OpenCV+Python识别机读卡

2024-08-25 14:52
文章标签 python opencv 识别 读卡

本文主要是介绍OpenCV+Python识别机读卡,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

背景介绍

正常机读卡是通过读卡机读取识别结果的,目前OpenCV已经这么强大了,尝试着用OpenCV+Python来识别机读卡。要识别的机读卡长这样:

我们做以下操作:

1.识别答题卡中每题选中项结果。

不做以下操作:

1.不识别准考证号。(暂不识别,后面有需要再补充此部分)

2.不识别101-106题(这些题实际情况下经常用不到,如果要识别原理也一样)

实现思路

通过分析答题卡特征:

1.答题区域为整张图片最大轮廓,先找出答题区域。

2.答题区域分为6行,每行4组,第6行只有1组,我们暂不处理第6行,只处理前面5行。

3.给定每一行第一个选项中心点坐标,该行其余选项的中心点坐标可以推算出来。

4.通过找到每个选项中心点坐标,再加上选项宽高,就可以在答题区域绘出每个选项的范围。

5.通过计算每个选项范围图像里非0像素点个数:

   单选题非0像素点最少的既是答案。

   多选题结合阈值判断该选项是否选中。

6.输出完整答案。

实现步骤

1.图像预处理

将图片转灰度图、黑帽运算:移除干扰项、二值化突出轮廓、查找轮廓、找出答题区域。

import cv2
import numpy as np# 1.读取图片并缩放
orginImg = cv2.imread("1.jpg")
size = ((int)(650*1.8), (int)(930*1.8))  # 尽可能将图片弄大一点,下面好处理
img = cv2.resize(orginImg, size)#显示图像
def imshow(name,image):scale_percent = 50  # 缩放比例width = int(image.shape[1] * scale_percent / 100)height = int(image.shape[0] * scale_percent / 100)dim = (width, height)resized_image = cv2.resize(image, dim, interpolation=cv2.INTER_AREA)cv2.imshow(name, resized_image)imshow("1.orgin", img)# 2.转灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
imshow("2.gray", gray)# 3.黑帽运算:移除干扰项
cvblackhat = cv2.morphologyEx(gray, cv2.MORPH_BLACKHAT, cv2.getStructuringElement(cv2.MORPH_RECT, (15, 15)))
imshow("3.black", cvblackhat)# 4.二值化突出轮廓,自动阈值范围 cv2.THRESH_BINARY|cv2.THRESH_OTSU
thresh = cv2.threshold(cvblackhat, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
imshow("4.thresh", thresh)# 5.提取轮廓,并在图上标记轮廓
cnts, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
mark = img.copy()
cv2.drawContours(mark, cnts, -1, (0, 0, 255), 2)
imshow("5.contours", mark)# 6.提取我们感兴趣的部分(这里我们只需要答题部分) img[y:y+h, x:x+w]
roi = None
for (i, c) in enumerate(cnts):(x, y, w, h) = cv2.boundingRect(c)ar = w/float(h)if w > 500 and h > 500 and ar > 0.9 and ar < 1.1:roi = img[y:y+h, x:x+w]break
imshow("5.roi", roi)

运行结果

2.查找每个选项的中心点坐标

这里每行起始点坐标和每个选项宽高,都是写的固定值(手动量出来的,本来想通过图像提取轮廓来取每个选项中心坐标点的,可是由于机读卡填图不规范,可能会影响轮廓提取,不是很靠谱,暂时没想到更好的办法)


# 7.查找每个选项的中心点坐标
# 思路:
# 通过分析:
# 1.答题区域分为6行,每行4组,第6行只有1组,我们暂不处理第6行,只处理前面5行。
# 2.只要给定每一行第一个选项中心坐标,该行其余选项的中心坐标可以推算出来。
# 3.通过找到每个选项中心点坐标,再加上选项宽高,就可以在答题区域绘出每个选项的范围。
# 4.通过计算每个选项范围图像里非0像素点个数,结合阈值判断该选项是否选中。
# 5.结合题目个数,遍历每个选项,构造出最终答案。
item = [34, 20]  # 每个选项宽度(跟图形缩放有关系)
x_step = 44  # x方向行距(两个选项水平方向距离)
y_step = 28  # y方向行距(两个选项垂直方向距离)
blank = 92  # 每组间距(5个一组)水平方向距离
centers = []  # 每个选项的中心点坐标,用来框选选项
# 答题区域有5行多1组,这里只处理前面5行,最后一组暂不处理
startPonits = [(25, 44), (25, 216), (26, 392), (26, 566), (28, 744)]
for (i, p) in enumerate(startPonits):temp = []  # 暂存该组选项坐标start = list(p)  # 该行起始点坐标for g in range(0, 4, 1):  # 每行有4组if len(temp) > 0:startx = temp[len(temp)-1][0] + blank  # 最后一个选项的x坐标+每组间距else:startx = start[0]start[0] = startxfor i in range(start[0], start[0]+5*x_step, x_step):  # 水平5个选项for j in range(start[1], start[1]+4*y_step, y_step):  # 垂直4个选项temp.append((i, j))for (i, c) in enumerate(temp):centers.append(c)# 8.将选项绘制到答题区域
show = roi.copy()
for (i, (x, y)) in enumerate(centers):left = x-(int)(item[0]/2)top = y-(int)(item[1]/2)# 绘选项区域矩形cv2.rectangle(show, (left, top), (left +item[0], top + item[1]), (0, 0, 255), -1)# 绘制序号标签cv2.putText(show, str(i+1), (left, top+10),cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 0, 0), 2)
imshow("5.show", show)

运行结果

3.遍历每个选项,计算非0像素点个数

# 9.截取每个答题选项,并计算非0像素点个数
map = roi.copy()
map = cv2.cvtColor(map, cv2.COLOR_BGR2GRAY)
map = cv2.threshold(map, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
points = []
for (i, (x, y)) in enumerate(centers):left = x-(int)(item[0]/2)top = y-(int)(item[1]/2)# 截取每个选项小图item_img = map[top:top+item[1], left:left+item[0]]count = cv2.countNonZero(item_img)points.append(count)cv2.imwrite("item/"+str(i+1)+"-"+str(count)+".jpg", item_img)

这里为了方便观看,将每个选项截取另存为成图像了,以索“引号+非0像素点个数”命名。实际过程中可以不另存为图像。

大概像这样:

4.整理答案

# 10.整理答案
answer = []  # 二维数组:保存每个题ABCD4个选项值
group = []  # 将点分组,每4个1组,对应每题的4个选项
for i in range(0, len(points), 1):group.append(points[i])if (i+1) % 4 == 0:answer.append(group)group = []def printItem(i, optoins):question = {0: "A", 1: "B", 2: "C", 3: "D"}index = 0if i < 80:# 单选题(非0像素点最少的既是答案)an = min(optoins)index = optoins.index(an)print("第"+str(i+1)+"题"+question.get(index))else:# 多选题(根据阈值来判断是否选中)ans = ""for (j, p) in enumerate(options):if p < 400:index = optoins.index(p)ans += question.get(index)print("第"+str(i+1)+"题"+ans)# 打印题目答案
for (i, options) in enumerate(answer):printItem(i, options)

输出结果:

完整代码

import cv2
import numpy as np# 1.读取图片并缩放
orginImg = cv2.imread("1.jpg")
size = ((int)(650*1.8), (int)(930*1.8))  # 尽可能将图片弄大一点,下面好处理
img = cv2.resize(orginImg, size)# 显示图像
def imshow(name, image):scale_percent = 50  # 缩放比例width = int(image.shape[1] * scale_percent / 100)height = int(image.shape[0] * scale_percent / 100)dim = (width, height)resized_image = cv2.resize(image, dim, interpolation=cv2.INTER_AREA)cv2.imshow(name, resized_image)imshow("1.orgin", img)# 2.转灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
imshow("2.gray", gray)# 3.黑帽运算:移除干扰项
cvblackhat = cv2.morphologyEx(gray, cv2.MORPH_BLACKHAT, cv2.getStructuringElement(cv2.MORPH_RECT, (15, 15)))
imshow("3.black", cvblackhat)# 4.二值化突出轮廓,自动阈值范围 cv2.THRESH_BINARY|cv2.THRESH_OTSU
thresh = cv2.threshold(cvblackhat, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
imshow("4.thresh", thresh)# 5.提取轮廓,并在图上标记轮廓
cnts, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
mark = img.copy()
cv2.drawContours(mark, cnts, -1, (0, 0, 255), 2)
imshow("5.contours", mark)# 6.提取我们感兴趣的部分(这里我们只需要答题部分) img[y:y+h, x:x+w]
roi = None
for (i, c) in enumerate(cnts):(x, y, w, h) = cv2.boundingRect(c)ar = w/float(h)if w > 500 and h > 500 and ar > 0.9 and ar < 1.1:roi = img[y:y+h, x:x+w]break
imshow("5.roi", roi)# 7.查找每个选项的中心点坐标
# 思路:
# 通过分析:
# 1.答题区域分为6行,每行4组,第6行只有1组,我们暂不处理第6行,只处理前面5行。
# 2.只要给定每一行第一个选项中心坐标,该行其余选项的中心坐标可以推算出来。
# 3.通过找到每个选项中心点坐标,再加上选项宽高,就可以在答题区域绘出每个选项的范围。
# 4.通过计算每个选项范围图像里非0像素点个数,结合阈值判断该选项是否选中。
# 5.结合题目个数,遍历每个选项,构造出最终答案。
item = [34, 20]  # 每个选项宽度(跟图形缩放有关系)
x_step = 44  # x方向行距(两个选项水平方向距离)
y_step = 28  # y方向行距(两个选项垂直方向距离)
blank = 92  # 每组间距(5个一组)水平方向距离
centers = []  # 每个选项的中心点坐标,用来框选选项
# 答题区域有5行多1组,这里只处理前面5行,最后一组暂不处理
startPonits = [(25, 44), (25, 216), (26, 392), (26, 566), (28, 744)]
for (i, p) in enumerate(startPonits):temp = []  # 暂存该组选项坐标start = list(p)  # 该行起始点坐标for g in range(0, 4, 1):  # 每行有4组if len(temp) > 0:startx = temp[len(temp)-1][0] + blank  # 最后一个选项的x坐标+每组间距else:startx = start[0]start[0] = startxfor i in range(start[0], start[0]+5*x_step, x_step):  # 水平5个选项for j in range(start[1], start[1]+4*y_step, y_step):  # 垂直4个选项temp.append((i, j))for (i, c) in enumerate(temp):centers.append(c)# 8.将选项绘制到答题区域
show = roi.copy()
for (i, (x, y)) in enumerate(centers):left = x-(int)(item[0]/2)top = y-(int)(item[1]/2)# 绘选项区域矩形cv2.rectangle(show, (left, top), (left +item[0], top + item[1]), (0, 0, 255), -1)# 绘制序号标签cv2.putText(show, str(i+1), (left, top+10),cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 0, 0), 2)
cv2.imshow("5.show", show)# 9.截取每个答题选项,并计算非0像素点个数
map = roi.copy()
map = cv2.cvtColor(map, cv2.COLOR_BGR2GRAY)
map = cv2.threshold(map, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
points = []
for (i, (x, y)) in enumerate(centers):left = x-(int)(item[0]/2)top = y-(int)(item[1]/2)# 截取每个选项小图item_img = map[top:top+item[1], left:left+item[0]]count = cv2.countNonZero(item_img)points.append(count)cv2.imwrite("item/"+str(i+1)+"-"+str(count)+".jpg", item_img)# 10.整理答案
answer = []  # 二维数组:保存每个题ABCD4个选项值
group = []  # 将点分组,每4个1组,对应每题的4个选项
for i in range(0, len(points), 1):group.append(points[i])if (i+1) % 4 == 0:answer.append(group)group = []def printItem(i, optoins):question = {0: "A", 1: "B", 2: "C", 3: "D"}index = 0if i < 80:# 单选题(非0像素点最少的既是答案)an = min(optoins)index = optoins.index(an)print("第"+str(i+1)+"题"+question.get(index))else:# 多选题(根据阈值来判断是否选中)ans = ""for (j, p) in enumerate(options):if p < 400:index = optoins.index(p)ans += question.get(index)print("第"+str(i+1)+"题"+ans)# 打印题目答案
for (i, options) in enumerate(answer):printItem(i, options)cv2.waitKey(0)
cv2.destroyAllWindows()

这篇关于OpenCV+Python识别机读卡的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1105864

相关文章

基于Python打造一个可视化FTP服务器

《基于Python打造一个可视化FTP服务器》在日常办公和团队协作中,文件共享是一个不可或缺的需求,所以本文将使用Python+Tkinter+pyftpdlib开发一款可视化FTP服务器,有需要的小... 目录1. 概述2. 功能介绍3. 如何使用4. 代码解析5. 运行效果6.相关源码7. 总结与展望1

使用Python实现一键隐藏屏幕并锁定输入

《使用Python实现一键隐藏屏幕并锁定输入》本文主要介绍了使用Python编写一个一键隐藏屏幕并锁定输入的黑科技程序,能够在指定热键触发后立即遮挡屏幕,并禁止一切键盘鼠标输入,这样就再也不用担心自己... 目录1. 概述2. 功能亮点3.代码实现4.使用方法5. 展示效果6. 代码优化与拓展7. 总结1.

使用Python开发一个简单的本地图片服务器

《使用Python开发一个简单的本地图片服务器》本文介绍了如何结合wxPython构建的图形用户界面GUI和Python内建的Web服务器功能,在本地网络中搭建一个私人的,即开即用的网页相册,文中的示... 目录项目目标核心技术栈代码深度解析完整代码工作流程主要功能与优势潜在改进与思考运行结果总结你是否曾经

Python基础文件操作方法超详细讲解(详解版)

《Python基础文件操作方法超详细讲解(详解版)》文件就是操作系统为用户或应用程序提供的一个读写硬盘的虚拟单位,文件的核心操作就是读和写,:本文主要介绍Python基础文件操作方法超详细讲解的相... 目录一、文件操作1. 文件打开与关闭1.1 打开文件1.2 关闭文件2. 访问模式及说明二、文件读写1.

Python将博客内容html导出为Markdown格式

《Python将博客内容html导出为Markdown格式》Python将博客内容html导出为Markdown格式,通过博客url地址抓取文章,分析并提取出文章标题和内容,将内容构建成html,再转... 目录一、为什么要搞?二、准备如何搞?三、说搞咱就搞!抓取文章提取内容构建html转存markdown

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢?我尝试一种更为智能的方法:P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验,

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

Python Websockets库的使用指南

《PythonWebsockets库的使用指南》pythonwebsockets库是一个用于创建WebSocket服务器和客户端的Python库,它提供了一种简单的方式来实现实时通信,支持异步和同步... 目录一、WebSocket 简介二、python 的 websockets 库安装三、完整代码示例1.

揭秘Python Socket网络编程的7种硬核用法

《揭秘PythonSocket网络编程的7种硬核用法》Socket不仅能做聊天室,还能干一大堆硬核操作,这篇文章就带大家看看Python网络编程的7种超实用玩法,感兴趣的小伙伴可以跟随小编一起... 目录1.端口扫描器:探测开放端口2.简易 HTTP 服务器:10 秒搭个网页3.局域网游戏:多人联机对战4.

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.