简介这是一套基于Hough变换的答题卡自动识别MATLAB源码面向计算机视觉、图像处理方向的课程设计、毕业设计及入门研究者解决从答题卡图像中检测填涂区域、识别选项并输出结果的问题。资源以RAR压缩包发布共14个文件压缩包仅5.19MB包含13个.m脚本和1张示例JPG图片脚本按流程拆分为灰度转换、二值化、平滑、图像旋转校正、Hough处理、区域分割、标签定位、结果写入等功能模块可直接运行并查看中间结果。已有1645人学习下载。与简单示例不同该资源完整串联了图像预处理、选项区域定位、坐标映射和结果输出等关键环节并涉及角度计算与形态学处理细节帮助读者理解Hough变换在直线检测和答题卡定位中的实际运用也便于在此基础上扩展适配不同版式的答题卡。 最近在做一个考试阅卷相关的自动化项目其中一个核心环节就是答题卡识别。我选择了基于Hough变换的路线整体流程走下来效果相当稳定这里把完整思路和实操经验整理出来给同样在折腾图像识别、OMR光学标记识别的朋友一个参考。先交代一下背景答题卡识别的本质是把纸质表单上的填涂标记转换为结构化数据。传统做法依赖专业扫描仪和商用阅卷软件硬件成本高软件也不灵活。而用OpenCV加Hough变换一台普通扫描仪甚至手机拍照就能完成识别非常适合中小规模考试、课堂测验、问卷统计这些场景。1. 项目整体设计与方案选型思路1.1 为什么选Hough变换作为核心Hough变换是经典的特征提取算法核心作用是从图像中检测出具有特定形状的几何体。在答题卡场景里我们主要用到它的两个能力直线检测和圆检测。答题卡上最显眼的几何特征是什么是边框线和定位黑块。绝大多数答题卡在四个角或边缘印有黑色定位块用于扫描时的对齐和缩放校正。这些定位块的外轮廓就是矩形而矩形由四条直线组成。用Hough直线检测找到这些边界线就能计算出答题卡在图像中的精确位置、倾斜角度和缩放比例这是后续透视校正的基础。对比其他方案模板匹配需要预先存储标准答题卡的模板图对光照、角度变化非常敏感轮廓检测虽然也能找到外轮廓但对边缘断线、噪声干扰的鲁棒性不及Hough变换的投票机制。Hough变换的“投票”特性让它在边缘不连续、有多余纹理干扰时依然能稳定输出直线参数这正是扫描图像中常见的情况。1.2 识别流程的总体架构整个识别流程是标准的图像处理流水线我把它拆成了五个阶段图像采集与预处理读入图像灰度化、去噪、边缘增强几何定位用Canny边缘检测加Hough变换找到答题卡边界计算四点透视变换矩阵透视校正把倾斜、透视变形的答题卡矫正为正面规整视图填涂区域分割根据行列坐标切分每个题目的选项区域填涂判定对每个选项区域做像素统计依据覆盖率和灰度值判定是否填涂进而输出答案和得分这里面最核心、最影响成功率的是第二阶段和第四阶段。定位错了后面全部白搭分割不准填涂判定必然出错。2. Hough变换核心原理与参数调优2.1 从图像空间到参数空间Hough直线检测的基本思想是把图像空间中的直线映射到参数空间中的一个点。一条直线在笛卡尔坐标系下可以表示为 y kx b但斜截式无法表达垂直线斜率无穷大所以OpenCV采用极坐标形式ρ x·cosθ y·sinθ其中ρ是直线到原点的距离θ是直线法线与x轴的夹角。图像空间中的一个像素点 (x, y)在参数空间中对应一条正弦曲线。多个共线的像素点它们对应的正弦曲线会相交于同一点 (ρ, θ)。Hough变换做的就是遍历边缘图像中的每个前景像素让它们分别在参数空间“投票”投票数最多的点就代表一条真实存在的直线。这个投票机制的好处非常明显即使边缘检测有漏检、噪声产生了零散的伪边缘点只要真实的直线像素占多数投票峰值依然会出现在正确位置。这比直接做最小二乘拟合要抗干扰得多。2.2 关键参数的含义与调优方法OpenCV里有两个Hough直线检测函数标准HoughLines和累计概率HoughLinesP。实际项目中我强烈建议用HoughLinesP它直接输出线段端点而不是直线参数后续处理更方便。参数调优是我踩坑最多的地方rho累加器的距离分辨率单位是像素。取值1即可也就是按1像素的精度离散化距离过大的rho会损失精度过小会增加计算量。实测1是性价比最高的值。theta角度分辨率单位是弧度。用np.pi/180意思是每1度做一次投票。扫描图像旋转角度通常不超过10度1度精度足够。threshold判定一条直线所需的最低投票数也就是最少有多少个像素点共线。这是最重要的参数设太小会检测出大量噪声线段设太大则可能漏掉真正的边界。我的经验值在100到150之间具体要看图像分辨率。300dpi扫描的A4答题卡边界线通常是连续的上千像素threshold150就能稳住了。minLineLength最小线段长度短于这个值的线段会被丢弃。设置成图像短边的10%到20%比较合理比如图像高1200像素就设150到200。这样可以过滤掉答题卡内部的印刷文字产生的短线。maxLineGap同一条直线上允许的最大间隔用于把断开的线段连接到一起。扫描图像难免有污渍或折痕maxLineGap10可以很好地连接这些断裂。调参有一个笨办法但非常有效先用Canny边缘检测把边缘图可视化出来用滑动条动态调整Hough参数观察检测到的线段是否贴合答题卡边框。这个交互式调参方法能帮你快速找到适合当前图像分辨率的参数组合。3. 实操过程与核心环节实现3.1 预处理让图像干净起来图像预处理是整个识别链路的基石。我用的预处理顺序是灰度化、高斯模糊、自适应阈值二值化、形态学去噪。灰度化不用多说。高斯模糊的核大小建议5x5σ取0目的是抑制扫描产生的细小噪点防止它们在后边的边缘检测中制造伪边缘。二值化这里我踩过一个大坑刚开始用全局固定阈值比如THRESH_BINARY阈值127结果在光照不均匀的拍照场景下答题卡一侧偏亮一侧偏暗固定阈值把暗部的填涂标记误判为背景导致识别率暴跌。后来换成cv2.adaptiveThreshold自适应阈值用高斯加权求局部阈值效果立竿见影。核心代码是import cv2 import numpy as np img cv2.imread(answer_card.jpg) gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) blur cv2.GaussianBlur(gray, (5, 5), 0) # 自适应阈值blockSize取奇数C是常量修正项 binary cv2.adaptiveThreshold(blur, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)注意我用的是THRESH_BINARY_INV也就是前景标记为白色、背景为黑色。填涂的铅笔印记在灰度图上通常比白纸暗反相之后标记区域就成了白色方便后续按白色区域做连通域统计。形态学去噪用cv2.morphologyEx做开运算核选3x3可以去掉小的孤立噪点同时保持填涂区域的完整性。3.2 用Hough变换定位答题卡边界预处理之后进入最关键的定位环节。思路是先用Canny提取边缘再用HoughLinesP检测直线最后根据直线方程求出四个交点作为透视变换的锚点。Canny的阈值很关键。我用的是双阈值50和150这个范围对不同光照的适应性比较好。Canny检测出的边缘图会包含答题卡边框、内部印刷线条和字母轮廓。没关系Hough投票会自动筛选出最长的那些直线。直线检测的核心代码edges cv2.Canny(binary, 50, 150, apertureSize3) lines cv2.HoughLinesP(edges, 1, np.pi/180, threshold120, minLineLength150, maxLineGap20)检测到候选线段后需要做一步关键处理分类聚合。所有线段里方向接近水平的归为一组方向接近垂直的归为另一组。每组各自做加权平均得到一条“代表性直线”。这里方向分类我按斜率绝对值是否大于1来分水平线斜率接近0垂直线斜率趋于无穷。有了四条边界线上、下、左、右两两求交点就得到答题卡四个角点的坐标。需要注意有些答题卡的边缘并没有完整边框只有四个定位黑块。这种情况依然可以用Hough检测黑块的外边缘直线原理完全一致。角点计算和透视变换的代码def line_intersection(line1, line2): rho1, theta1 line1 rho2, theta2 line2 A np.array([ [np.cos(theta1), np.sin(theta1)], [np.cos(theta2), np.sin(theta2)] ]) b np.array([rho1, rho2]) return np.linalg.solve(A, b)得到四个角点后按左上、右上、右下、左下排序再映射到标准矩形的四个角计算单应性矩阵做透视变换src_pts np.float32([tl, tr, br, bl]) dst_pts np.float32([[0, 0], [width, 0], [width, height], [0, height]]) M cv2.getPerspectiveTransform(src_pts, dst_pts) warped cv2.warpPerspective(binary, M, (width, height))这里的width和height直接设成A4纸的长宽比比如1240x1754200dpi标准或者根据实际需要设置。透视变换后的图像就是一张规整、正面的答题卡视图所有后续的填涂检测都在这张图上进行。3.3 填涂区域分割与判定透视校正后需要把每个题目的选项位置在图像坐标系中确定下来。这个环节有两种做法一种是基于模板的先验坐标。如果答题卡版式固定可以在设计时记录每个选项框的像素位置校正后直接按坐标切图。这种方法最快但需要针对不同版式的答题卡重新标定。另一种是基于图像特征的动态分割。先检测答题卡上的横向分割线或题目编号区域自动推断出题目行数和选项列数。这个方法通用性更强我这次采用的就是这个方案。具体步骤是对校正后的图像做投影分析统计每一行中白色像素的数量形成行投影直方图。题目之间的空白行会形成明显的低谷选择题的每个选项行会形成波峰。通过波峰波谷的切分就能自动定位到每一题的矩形区域。拿到每个题目区域后再按选项数等分成N列通常是A、B、C、D四列每一列就是该题的一个选项区域。填涂判定我用了两个指标的组合填充率选项区域内白色像素数占区域总像素数的比例平均灰度选项区域内原始灰度图的平均亮度正常情况下填涂的选项填充率会显著高于未填涂的选项。我测试下来阈值设在0.35到0.45之间区分度最好。填充率超过阈值的选为已填涂未超过的视为空白。对于多选允许同时有多个选项超过阈值对于单选取填充率最高的选项作为答案。核心判定的参考代码def is_marked(cell_binary, cell_gray, threshold0.4): total cell_binary.size white np.count_nonzero(cell_binary) fill_ratio white / total mean_gray np.mean(cell_gray) return fill_ratio threshold and mean_gray 200这个函数里我加了一个平均灰度的条件用来过滤铅笔画了个小点或者轻微污渍的情况。有些学生涂得特别浅填充率虽然够但灰度值太高颜色太浅这时候判定为“疑似填涂”需要人工复核。4. 常见问题与排查技巧实录4.1 倾斜校正失效这是我调试过程中最常遇到的问题。表现为Hough检测出来的直线乱七八糟找不到完整边框。排查方向集中在两个地方。第一二值化参数是否合适如果adaptiveThreshold的blockSize设太小大面积的填涂区会被判定成背景边缘破碎严重设太大则回到全局阈值的老问题。11是多数场景下的甜点值。第二Canny双阈值是否匹配。边缘不连续时把maxVal从150降到100能捕获更多弱边缘但也可能引入噪声。我的策略是优先检查中间过程的可视化结果哪一步的图看起来不对问题就在哪一步。另外当答题卡在图像中的占比过小比如手机拍照留白太多Hough检测到的直线会包含大量背景边缘。解决办法是在预处理阶段先做边缘检测找到最大轮廓裁剪出答题卡的大致区域再做透视定位相当于先粗定位再精定位。4.2 铅笔填涂区域检测不稳定不同学生的填涂习惯差异很大。有的人涂得又黑又满有的人只是轻轻划一道灰度值和覆盖率都偏低。我一开始只用填充率做判定每天都有好几十张卡被判错。后来我改了策略增加了双通道验证填充率为主指标平均灰度为辅指标。同时对疑似未填涂的选项做了形态学膨胀操作把浅涂区域的像素连接起来再算覆盖率对浅涂的检测率提升非常明显kernel cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) dilated cv2.dilate(cell_binary, kernel, iterations1)另外橡皮擦不干净导致的多选题误判也很头疼。擦除后的痕迹灰度值高于正常填涂但低于白纸。这个光靠阈值很难一刀切我最后的方案是加了一个“复核队列”所有灰度和填充率处于临界区域的选项都标记为存疑自动导出对应区域的截图由人工快速确认。这套机制让整体准确率从93%提升到了98%以上。4.3 定位黑块被误判为填涂答案有个常见的问题答题卡顶部的定位黑块或黑条在透视图上如果和题目区域靠得比较近投影分析的波峰波谷分割可能把黑块包进某个题目区域导致那个选项的填充率异常高被误判成已填涂。解决方法是在做投影分析前先把图像最上端和最下端固定比例的条带直接置为空白背景或者在定位阶段记录下黑块的位置在分割时明确排除这些区域。我试过两者结合最靠谱。这个方法规避了黑块干扰又不影响对题目区域的划分。4.4 性能优化与批量处理单张答题卡的处理时间在Python环境下大约200到400毫秒大部分耗时在自适应阈值和透视变换上。如果要做批量识别建议用多进程因为图像处理是CPU密集型操作Python的GIL会锁死多线程效率。我用multiprocessing.Pool跑八进程100张卡大约20秒处理完毕速度完全够用。另外一个性能优化点HoughLinesP之前可以先把图像缩小一半。直线检测对分辨率没那么敏感但计算量随像素数量线性增长。测试下来缩小50%后检测到的直线位置误差在2像素以内完全不影响后续的角点计算时间却能省40%。5. 补充说明与项目扩展思考整个项目做下来我最大的感触是Hough变换它的定位能力非常出色但并不是识别环节的全部。一套可靠的答题卡识别系统关键是各环节的配合预处理决定边缘质量Hough决定定位精度分割决定后续判定的准度判定策略决定最终准确率。单一环节做到极致其他环节拖后腿整体效果也出不来。目前这套方案在标准印刷答题卡上的识别率表现稳定但对于印刷质量差、倾斜角度大、拍照光照极端的场景还有优化空间。后续我计划把深度学习的目标检测网络引入到定位环节用模型直接回归答题卡的四个角点替代Hough直线检测加交点计算的路子理论上会更鲁棒。不过Hough变换作为一种经典的几何检测算法在无GPU、内存受限的嵌入式环境中依然有不可替代的价值。如果手头的场景资源受限这套Hough方案仍非常能打。最后分享一个小技巧在你的识别脚本里把中间过程的图像——边缘图、检测出的直线叠加图、透视校正图、每个选项区域的切图——全部保存下来。这不仅能帮你调试算法还能在人工复核阶段让校验人员直观地看到每一张已识别的卡在实际使用中非常好用。本文还有配套的精品资源点击获取