。模塊拆分的好處是每一層都可以單獨(dú)測(cè)試和調(diào)優(yōu)。比如你在調(diào)試填涂檢測(cè)時(shí)發(fā)現(xiàn)誤判可以先檢查幾何校正的輸出是否準(zhǔn)確確認(rèn)輸入沒問題之后再往下找原因。我在實(shí)際操作中經(jīng)常先單獨(dú)把預(yù)處理和幾何校正可視化一遍確認(rèn)得到了一張“端正、干凈、只含答題區(qū)域”的圖像再進(jìn)行后續(xù)判斷。這種分步驗(yàn)證的習(xí)慣能省下大量排查時(shí)間。3. 核心方法逐項(xiàng)拆解與實(shí)操要點(diǎn)3.1 圖像預(yù)處理灰度化、去噪、二值化的門道答題卡識(shí)別的基礎(chǔ)是讓計(jì)算機(jī)能夠區(qū)分“涂了”和“沒涂”。這一步主要靠顏色和灰度信息所以預(yù)處理的目標(biāo)非常明確把一張彩色照片變成黑白分明的二值圖同時(shí)保留填涂區(qū)域的有效信息。具體來(lái)說(shuō)有三步是繞不開的第一步灰度化。原始圖像如果是RGB彩色圖直接處理三個(gè)通道不僅計(jì)算量大而且顏色信息在這個(gè)場(chǎng)景下用處不大。答題卡通常用2B鉛筆填涂在灰度圖上表現(xiàn)為較暗的像素塊未填涂的區(qū)域是白色或淺色背景。使用cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)把三通道壓成一通道后面所有的像素統(tǒng)計(jì)都是在灰度圖上完成的。第二步去噪。拍照或掃描過程中不可避免地會(huì)有噪點(diǎn)比如紙張紋理、灰塵、掃描儀的條紋噪聲。我常用高斯濾波cv2.GaussianBlur核大小設(shè)置成5×5。選高斯而不是均值濾波是因?yàn)楦咚购耸羌訖?quán)平均中心的像素權(quán)重更高能在去噪的同時(shí)保留邊緣信息。如果圖像噪聲比較重也可以考慮中值濾波它對(duì)付椒鹽噪聲效果更好但計(jì)算會(huì)稍慢。第三步二值化。這是預(yù)處理的核心環(huán)節(jié)把灰度圖變成黑白兩色。二值化的本質(zhì)是設(shè)定一個(gè)閾值灰度值大于閾值的像素變成255白小于閾值的變成0黑。這里有兩個(gè)選擇固定閾值比如cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)。注意這個(gè)寫法其實(shí)混合了Otsu自動(dòng)閾值如果你直接設(shè)127在不同光照條件下效果差異很大。Otsu自適應(yīng)閾值它根據(jù)圖像的灰度直方圖自動(dòng)計(jì)算最佳分割閾值基本思路是讓前景和背景的類間方差最大。實(shí)測(cè)下來(lái)對(duì)于光照不太均勻的答題卡照片Otsu的效果遠(yuǎn)好于固定閾值我強(qiáng)烈建議直接用Otsu。用生活化類比來(lái)解釋的話灰度化相當(dāng)于把彩色照片變成黑白照片濾波相當(dāng)于給照片表面蒙了一層薄紗抹掉雜質(zhì)二值化則相當(dāng)于用剪刀把畫面剪成“黑色的字”和“白色的紙”兩部分。后面的所有操作都圍繞這“兩部分”展開。值得單獨(dú)提一點(diǎn)二值化時(shí)一定要用THRESH_BINARY_INV而不是THRESH_BINARY。因?yàn)榇痤}卡上的填涂區(qū)域在灰度圖上是暗色的二值化后我們希望它是255白色前景背景是0黑色這樣在后續(xù)輪廓查找和像素統(tǒng)計(jì)時(shí)邏輯才統(tǒng)一。我見過不少人在這里踩坑選錯(cuò)了閾值模式導(dǎo)致后面找輪廓時(shí)把整個(gè)答題卡背景當(dāng)成了目標(biāo)。3.2 答題卡定位與透視校正找到卡片的四個(gè)角點(diǎn)預(yù)處理做完之后圖像里已經(jīng)是一張黑白分明的圖片了接下來(lái)要找到答題卡本體的位置。這一步的核心是邊緣檢測(cè)和輪廓查找目標(biāo)是從畫面中定位答題卡的四個(gè)頂點(diǎn)。為什么要做這一步因?yàn)榇痤}卡在圖像中的位置不是一個(gè)固定值。不同的拍攝距離、不同的擺放角度卡片在畫面中的大小和位置都不一樣。你說(shuō)我不做透視變換直接按固定坐標(biāo)算填涂區(qū)域行不行如果答題卡擺放得絕對(duì)標(biāo)準(zhǔn)、拍攝角度絕對(duì)正對(duì)確實(shí)可以但現(xiàn)實(shí)中這種“理想情況”幾乎不存在。所以必須讓程序自己去圖像里找答題卡。常見做法是這樣先做邊緣檢測(cè)我習(xí)慣用Canny算子cv2.Canny(blurred, 50, 150)。Canny輸出很多邊緣點(diǎn)再通過cv2.findContours找到輪廓。拿到輪廓列表后不能直接都用要先做篩選。篩選的標(biāo)準(zhǔn)通常是兩條輪廓面積要足夠大過濾掉小噪點(diǎn)、輪廓形狀要接近四邊形。實(shí)際操作中我一般會(huì)按面積排序只保留最大的幾個(gè)輪廓然后對(duì)每個(gè)輪廓做多邊形逼近c(diǎn)v2.approxPolyDP如果得到一個(gè)4個(gè)頂點(diǎn)的輪廓基本就是答題卡的邊框了。找到輪廓之后四個(gè)頂點(diǎn)的順序是亂的需要按左上、右上、右下、左下排序。這一步很重要因?yàn)橥敢曌儞Q矩陣是基于點(diǎn)的對(duì)應(yīng)關(guān)系計(jì)算的點(diǎn)序錯(cuò)了校正結(jié)果就是鏡像或者旋轉(zhuǎn)的。排序的方法很簡(jiǎn)單計(jì)算所有點(diǎn)的x坐標(biāo)和y坐標(biāo)之和和最小的點(diǎn)是左上角和最大的點(diǎn)是右下角x坐標(biāo)差最大的兩個(gè)點(diǎn)中y坐標(biāo)較小的那個(gè)是右上角另一個(gè)是左下角。然后計(jì)算透視變換矩陣pts1 np.float32([top_left, top_right, bottom_right, bottom_left]) width int(max(np.linalg.norm(top_right - top_left), np.linalg.norm(bottom_right - bottom_left))) height int(max(np.linalg.norm(bottom_left - top_left), np.linalg.norm(bottom_right - top_right))) pts2 np.float32([[0, 0], [width, 0], [width, height], [0, height]]) matrix cv2.getPerspectiveTransform(pts1, pts2) warped cv2.warpPerspective(original, matrix, (width, height))這段代碼里輸出圖像的寬高是根據(jù)檢測(cè)到的四邊形邊長(zhǎng)計(jì)算出來(lái)的而不是硬編碼一個(gè)固定值這樣就保證了不管拍攝距離多近多遠(yuǎn)校正后的答題卡都保持實(shí)際長(zhǎng)寬比例。我反復(fù)強(qiáng)調(diào)透視校正是因?yàn)檫@個(gè)步驟直接決定了后面所有填涂區(qū)域坐標(biāo)的準(zhǔn)確性。如果你跳過了透視校正或者角點(diǎn)找偏了那么每一題的填涂區(qū)域都會(huì)發(fā)生偏移輕則選項(xiàng)識(shí)別錯(cuò)位重則整行答案全部串行。我在測(cè)試時(shí)故意把答題卡旋轉(zhuǎn)了15度再拍照做完透視校正后識(shí)別結(jié)果和未旋轉(zhuǎn)時(shí)完全一致這一步的效果立竿見影。3.3 填涂區(qū)域檢測(cè)坐標(biāo)排序與像素占比判定透視校正之后得到的是一張端端正正的答題卡圖像。現(xiàn)在要做的就是在這張圖上找到每一個(gè)填涂區(qū)域并判斷它是否被填涂。這一步通常的做法是在上一步生成的校正圖上把圖像按固定行列切成小格子。因?yàn)榇痤}卡的布局是固定的每行的題號(hào)、每列的選項(xiàng)它們的相對(duì)位置在設(shè)計(jì)時(shí)就確定了。所以只要拿到一張已經(jīng)校正的標(biāo)準(zhǔn)圖像用預(yù)設(shè)的行列數(shù)就能定位到每個(gè)填涂方格。以標(biāo)準(zhǔn)答題卡為例假設(shè)有50道題、每題4個(gè)選項(xiàng)A、B、C、D那么填涂區(qū)域就是一個(gè)50行×4列的網(wǎng)格。校正圖的高度H除以50就是每行的間隔寬度W除以4就是每列的間隔按這個(gè)間隔去切割就能拿到每一道題目的每個(gè)選項(xiàng)的小圖。這里有一個(gè)實(shí)現(xiàn)層面的細(xì)節(jié)不能直接按行列均分因?yàn)榇痤}卡上還要排除題號(hào)區(qū)域、學(xué)生信息區(qū)域等干擾。所以更穩(wěn)妥的做法是通過檢測(cè)“定位點(diǎn)”或“基準(zhǔn)標(biāo)記”來(lái)確定網(wǎng)格的起點(diǎn)和跨度。在沒有定位點(diǎn)的答題卡上我會(huì)先提取圖像中的水平投影和垂直投影找到黑色像素的分布邊界用這些邊界來(lái)確定填涂區(qū)的起止范圍。填涂判定是另一個(gè)重要環(huán)節(jié)。常見的方法有兩種第一種是統(tǒng)計(jì)黑色像素占比。對(duì)每個(gè)小格子區(qū)域統(tǒng)計(jì)非零像素?cái)?shù)量占區(qū)域總像素?cái)?shù)的比例。如果比例超過某個(gè)閾值比如0.3判定為該選項(xiàng)被填涂否則判定為未填涂。這里閾值的選擇非常關(guān)鍵我在實(shí)驗(yàn)中發(fā)現(xiàn)用2B鉛筆正常填涂的區(qū)域黑色像素占比通常在50%以上而空白區(qū)域或擦除不干凈的區(qū)域占比在10%以下所以30%這個(gè)閾值有很好的區(qū)分度。第二種是找輪廓的方法。在每個(gè)小格子里查找最大輪廓根據(jù)輪廓的面積判斷是否填涂。這種方法對(duì)“用力過輕、只有幾個(gè)點(diǎn)”的填涂不太友好容易漏檢。我更喜歡第一種方法因?yàn)樗挠?jì)算量小而且對(duì)于不同程度的填涂都有不錯(cuò)的容忍度。但要注意如果填涂區(qū)域里有一部分是印刷的題號(hào)文字比如選項(xiàng)字母本身會(huì)造成誤判所以實(shí)際實(shí)現(xiàn)時(shí)我會(huì)對(duì)每個(gè)小格子先做一次形態(tài)學(xué)腐蝕把細(xì)小的文字邊緣去掉再統(tǒng)計(jì)黑色像素占比。實(shí)測(cè)下來(lái)這個(gè)預(yù)處理能顯著降低誤判率。判定完每個(gè)區(qū)域的填涂狀態(tài)后就能得到每個(gè)題目的答案了。比如某一行四個(gè)格子分別對(duì)應(yīng)A、B、C、D其中B區(qū)域的黑色像素占比最高且超過閾值那么這一題的答案就是B。如果同時(shí)有兩個(gè)區(qū)域超過閾值我默認(rèn)取占比最大的那個(gè)并將該題標(biāo)記為“疑似多涂”放到異常列表里人工復(fù)核。3.4 答案比對(duì)與判分邏輯識(shí)別出每道題的填涂選項(xiàng)之后判分就是純邏輯操作了。把標(biāo)準(zhǔn)答案存成一個(gè)數(shù)組比如[A, C, D, B, ...]把識(shí)別結(jié)果按相同格式存成另一個(gè)數(shù)組然后逐題比對(duì)。這里有一個(gè)容易忽略的設(shè)計(jì)點(diǎn)判分規(guī)則要靈活配置。比如有的考試答錯(cuò)扣分有的考試多選少選得部分分有的考試只統(tǒng)計(jì)正確率不關(guān)心單題分值。所以判分模塊我會(huì)設(shè)計(jì)成基于配置文件的而不是硬編碼寫死在循環(huán)里。舉個(gè)例子最簡(jiǎn)單的情況每道題分值相同得分就是“答對(duì)數(shù)量 × 單題分值”也就是score sum([1 for i in range(len(answers)) if answers[i] student_answers[i]]) * score_per_question如果題目難度不同可以在配置里指定每題分值列表。如果有多選題不僅要判斷每個(gè)填涂區(qū)域是否超過閾值還要多一道“是否同時(shí)選擇多個(gè)選項(xiàng)”的判斷。這些都是擴(kuò)展功能但配置化的設(shè)計(jì)讓系統(tǒng)的可維護(hù)性高了不少。判分結(jié)果輸出我一般會(huì)同時(shí)寫到控制臺(tái)和CSV文件。寫CSV是為了方便后續(xù)批量處理多張答題卡——讀一個(gè)文件夾里的所有答題卡圖片循環(huán)執(zhí)行前面的識(shí)別流程把結(jié)果逐行寫入文件最后用Excel或者Python做成績(jī)統(tǒng)計(jì)就非常方便。4. 從零跑通環(huán)境搭建與核心代碼實(shí)現(xiàn)4.1 環(huán)境準(zhǔn)備與依賴安裝這個(gè)項(xiàng)目的依賴非常干凈核心就兩個(gè)OpenCV和NumPy。如果你還要做批量處理和結(jié)果可視化可以再加一個(gè)Matplotlib和一個(gè)Pandas但不是必需的。pip install opencv-python numpy版本方面OpenCV 4.x 系列都兼容Python 3.8以上都可以。我推薦在虛擬環(huán)境里裝避免和其他項(xiàng)目沖突。代碼結(jié)構(gòu)我建議這樣組織answer_sheet_recognizer/ ├── main.py # 主入口 ├── config.py # 答題卡布局配置行列數(shù)、選項(xiàng)數(shù)、閾值等 ├── utils.py # 工具函數(shù)預(yù)處理、輪廓查找、透視變換 ├── detector.py # 填涂檢測(cè)與判分邏輯 ├── templates/ │ └── answer_sheet.jpg # 空白答題卡模板 └── results/ └── output.csv # 判分結(jié)果輸出文件名本身不重要重要的是邏輯分離開這樣后期維護(hù)你只需要改對(duì)應(yīng)模塊就行。4.2 核心代碼邏輯演示下面我給出一個(gè)簡(jiǎn)化但可運(yùn)行的完整流程代碼省去一些邊界條件判斷但涵蓋預(yù)處理、定位、校正、檢測(cè)、判分五個(gè)核心環(huán)節(jié)。注意這是演示代碼實(shí)際項(xiàng)目里還需要根據(jù)你的答題卡布局調(diào)整網(wǎng)格參數(shù)。import cv2 import numpy as np import csv def load_image(path): image cv2.imread(path) if image is None: raise FileNotFoundError(f圖片讀取失敗: {path}) return image def preprocess(image): gray cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) blurred cv2.GaussianBlur(gray, (5, 5), 0) _, thresh cv2.threshold(blurred, 0, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU) return thresh def find_card_contour(thresh): contours, _ cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) contours sorted(contours, keycv2.contourArea, reverseTrue)[:5] for contour in contours: peri cv2.arcLength(contour, True) approx cv2.approxPolyDP(contour, 0.02 * peri, True) if len(approx) 4: return approx raise ValueError(未找到答題卡輪廓) def order_points(pts): pts pts.reshape(4, 2) rect np.zeros((4, 2), dtypefloat32) s pts.sum(axis1) rect[0] pts[np.argmin(s)] rect[2] pts[np.argmax(s)] diff np.diff(pts, axis1) rect[1] pts[np.argmin(diff)] rect[3] pts[np.argmax(diff)] return rect def four_point_transform(image, pts): rect order_points(pts) (tl, tr, br, bl) rect widthA np.linalg.norm(br - bl) widthB np.linalg.norm(tr - tl) maxWidth max(int(widthA), int(widthB)) heightA np.linalg.norm(tr - br) heightB np.linalg.norm(tl - bl) maxHeight max(int(heightA), int(heightB)) dst np.array([[0, 0], [maxWidth - 1, 0], [maxWidth - 1, maxHeight - 1], [0, maxHeight - 1]], dtypefloat32) M cv2.getPerspectiveTransform(rect, dst) warped cv2.warpPerspective(image, M, (maxWidth, maxHeight)) return warped def detect_answers(warped_thresh, rows50, cols4): height, width warped_thresh.shape cell_h height // rows cell_w width // cols answers [] for row in range(rows): row_answer [] max_ratio -1 best_option -1 for col in range(cols): x_start int(col * cell_w * 1.1) # 內(nèi)縮 10%避開邊框干擾 x_end int((col 1) * cell_w * 0.9) y_start int(row * cell_h * 1.1) y_end int((row 1) * cell_h * 0.9) roi warped_thresh[y_start:y_end, x_start:x_end] if roi.size 0: row_answer.append(0) continue ratio cv2.countNonZero(roi) / roi.size row_answer.append(ratio) if ratio max_ratio: max_ratio ratio best_option col if max_ratio 0.18: answers.append(best_option) else: answers.append(-1) return answers def scoring(answers, answer_key): score 0 detail [] for idx, (stu_ans, true_ans) in enumerate(zip(answers, answer_key)): if stu_ans true_ans: score 1 detail.append(1) else: detail.append(0) return score, detail if __name__ __main__: image load_image(test_sheet.jpg) thresh preprocess(image) card_contour find_card_contour(thresh) warped four_point_transform(cv2.cvtColor(image, cv2.COLOR_BGR2GRAY), card_contour) _, warped_thresh cv2.threshold(warped, 0, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU) answers detect_answers(warped_thresh, rows50, cols4) answer_key [0, 1, 2, 3] * 12 [0, 1] # 示意50題標(biāo)準(zhǔn)答案 score, detail scoring(answers, answer_key) print(f得分: {score}/{len(answer_key)})代碼里的cell_w * 1.1和cell_w * 0.9這幾個(gè)數(shù)字是我實(shí)測(cè)調(diào)出來(lái)的目的是讓每個(gè)ROI區(qū)域向內(nèi)收縮10%避免兩個(gè)相鄰選項(xiàng)之間的邊框線或陰影被統(tǒng)計(jì)進(jìn)去。如果你用的答題卡印刷質(zhì)量不同這個(gè)縮進(jìn)比例需要微調(diào)但思路是通用的。4.3 參數(shù)調(diào)優(yōu)的實(shí)驗(yàn)記錄我在調(diào)試過程中記錄了幾組感受比較明顯的參數(shù)變化你可以拿著自己的答題卡試參數(shù)設(shè)置值現(xiàn)象與結(jié)論高斯濾波核大小3×3去噪不徹底邊緣會(huì)有細(xì)小毛刺高斯濾波核大小7×7填涂區(qū)域的邊界被過度平滑細(xì)小的填涂痕跡可能丟失填涂判定閾值0.10誤判率明顯上升部分空白區(qū)域因紙紋被判定為填涂填涂判定閾值0.30填涂較輕的卡鉛筆型號(hào)不同會(huì)漏檢Otsu vs 固定閾值(127)Otsu更優(yōu)光照不均勻時(shí)固定閾值會(huì)丟失大面積填涂信息ROI內(nèi)縮系數(shù)0 vs 10%不內(nèi)縮時(shí)相鄰選項(xiàng)的邊界線被計(jì)入導(dǎo)致誤判如果你發(fā)現(xiàn)識(shí)別的結(jié)果整體偏低先檢查透視校正后圖像是否端正如果結(jié)果忽高忽低大概率是光照影響二值化效果可以嘗試在預(yù)處理階段加入自適應(yīng)直方圖均衡化cv2.createCLAHE。5. 常見問題與排查技巧實(shí)錄5.1 問題速查表我整理了一些這個(gè)項(xiàng)目里最容易踩的坑很多同學(xué)第一次跑代碼都會(huì)遇到。問題現(xiàn)象可能原因排查與解決找不到答題卡輪廓答題卡與背景對(duì)比度不足二值化后輪廓斷裂增強(qiáng)預(yù)處理先做自適應(yīng)直方圖均衡化再調(diào)整Canny閾值范圍透視變換后圖像翻轉(zhuǎn)或旋轉(zhuǎn)角點(diǎn)排序錯(cuò)誤檢查order_points里的排序邏輯手動(dòng)打印四個(gè)點(diǎn)的坐標(biāo)驗(yàn)證填涂結(jié)果整行偏移網(wǎng)格行列劃分起點(diǎn)錯(cuò)誤不要用均分法改用投影法確定第一個(gè)填涂區(qū)域的準(zhǔn)確位置填涂較輕的鉛識(shí)別不出來(lái)判定閾值過高或形態(tài)學(xué)操作過于激進(jìn)降低判定閾值到0.15把形態(tài)學(xué)腐蝕核調(diào)小大量題目識(shí)別為“多涂”ROI內(nèi)縮不夠相鄰選項(xiàng)邊緣被統(tǒng)計(jì)增大ROI內(nèi)縮比例比如從10%調(diào)到20%不同光照下識(shí)別率波動(dòng)大Otsu閾值在某些光照下失效預(yù)處理加入CLAHE或使用自適應(yīng)閾值cv2.adaptiveThreshold圖片太大導(dǎo)致處理慢原圖分辨率過高在預(yù)處理前統(tǒng)一縮放到寬度1000像素左右速度提升明顯且不影響精度5.2 我踩過的幾個(gè)坑第一個(gè)坑是二值化模式選錯(cuò)。我第一次寫代碼時(shí)用了THRESH_BINARY而不是THRESH_BINARY_INV結(jié)果找輪廓時(shí)找出來(lái)的全是背景區(qū)域而不是答題卡本身。當(dāng)時(shí)排查了很久才意識(shí)到問題出在我希望“填涂區(qū)域是白色、背景是黑色”但用了相反的模式等于整個(gè)邏輯反轉(zhuǎn)了。這個(gè)問題最坑的地方在于代碼不報(bào)錯(cuò)圖像看起來(lái)也很正常但結(jié)果就是不對(duì)。第二個(gè)坑是答題卡邊角有陰影。當(dāng)時(shí)用手機(jī)拍了一張答題卡卡片左下角被手擋住了結(jié)果Canny檢測(cè)出的邊緣不完整approxPolyDP無(wú)法收斂成一個(gè)四邊形。后來(lái)我的處理方案很樸素先把圖像做一次閉運(yùn)算先膨脹再腐蝕填補(bǔ)邊緣的小縫隙輪廓檢測(cè)的成功率大幅提升。閉運(yùn)算說(shuō)白了就是把斷裂的邊緣“接上”特別適合處理邊緣不連續(xù)的場(chǎng)景。第三個(gè)坑是相鄰選項(xiàng)之間的印刷邊框線。答題卡上的選項(xiàng)區(qū)域通常有印刷的方框如果不做ROI內(nèi)縮這些邊框線會(huì)被統(tǒng)計(jì)成前景像素導(dǎo)致某個(gè)選項(xiàng)的黑色像素占比虛高甚至誤判為“填涂”。我加了一個(gè)內(nèi)縮比例才解決這個(gè)問題。類似的干擾還有定位標(biāo)記、二維碼、頁(yè)碼等這些都需要通過設(shè)計(jì)ROI的位置來(lái)規(guī)避。第四個(gè)坑是關(guān)于答案區(qū)域的定位基準(zhǔn)。有些答題卡在四周有定位黑塊類似二維碼的定位圖案有些則沒有。如果答題卡有定位點(diǎn)一定要優(yōu)先利用它來(lái)計(jì)算網(wǎng)格的起點(diǎn)這樣即使圖像在透視校正后還有微小誤差也能通過定位點(diǎn)把網(wǎng)格對(duì)齊。如果沒有定位點(diǎn)就要把起點(diǎn)計(jì)算做得更穩(wěn)健比如對(duì)二值化圖像做行投影和列投影找到填涂區(qū)域的最左上角邊界。關(guān)于這個(gè)問題我多說(shuō)一句我見過很多同學(xué)在測(cè)試時(shí)只用自己打印的一兩張答題卡效果很好就以為萬(wàn)事大吉。實(shí)際上不同批次的答題卡印刷位置有偏差掃描儀的進(jìn)紙角度也有隨機(jī)性所以一個(gè)健壯的系統(tǒng)必須基于定位點(diǎn)或者投影邊界來(lái)動(dòng)態(tài)計(jì)算網(wǎng)格位置而不是死記硬背坐標(biāo)。6. 從答題卡出發(fā)能延伸到哪些圖像識(shí)別場(chǎng)景6.1 圖像識(shí)別方法論的可遷移性寫完答題卡識(shí)別系統(tǒng)之后你會(huì)發(fā)現(xiàn)這套方法論在圖像識(shí)別領(lǐng)域非常通用預(yù)處理提特征、定位目標(biāo)、按區(qū)域分析、輸出結(jié)構(gòu)化結(jié)果。這個(gè)流程稍加改造就能遷移到很多看起來(lái)完全不相關(guān)的場(chǎng)景。比如最近在開發(fā)者社區(qū)里討論熱度很高的“安卓窗口圖像識(shí)別”就是用腳本在安卓模擬器或真機(jī)屏幕上自動(dòng)識(shí)別界面元素的位置然后模擬點(diǎn)擊。核心思路和答題卡定位如出一轍——從一張屏幕截圖中找到按鈕的輪廓和位置然后執(zhí)行操作。答題卡里的透視變換對(duì)應(yīng)到窗口識(shí)別里就是圖標(biāo)的模板匹配和坐標(biāo)映射二者都是“定位-識(shí)別-決策”的鏈路。再比如“火焰與煙霧圖像識(shí)別”這類安防檢測(cè)項(xiàng)目。火焰檢測(cè)的經(jīng)典做法是在視頻幀里提取顏色特征HSV空間下的紅橙黃色域結(jié)合運(yùn)動(dòng)檢測(cè)和形態(tài)學(xué)分析判斷是否存在火焰區(qū)域。這不就是答題卡二值化加輪廓分析的高階版本嗎區(qū)別只在于火焰沒有固定的幾何形狀判斷邏輯更復(fù)雜但底層的圖像處理工具箱是一樣的。還有情感分析方向的微博熱點(diǎn)事件檢測(cè)系統(tǒng)它跟圖像識(shí)別不太一樣屬于NLP領(lǐng)域但如果你把“微博內(nèi)容”看作“圖像像素”“情感分類”看作“填涂判定”整個(gè)架構(gòu)依然是輸入-處理-識(shí)別-輸出這個(gè)套路。這讓我覺得掌握了一套完整的圖像識(shí)別項(xiàng)目就等于練熟了主流的“數(shù)據(jù)-特征-模型-決策”思維換一個(gè)領(lǐng)域只是換數(shù)據(jù)而已。6.2 可擴(kuò)展方向建議如果學(xué)有余力這個(gè)項(xiàng)目至少有四個(gè)擴(kuò)展方向值得做第一個(gè)方向是接入攝像頭實(shí)時(shí)識(shí)別。把靜態(tài)圖片讀取換成攝像頭視頻流每一幀都執(zhí)行一次定位和識(shí)別邏輯。這樣一來(lái)答題卡放在攝像頭前就能實(shí)時(shí)顯示識(shí)別結(jié)果甚至可以做成一個(gè)自動(dòng)閱卷的硬件裝置用樹莓派加攝像頭就能完成。第二個(gè)方向是支持多種答題卡模板。當(dāng)前的系統(tǒng)是針對(duì)一種固定布局設(shè)計(jì)的擴(kuò)展成通過配置文件描述答題卡布局題號(hào)起始位置、選項(xiàng)個(gè)數(shù)、是否分欄系統(tǒng)就能適配不同考試、不同科目的答題卡商業(yè)價(jià)值會(huì)高很多。第三個(gè)方向是結(jié)合深度學(xué)習(xí)做端到端識(shí)別。如果你非要用深度學(xué)習(xí)一個(gè)比較理智的折中方案是用傳統(tǒng)CV做答題卡定位和透視校正用一個(gè)小型卷積網(wǎng)絡(luò)做填涂狀態(tài)分類。兩類方法各司其職既保留了傳統(tǒng)方法在幾何變換上的優(yōu)勢(shì)又利用深度學(xué)習(xí)提升了復(fù)雜背景下填涂識(shí)別的魯棒性。第四個(gè)方向是做成Web服務(wù)。用Flask或FastAPI把識(shí)別邏輯封裝成接口前端上傳答題卡圖片后端返回識(shí)別后的答案列表和得分。這樣做的好處是用戶不需要安裝Python環(huán)境只要打開瀏覽器就能用非常適合作品展示或者小型團(tuán)隊(duì)內(nèi)部考試使用。我當(dāng)時(shí)做這個(gè)項(xiàng)目的時(shí)候卡得最久的地方不是代碼而是對(duì)“什么是正確的輸入”的理解。你總覺得圖像處理應(yīng)該像人眼一樣一把梭看到什么就識(shí)別什么但計(jì)算機(jī)視覺不是這樣工作的——它需要你把“看到”變成“算到”把“識(shí)別”拆成一步步可驗(yàn)證的幾何和統(tǒng)計(jì)操作。當(dāng)你意識(shí)到一張歪歪扭扭的照片需要先“扶正”再“找點(diǎn)”的時(shí)候這個(gè)項(xiàng)目的核心就已經(jīng)掌握了一大半。如果你也正在做類似的視覺識(shí)別項(xiàng)目或者準(zhǔn)備用這個(gè)題目做畢設(shè)建議你按照這篇博客里的流程先把預(yù)處理和透視校正這兩個(gè)環(huán)節(jié)吃透后面的路會(huì)順很多。本文還有配套的精品資源點(diǎn)擊獲取