答題卡圖像識別

創(chuàng)新互聯(lián)是一家集網(wǎng)站建設(shè),坡頭企業(yè)網(wǎng)站建設(shè),坡頭品牌網(wǎng)站建設(shè),網(wǎng)站定制,坡頭網(wǎng)站建設(shè)報價,網(wǎng)絡(luò)營銷,網(wǎng)絡(luò)優(yōu)化,坡頭網(wǎng)站推廣為一體的創(chuàng)新建站企業(yè)，幫助傳統(tǒng)企業(yè)提升企業(yè)形象加強企業(yè)競爭力?？沙浞譂M足這一群體相比中小企業(yè)更為豐富、高端、多元的互聯(lián)網(wǎng)需求。同時我們時刻保持專業(yè)、時尚、前沿，時刻以成就客戶成長自我，堅持不斷學(xué)習(xí)、思考、沉淀、凈化自己，讓我們?yōu)楦嗟钠髽I(yè)打造出實用型網(wǎng)站。

需求分析、市場分析和技術(shù)實現(xiàn)

一、需求分析

一、以接口的方式開發(fā)此需求：

1：接收圖片

   以上傳的方式把圖片發(fā)送到接口。

2：識別圖片

   接口接收到圖片后，進行圖像識別。

3：返回數(shù)據(jù)

   返回識別后的JSON格式數(shù)據(jù)。

二、答題卡圖片識別的具體要求：

圖片是通過手機、相機、掃描儀等設(shè)備拍照而來，其中手機、相機拍出的照片會出現(xiàn)像素低、圖像不正、聚焦不清楚等問題；

1：圖片只要是人眼能看清楚的即可完成識別；
2：800萬像素以上的手機拍的照片能進行識別；
3：聚焦不清楚時也可以進行識別；

4：不符合要求的圖片可以不識別，一旦識別，正確率必須保證100%。

三、其他要求：

1：此項目驗收需要提供答題卡識別的所有源代碼、接口說明文檔。

2：接口需支持單張圖片上傳識別以及多張圖片的上傳識別。

3：接口使用的開發(fā)語言及開發(fā)工具不限。

四、需求分析:

   這是一個典型的“機器視覺”應(yīng)用。其中，答題卡的樣式可以是由自己來設(shè)置的，圖片的獲取方式提到了可以是“手機拍照、相機拍照”這種比較方便的方式；本例的一個特殊的要求是：你可以識別不出來，但是你不能識別錯誤，這是項目的特殊要求

五、需求分析:

普通的答題卡是這樣的：

用于機器識別的答題卡是這樣的，最明顯的區(qū)別在于在邊界處提供了用于標定的黑邊。由于這里的答題卡是可以自己來設(shè)計的，就應(yīng)該設(shè)計得最適合識別：

經(jīng)過我修改的答題卡是這樣的，主要是用圓點進行邊界標定，因為在旋轉(zhuǎn)和縮放的情況下，圓點都有更好的性能：

二、市場分析

答題卡已經(jīng)出現(xiàn)好多年了，而且教育機構(gòu)也是容易出現(xiàn)壁壘的領(lǐng)域。經(jīng)過簡單調(diào)查，制式的答題機應(yīng)該是這種樣子的,這種答題機采用的應(yīng)該特殊的成像技術(shù)，比如紅外之類的，否則也不需要做成這種樣子：

其價格在數(shù)千元到萬元左右，淘寶上也有人做出了機器識別的例子：

采用普通攝像頭和特定的支架，銷售情況不好。

但是，圖像確是多種多樣的。

   形式多樣。值得關(guān)注的一點是，這些能夠通過baidu直接搜索得到的答題卡在設(shè)計上和本文提供的答題開有兩點比較大的不同，一個是在取消了比如圓點這樣的標定點，二個是在橫版面上采用了“點畫”的方式進行標定

這樣能夠得到的結(jié)果還是使得答題卡更加的簡潔，美觀。

   對于這個市場，我認為在網(wǎng)絡(luò)和即時聊天工具更加發(fā)達的今天，答題卡作為一種非常正式的考試方法，還是有其市場的（比如高考中考，短時間內(nèi)還不會出現(xiàn)直接采用移動設(shè)備進行答卷）；但是專門去做一套這樣的設(shè)備，市場已經(jīng)基本飽和，而且教育市場的壁壘應(yīng)該很高，不是很容易就能夠進入的。但是，對于在日常非正式考試中需要答題卡相關(guān)設(shè)備，而不希望擔(dān)負一套昂貴的專業(yè)系統(tǒng)的人或單位來所，如果能夠以一種比較低廉的價格，并且已一種比較方便操作的方式（比如直接利用手機，或普通相機）進行實現(xiàn)，應(yīng)該是有一定的市場的。

三、技術(shù)實現(xiàn)

   本例的技術(shù)難度不是很大，非常關(guān)鍵的一點是由于卡片是可以由自己來設(shè)計的。而且圖像的獲取也比較容易被優(yōu)化。這里以最前面的圖片進行設(shè)計分析，其他的例子情況可以以此類推；并且公布核心代碼。

1）仿照實際的情況，對原始圖片進行相關(guān)處理。在實際拍攝的時候，可能會出現(xiàn)“縮放”、“透視變化”等影響最終實際結(jié)果的情況：

變小

透視變化

同時透視和縮放

2）編寫獲取錨點（就是圓點）的函數(shù). FetchAnchorPoints函數(shù)的主要過程是將輸入的圖片劃分為四個部分，并且分別找到其中的圓點。參數(shù)中mattmp是模板圖片，也就是哪個小圓的圖片。

//獲得錨點
void FetchAnchorPoints(Mat src,Mat mattmp,Point &anchor01,Point &anchor02,Point &anchor03,Point &anchor04)
{
    Mat p_w_picpathmatch;
    Point minLoc;
    Point maxLoc01,maxLoc02,maxLoc03,maxLoc04;
    //Point anchor01,anchor02,anchor03,anchor04;
    double minVal;
    double maxVal2;
    //Mat src = imread("C:/answercard/1.jpg",0);//讀入黑白原始圖像
    int srcRows = src.rows;
    int srcCols = src.cols;
    Mat src01 = src(Rect(0,0,srcCols/2,srcRows/2));
    Mat src02 = src(Rect(srcCols/2,0,srcCols/2,srcRows/2));
    Mat src03 = src(Rect(0,srcRows/2,srcCols/2,srcRows/2));
    Mat src04 = src(Rect(srcCols/2,srcRows/2,srcCols/2,srcRows/2));
    //imshow("src01",src01);imshow("src02",src02);imshow("src03",src03);imshow("src04",src04);
    matchTemplate( mattmp, src01, p_w_picpathmatch, 5 );
    normalize( p_w_picpathmatch, p_w_picpathmatch, 0, 1, NORM_MINMAX, -1, Mat() );
    minMaxLoc( p_w_picpathmatch, &minVal, &maxVal2, &minLoc, &maxLoc01, Mat() );
    anchor01 = maxLoc01;
    //circle(src,maxLoc01,3,Scalar(0),3);
    matchTemplate( mattmp, src02, p_w_picpathmatch, 5 );
    normalize( p_w_picpathmatch, p_w_picpathmatch, 0, 1, NORM_MINMAX, -1, Mat() );
    minMaxLoc( p_w_picpathmatch, &minVal, &maxVal2, &minLoc, &maxLoc02, Mat() );
    anchor02 = Point(maxLoc02.x+srcCols/2,maxLoc02.y);
    //circle(src,anchor02,3,Scalar(0),3);
    matchTemplate( mattmp, src03, p_w_picpathmatch, 5 );
    normalize( p_w_picpathmatch, p_w_picpathmatch, 0, 1, NORM_MINMAX, -1, Mat() );
    minMaxLoc( p_w_picpathmatch, &minVal, &maxVal2, &minLoc, &maxLoc03, Mat() );
    anchor03 = Point(maxLoc03.x,maxLoc03.y+srcRows/2);
    //circle(src,anchor03,3,Scalar(0),3);
    matchTemplate( mattmp, src04, p_w_picpathmatch, 5 );
    normalize( p_w_picpathmatch, p_w_picpathmatch, 0, 1, NORM_MINMAX, -1, Mat() );
    minMaxLoc( p_w_picpathmatch, &minVal, &maxVal2, &minLoc, &maxLoc04, Mat() );
    anchor04 = Point(maxLoc04.x+srcCols/2,maxLoc04.y+srcRows/2);
    //circle(src,anchor04,3,Scalar(0),3);

}

獲得的結(jié)果

3）采用warpPerspective進行透視變換，如果對warpPerspective不是很了解可以查看我前面的blog

   Point anchor01,anchor02,anchor03,anchor04;    Point2f src_vertices[4];
    Point2f dst_vertices[4];
    //獲得矯正結(jié)果圖像的參數(shù)
    Mat matstandard = imread("C:/answercard/1.jpg",0);//讀入黑白原始圖像
    Mat mattmp = imread("C:/answercard/temp.jpg",0);
    FetchAnchorPoints(matstandard,mattmp,anchor01,anchor02,anchor03,anchor04);
    std::cout<<"anchor01"<<anchor01<<" "<<"anchor02"<<anchor02<<" "<<"anchor03"<<anchor03<<" "<<"anchor04"<<anchor04;
    dst_vertices[0] = anchor01;
    dst_vertices[1] = anchor02;
    dst_vertices[2] = anchor03;
    dst_vertices[3] = anchor04;
    //dst_vertices.push_back(anchor01);dst_vertices.push_back(anchor02);dst_vertices.push_back(anchor03);dst_vertices.push_back(anchor04);
    //獲得需要矯正圖像參數(shù)
    Mat matsrc = imread("C:/answercard/bigroatate.jpg",0);
    FetchAnchorPoints(matsrc,mattmp,anchor01,anchor02,anchor03,anchor04);
    cout<<"\n";
    std::cout<<"anchor01"<<anchor01<<" "<<"anchor02"<<anchor02<<" "<<"anchor03"<<anchor03<<" "<<"anchor04"<<anchor04;
    src_vertices[0] = anchor01;
    src_vertices[1] = anchor02;
    src_vertices[2] = anchor03;
    src_vertices[3] = anchor04;
    //src_vertices.push_back(anchor01);src_vertices.push_back(anchor02);src_vertices.push_back(anchor03);src_vertices.push_back(anchor04);
    //透視變化
    Mat warpMatrix = getPerspectiveTransform(src_vertices, dst_vertices);
    cv::Mat rotated;
    warpPerspective(matsrc, rotated, warpMatrix, rotated.size(), INTER_LINEAR, BORDER_CONSTANT);
    imshow("rotated",rotated);
    imshow("matstandard",matstandard);這一步得到的校正圖像：4)對原始圖像進行裁剪//對原始圖像進行裁剪
    Mat roi01;Mat roi02;Mat roi03;Mat roi04;    anchor01 =dst_vertices[0] ;
    anchor02 =dst_vertices[1] ;
    anchor03 =dst_vertices[2] ;
    anchor04 =dst_vertices[3] ;
    //TODO這個地方最終的時候需要改成rotated
    roi01 = matstandard(Rect(anchor01.x,anchor01.y+mattmp.rows,20,anchor03.y-anchor01.y-mattmp.rows));
    roi02 = matstandard(Rect(anchor01.x+mattmp.cols,anchor01.y,anchor02.x-anchor01.x-mattmp.cols,20));
    roi03 = matstandard(Rect(anchor02.x+8,anchor02.y+mattmp.rows,17,anchor04.y-anchor02.y-mattmp.rows));
    roi04 = matstandard(Rect(anchor03.x+mattmp.cols,anchor03.y+5,anchor04.x-anchor03.x-mattmp.cols,13));
    //roi02 = FetchMaxContour(roi02);
    //imshow("roi01",roi01);
    //imshow("roi02",roi02);
    //imshow("roi03",roi03);
    //imshow("roi04",roi04);這一步得到的結(jié)果 5)獲得區(qū)域的投影。這里的操作其實就是獲得圖像的波峰，這樣就能進行定位。//函數(shù)名稱：FetchMaxContour
//函數(shù)作用: 對區(qū)域進行預(yù)處理，返回大的連續(xù)區(qū)域
//參    數(shù): src [in] 輸入mat
//返    回：投影值
vector<int>  FetchMaxContour(Mat src)
{
    //讀取圖像
    Mat testmat = src.clone();
    Mat testclone = src.clone();
    Mat matcanny;
    //用于尋找輪廓
    Mat threshold_output;
    vector<vector<Point> > contours;
    vector<Vec4i> hierarchy;
    int imax = 0;int maxsize = 0;
    RotatedRect theMinRect;
    RotatedRect theMinEllipse;
    //imshow("原始圖像",testmat);
    //大津法找到敏感區(qū)域
    threshold(testmat,testmat,0,255,cv::THRESH_OTSU);
    //imshow("大津法",testmat);
    //為什么要轉(zhuǎn)換，因為白色是有數(shù)據(jù)的區(qū)域,輪廓是圍繞白色區(qū)域的
    threshold(testmat,testmat,0,255,THRESH_BINARY_INV);
    imshow("二值",testmat);
    //計算縱向投影
    vector<int> vcol;itmp = 0;
    for (int i=0;i<testmat.cols;i++)
    {
        for (int j=0;j<testmat.rows;j++)
        {
            if (testmat.at<uchar>(j,i))
            {
                itmp = itmp +1;
            }
        }
        vcol.push_back(itmp);
        itmp = 0;
    }
    ////對得到的結(jié)果進行處理,計算波峰
    //int isum = 0;//一共多少個波峰
    vector<int> vrise;
    for (int i=1;i<vcol.size();i++)
    {
        if (vcol[i-1]==0 && vcol[i]>0)
        {
            vrise.push_back(i);
            //isum = isum+1;
        }
    }
    return vrise;
} 6)獲得投影區(qū)域，并且標注出來   vector<int> vroi02 = FetchMaxContour(roi02);    vector<Mat> vmat02;
    for (int i=1;i<vroi02.size();i++)
    {
        Mat roi = rotated(Rect(mattmp.cols+anchor01.x+vroi02[i],roi02.rows+38,11,92));
        //imshow("roi",roi);
        vmat02.push_back(roi);
        circle(rotated,Point(mattmp.cols+anchor01.x+vroi02[i],roi02.rows+38),1,Scalar(0),1);
    }
    vector<int> vroi04 = FetchMaxContour(roi04);
    vector<Mat> vmat04;
    for (int i=0;i<vroi04.size();i++)
    {
        Mat roi = rotated(Rect(mattmp.cols+anchor03.x+vroi04[i],153,11,198));
        //imshow("roi",roi);
        //vmat02.push_back(roi);
        circle(rotated,Point(mattmp.rows+anchor03.x+vroi04[i],153),1,Scalar(0),1);
    }
    imshow("rotated",rotated); 找到的結(jié)果用圓點標注出來這里下面一排第一個圓點沒找到，這是原始模板圖像在設(shè)計的時候出現(xiàn)的問題，因為這里只是說明原理，我就沒有修改。7)架設(shè)照相機，獲取實際圖片做到這一步，下面就是要獲得實際的圖片并進行識別了。我采用的方法是將答題卡用打印機打印出來，然后用相機拍攝下來，注意一下光照，效果如下：照片還是比較模糊的，識別后達到預(yù)期效果。注意模板識別之前首先需要把圖片縮放一下，否則效果不會太好。Mat matsrc = imread("C:/answercard/r4.jpg",0);
    resize(matsrc,matsrc,Size(600,500));
    FetchAnchorPoints(matsrc,mattmp,anchor01,anchor02,anchor03,anchor04);
效果如此。采用2b鉛筆進行填卡，效果如下進行閾值分析后，效果很差可以發(fā)現(xiàn)，采用2b鉛筆，如果采用圖像識別的方法的話，光照的影響還是非常大的。接著改用黑色鉛筆（鋼筆也可以）則特征明顯8)對獲取的結(jié)果進行計算。也就是圖片到數(shù)據(jù)的一個量化的過程。具體來說，就是將這樣的圖像量化成為選擇結(jié)果,思路也是非常直接的，就是對比最右側(cè)的標尺值和實際獲得的值。在編寫具體代碼的時候，可能還要加上一定的修正，并且要盡可能保證這個修正是魯棒的。
  vector<int> vroi02 = FetchMaxContour(roi02);
    vector<Mat> vmat02;
    vector<int> vroi03 = FetchMaxContour(roi03,1);
    //減去偏移,這里的偏移量可以從roi03第一個值得出
    for (int i=0;i<vroi03.size();i++)
    {
        vroi03[i] = vroi03[i]-30;
    }
    int resulttmp = 9;
    cout<<"vroi02"<<endl;
    //這里i = 0的數(shù)據(jù)是無用數(shù)據(jù)
    for (int i=1;i<vroi02.size();i++)
    {
        Mat roi = rotated(Rect(mattmp.cols+anchor01.x+vroi02[i],roi02.rows+38,11,92));
        //vmat02.push_back(roi);
        vector<int> vtmp = FetchMaxContour(roi,1);
        vtmp[0] = vtmp[0]+4;
        for (int k = 0;k<9;k++)
        {
            if (vtmp[0]>=vroi03[k] && vtmp[0]<vroi03[k+1])
            {
                resulttmp = k;
                break;
            }
         }
        cout<<i<<" is "<<resulttmp<<" | ";
         cout<<endl;resulttmp = 9;
        if (IsDebug)
        {
            char* tmp = new char[100];
            sprintf(tmp,"C:/answercard/vmat02/%d.jpg",i);
            imwrite(tmp,roi);
            circle(rotated,Point(mattmp.cols+anchor01.x+vroi02[i],roi02.rows+38),1,Scalar(0),1);
        }
    } 結(jié)果完全正確：1 is 0 |2 is 1 |3 is 2 |4 is 4 |5 is 3 |6 is 4 |7 is 4 |8 is 5 |9 is 4 |10 is 4 |11 is 5 |12 is 6 |13 is 3 |

四、小結(jié)  答題卡這種東西很早之前就有了，我想在它第一次被提出的時候，絕對是創(chuàng)造性的、革命的東西，大大地提高了考試的生產(chǎn)率。但是之前的那種設(shè)備采用的原理比較精密和復(fù)雜，非常依賴設(shè)備，一定程度上限制了傳播和發(fā)展。今天，隨著機器視覺算法的不斷發(fā)展、移動通信設(shè)備的不斷發(fā)展，解決這種問題有了新的思路和新的市場空間。這也從另一個方向上說明了機器視覺技術(shù)的廣闊前景。  本文從需求分析、市場分析和技術(shù)實現(xiàn)3個方面嘗試對這個問題進行剖析。受制于資源和個人能力，很多地方解釋的不是很清楚，最終開發(fā)出來的代碼雖然具備了一定的解決問題的能力，但是畢竟不夠魯棒和高效。畢竟機器視覺的項目是由市場和實際需求驅(qū)動的，如果有好的想法和需求，歡迎交流。  感謝閱讀，希望有所幫助。

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機、免備案服務(wù)器”等云主機租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。

新聞標題：答題卡圖像識別需求分析、市場分析和技術(shù)實現(xiàn)-創(chuàng)新互聯(lián)
本文URL：http://jinyejixie.com/article44/dcjshe.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供域名注冊、商城網(wǎng)站、App開發(fā)、網(wǎng)站排名、外貿(mào)網(wǎng)站建設(shè)、企業(yè)網(wǎng)站制作

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)