OMR：评估实心圆

Question

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

问题是：
- 由于圆圈中的字母和移动相机拍摄的照片亮度不同，二进制阈值（自适应和固定）和计数非零像素会产生很多错误。
- 还尝试了survey 中描述的技术，它使用一个圆圈的平均灰度值来标记它是否填充，但是当人们用相机拍照时，由于光源不同，图像的亮度并不均匀，我得到了很多错误的结果。
- 人们也不遵守规则，比如我们填满整个圈子，算法在这种情况下也需要稳健。
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。
有没有人知道其他方法可以将圆圈归类为实心？

Answer 1

由于这不是一个直截了当的问题，因此需要进行大量调整以使其健壮。但我想建议你一个好的起点。您可以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)

我从你分享的图片上的代码中得到的结果是这样的

您可以对这些绿色圆圈补丁应用阈值，然后计算非零值以获取圆圈是否被标记。您可以使用 lower 和 upper_bound 来尝试使解决方案健壮。

希望这会有所帮助！祝你解决问题好运:)