OMR:计算实心圆

Question

我正在为试卷实施OMR系统。但在确定实心圆时会遇到问题。我已经成功地获得了这些感兴趣的灰度区域。

问题是：

• 二进制阈值(自适应和固定)和计数非零像素给出了很多错误，因为一个圆圈中的字母和移动相机制作的照片的亮度不同。
• 也尝试了本survey中描述的技术，使用圆圈的平均灰度值来标记它是否已填充，但图像的亮度并不均匀，因为当人们拍摄照片时，不同的光源是他们的相机和我得到了很多错误的results.
• People也不遵循规则，如我们填充整个圆圈，算法也需要在这种情况下是稳健的。

Sample images

我已经有大约10 GB的样本，所以机器学习或其他统计方法可能会有用。

有人知道将圆分类为实心圆的其他方法吗？

Answer 1

由于这不是一个直接的问题，因此需要进行大量的调整才能使其健壮。但我想建议你一个很好的起点。您可以尝试使用它，并尝试使其工作。

import numpy as np
import cv2

image_ori = cv2.imread("circle_opt.png")

lower_bound = np.array([0, 0, 0])
upper_bound = np.array([255, 255, 195])
image = image_ori

mask = cv2.inRange(image_ori, lower_bound, upper_bound)
masked_red = cv2.bitwise_and(image, image, mask=mask)

kernel = np.ones((3,3),np.uint8)
closing = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)

contours = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL,
        cv2.CHAIN_APPROX_SIMPLE)[0]
contours.sort(key=lambda x:cv2.boundingRect(x)[0])

print len(contours)
for c in contours:
    (x,y),r = cv2.minEnclosingCircle(c)
    center = (int(x),int(y))
    r = int(r)
    if 10 <= r <= 15:
        cv2.circle(image,center,r,(0,255,0),2)

# cv2.imwrite('omr_processed.png', image_ori)
cv2.imshow("original",image_ori)
cv2.waitKey(0)

我从我在你分享的图像上的代码得到的结果是

​

​

您可以将阈值应用于这些绿色圆圈斑块，然后计算非零，以获得圆圈是否被标记。您可以尝试使用lower和upper_bound来使解决方案更健壮。

希望这能有所帮助！祝你在解决问题时好运:)