基于OpenCV的答题卡智能识别与批改系统全流程实现

简介：本资源是一套基于Python实现的答题卡智能处理系统，面向计算机、数学、电子信息等专业的本科生与毕设开发者，解决考试场景中答题卡自动检测、试题区域切分、学生考号识别及选择题批量批改等核心问题，适合作为课程设计、期末大作业或毕业设计的实战参考。压缩包共35个文件，含8个核心Python脚本（如detection_exam_num.py、detection_choice_question.py）、2个Jupyter Notebook（含答题卡检测与选项识别实验）、11张测试图像（jpg/png格式）用于效果验证，以及Dockerfile、README.md、requirements.txt等工程化支持文件，整体大小6.04MB，结构清晰、模块解耦明确。已有231人学习下载，提供完整可运行源码、典型样例图与基础说明文档，覆盖从图像预处理、轮廓定位、OCR识别到结果比对的全流程实现逻辑，特别适合希望深入理解OpenCV图像分析与轻量级OCR集成应用的学习者开展调试与功能拓展。

1. 项目概述：从传统阅卷到智能批改的跨越

每次期中、期末考试后，看着堆积如山的答题卡，你是不是也和我一样，曾经为手动批改选择题而头疼不已？作为一名长期混迹于教育技术领域的开发者，我深知传统阅卷方式耗时耗力，且容易因疲劳产生误判。几年前，我就开始琢磨如何用技术来解决这个问题，从最基础的图像处理入手，到后来逐步完善，形成了一套相对成熟的自动化方案。今天要和大家分享的，就是这个我迭代了多个版本的“答题卡智能识别与批改系统”的核心思路与实现细节。这个项目完全基于Python构建，核心目标就四个：精准定位并识别答题卡、智能切分每一道独立的试题、准确读取学生的考号信息，最后实现选择题的自动批改与分数统计。

听起来是不是有点像市面上那些昂贵的阅卷机？没错，我们就是要用代码复现其核心逻辑，但成本极低，一台普通电脑加一个扫描仪（甚至高清手机摄像头）就能跑起来。它特别适合学校老师、培训机构讲师，或者任何需要处理大量标准化选择题答卷的场景。你不需要是计算机视觉专家，只要对Python有基本了解，跟着我的思路和代码，就能搭建起属于自己的“微型阅卷中心”。接下来，我会把这套系统从设计思路、关键技术选型，到每一步的具体实现、踩过的坑以及优化技巧，毫无保留地拆解给你看。

2. 系统整体设计与技术栈选型

在动手写代码之前，清晰的顶层设计能避免后期大量返工。这套系统的处理流程是一个标准的管道（Pipeline），前一步的输出是后一步的输入，环环相扣。

2.1 核心处理流程拆解

整个系统的运行主线非常清晰，可以分为四个顺序执行的阶段：

1. 答题卡检测与矫正：输入是一张可能歪斜、明暗不均的答题卡图片。系统需要首先从图片中把答题卡区域“抠”出来，并矫正其透视变形，得到一个标准的、正面的矩形图像。这是所有后续操作的基础，这一步没做好，后面全都会跑偏。
2. 试题区域切分：在得到标准的答题卡图像后，需要根据答题卡的设计模板（比如每行多少题，每题有多少个选项），将图像划分成一个个独立的“答题框”。每个框对应一道题的一个选项（如A、B、C、D）。
3. 考号识别：答题卡上通常有填涂考号（学号）的区域，可能是数字或字母。系统需要定位这个区域，识别出每一个填涂的数字，并拼接成完整的考号字符串。这是关联“答题结果”与“学生身份”的关键。
4. 选择题自动批改：有了切分好的单个选项框和标准答案，系统需要判断每个选项框是否被填涂。然后，将每道题的学生填涂结果与标准答案比对，计算得分，最后汇总每张答题卡的总分。

这个流程决定了我们的技术栈必须围绕图像处理和模式识别来构建。

2.2 关键技术库为何是它们？

Python在计算机视觉领域有得天独厚的优势，库生态非常成熟。经过多次对比和实战，我锁定了以下几个核心库：

• OpenCV (cv2)：这是整个项目的基石。它提供了极其强大的图像读写、变换、滤波、轮廓查找、透视变换等功能。我们用它来完成图像的预处理、答题卡定位、透视矫正和轮廓分析。它的函数高度优化，速度很快，是处理这类问题的首选。
• NumPy：OpenCV处理的图像在内存中本质上就是NumPy数组。任何像素级的操作、矩阵运算、形状变换都离不开它。它是底层数据操作的保障。
• imutils：这是一个非常方便的辅助库，封装了一系列OpenCV的常用操作，比如调整图像大小、平移、旋转、显示等。它能让代码更简洁，例如用一行代码实现轮廓的排序，大大提高了开发效率。

为什么不直接用更“高级”的深度学习框架比如TensorFlow或PyTorch？因为对于这种规则明确、模板固定的答题卡识别，传统的图像处理技术已经足够可靠、快速，且不需要大量的标注数据和训练过程，部署起来也更轻量。深度学习更适合手写数字识别（考号）这种有变体的任务，我们在对应环节会引入。

注意：在项目初期，我尝试过用PIL（Pillow）库做主要图像处理，但发现在进行复杂的轮廓检测和几何变换时，OpenCV的API更直接、功能更强大。最终将核心图像处理部分全部迁移到了OpenCV。

3. 核心模块一：答题卡检测与图像矫正

这是整个流程的第一步，也是最容易出错的一步。想象一下，学生交上来的答题卡，可能是用手机拍的，歪七扭八，光线也不均匀。我们的目标就是排除这些干扰，得到一个“标准”的答题卡正视图。

3.1 图像预处理：为特征提取铺路

原始图像包含太多噪声，直接处理效果很差。预处理的目标是增强答题卡区域的特征，弱化背景。

1. 灰度化：将彩色图像转换为灰度图。这减少了数据维度（从3通道变为1通道），加快了处理速度，而且我们后续的操作都不需要颜色信息。

   import cv2 image = cv2.imread('answer_sheet.jpg') gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

2. 高斯模糊：使用高斯滤波器平滑图像，消除微小的噪声点（如纸张纹理、轻微的污渍），避免这些噪声在边缘检测时被误认为是轮廓。

   blurred = cv2.GaussianBlur(gray, (5, 5), 0) # (5,5)是高斯核大小，必须是正奇数。数值越大，越模糊。

3. 边缘检测：这里我强烈推荐使用Canny边缘检测器。它能很好地找出图像中灰度变化剧烈的区域，也就是物体的边界。答题卡的四个边框会在这一步被清晰地提取出来。

   edged = cv2.Canny(blurred, 50, 150) # 两个阈值参数很重要：50是低阈值，150是高阈值。低于50的抛弃，高于150的认为是强边缘，介于两者之间的，如果连接到强边缘则保留。需要根据图像质量微调。

经过这三步，我们得到了一张主要包含答题卡边缘线条的二进制图像。

3.2 定位答题卡轮廓与透视变换

现在，我们需要从edged图像中找到那个最大的、近似四边形的轮廓——它就是答题卡。

1. 查找轮廓：使用cv2.findContours函数。注意要使用cv2.RETR_EXTERNAL模式（只检测最外层轮廓）和cv2.CHAIN_APPROX_SIMPLE压缩方法（节省内存）。

   contours, _ = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

2. 筛选最大矩形轮廓：找到的轮廓可能有很多（纸张上的文字、污点等）。我们假设答题卡是图像中最大的四边形物体。
   • 遍历所有轮廓，计算每个轮廓的面积。
   • 对面积进行排序，取面积最大的那个轮廓。
   • 对这个最大轮廓进行多边形近似（cv2.approxPolyDP），如果近似后的顶点数大约是4个，那么我们就认为找到了答题卡。

   # 假设contours已经按面积从大到小排序 card_contour = None for c in contours: peri = cv2.arcLength(c, True) # 计算轮廓周长 approx = cv2.approxPolyDP(c, 0.02 * peri, True) # 多边形近似，0.02是精度参数 if len(approx) == 4: # 如果是四边形 card_contour = approx break

3. 透视变换：找到四个顶点后，它们可能对应一个倾斜的四边形。我们需要将其“拉正”，变换成一个标准的矩形。这需要用到透视变换（cv2.getPerspectiveTransform和cv2.warpPerspective）。
   • 首先，将找到的四个点按照左上、右上、右下、左下的顺序进行排序。这个顺序很重要，我写了一个工具函数order_points来实现。
   • 然后，定义目标矩形的四个角点。通常，目标矩形的宽度和高度可以取原始四边形轮廓的近似宽度和高度。
   • 计算变换矩阵，并对原图进行变换。

   # 排序四个顶点 def order_points(pts): # ... 排序逻辑（例如，按x+y最小为左上，x+y最大为右下等） return rect # 获取排序后的顶点和目标顶点 rect = order_points(card_contour.reshape(4, 2)) (tl, tr, br, bl) = rect # 计算目标矩形宽度和高度 widthA = np.sqrt(((br[0] - bl[0]) ** 2) + ((br[1] - bl[1]) ** 2)) widthB = np.sqrt(((tr[0] - tl[0]) ** 2) + ((tr[1] - tl[1]) ** 2)) maxWidth = max(int(widthA), int(widthB)) heightA = np.sqrt(((tr[0] - br[0]) ** 2) + ((tr[1] - br[1]) ** 2)) heightB = np.sqrt(((tl[0] - bl[0]) ** 2) + ((tl[1] - bl[1]) ** 2)) maxHeight = max(int(heightA), int(heightB)) # 定义目标点 dst = np.array([ [0, 0], [maxWidth - 1, 0], [maxWidth - 1, maxHeight - 1], [0, maxHeight - 1]], dtype="float32") # 计算变换矩阵并应用 M = cv2.getPerspectiveTransform(rect, dst) warped = cv2.warpPerspective(image, M, (maxWidth, maxHeight))

至此，我们得到了一张矫正后的、正对着的答题卡图像warped，为下一步的精细切分打下了完美的基础。

实操心得：透视变换的顶点排序是第一个大坑。如果顺序错了，变换后的图像会是旋转或镜像的。务必通过可视化（用cv2.drawContours画点）来确认排序逻辑是否正确。另外，Canny算子的阈值不是固定的，对于对比度很低的图片，可能需要动态调整或采用自适应阈值方法。

4. 核心模块二：试题区域网格化切分

拿到矫正后的答题卡，接下来要像画棋盘格一样，把每一道题的每一个选项框都找出来。这要求答题卡本身有规整的布局。

4.1 基于轮廓的选项框定位

我们的策略是：先找到所有可能是选项框的小轮廓，然后根据它们的坐标位置，将其排列成网格。

1. 二次预处理：对矫正后的图像warped再次进行灰度化、二值化（阈值化或自适应阈值），使得填涂区域（黑色）和未填涂区域（白色）对比鲜明。

   warped_gray = cv2.cvtColor(warped, cv2.COLOR_BGR2GRAY) # 使用Otsu自动阈值或固定阈值 thresh = cv2.threshold(warped_gray, 0, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)[1] # THRESH_BINARY_INV 是因为填涂区域通常是深色，我们想把它变成白色（前景）

2. 查找所有小轮廓：再次使用cv2.findContours，这次我们要找到图像中所有独立的小闭合区域。

   cnts, _ = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

3. 筛选选项框轮廓：不是所有轮廓都是选项框。可能是噪音、文字笔画等。我们根据轮廓的面积和宽高比进行筛选。
   • 面积：设定一个最小和最大面积阈值，过滤掉过大（可能是污块）或过小（可能是噪声点）的轮廓。
   • 宽高比：选项框通常是近似正方形或圆形的，其外接矩形的宽高比接近1。我们可以利用这一点过滤掉长条形的噪声（如直线）。

   question_contours = [] for c in cnts: (x, y, w, h) = cv2.boundingRect(c) ar = w / float(h) # 宽高比 area = cv2.contourArea(c) if area > min_area and area < max_area and ar > 0.8 and ar < 1.2: question_contours.append(c)

   这里的min_area,max_area需要根据你的答题卡实际打印尺寸和图像分辨率进行试验确定。

4.2 轮廓排序与网格构建

找到所有候选框轮廓后，它们是无序的。我们需要将其按行优先的顺序排列，形成一个逻辑上的矩阵，第i行j列就对应第i题的第j个选项。

1. 按行排序：这是一个关键步骤。我采用的方法是：
   • 计算每个轮廓外接矩形的中心点y坐标。
   • 设定一个“行容忍度”（例如，中心点y坐标相差在20像素以内被认为是同一行）。
   • 将所有轮廓按中心点y坐标分组，同一组内的轮廓属于同一行。
   • 对每一行内的轮廓，按中心点x坐标排序。
2. 构建题目字典：排序后，我们可以用一个二维列表或字典来组织它们。例如：

   # 假设每行有5道题，每题4个选项 questions = {} for q in range(num_questions): questions[q] = {} for o in range(num_options_per_question): # 计算当前轮廓在排序后列表中的索引 idx = q * num_options_per_question + o contour = sorted_contours[idx] questions[q][option_letters[o]] = contour # 例如 option_letters = ['A', 'B', 'C', 'D']

   这样，questions[2]['C']就指向了第3题C选项对应的轮廓。

注意事项：网格化切分严重依赖于答题卡模板的规范性。如果答题卡印刷有偏差、扫描有扭曲，可能导致切分错位。一个增强鲁棒性的技巧是：在切分完成后，可以计算每一行/列的轮廓中心点的平均位置，如果某个轮廓严重偏离这个平均位置，则可能是误检，需要剔除或报警。

5. 核心模块三：考号区域识别

考号识别是相对独立且挑战性较高的模块，因为填涂的数字本身是手写体（虽然是框内填涂），有一定变形。这里我采用了模板匹配与轮廓特征分析相结合的方式，后期也集成了轻量级OCR作为备选方案。

5.1 考号区域定位与分割

首先，我们需要知道考号填涂区在答题卡上的位置。这通常有两种方式：

1. 固定位置：如果答题卡格式统一，考号区域的位置和大小是固定的。我们可以直接在矫正后的图像上根据预设坐标进行裁剪。
2. 动态定位：更通用的方法是，在答题卡设计时，在考号区域周围添加特殊的定位标记（例如，一个特殊的方框或图案）。我们在图像中寻找这个标记，从而相对定位考号区。

定位到考号区域后，将其从图像中提取出来。这个区域通常包含一系列连续的数字框（例如0-9）。

5.2 单个数字识别策略

对于每个数字框，判断其是否被填涂，并识别是哪个数字。

1. 填涂判断：和判断选择题选项类似，计算数字框内非白色像素（即填涂部分）的比例。如果超过一个阈值（如40%），则认为该数字被填涂。

   # digit_roi 是单个数字框的图像（二值图，填涂为白） total_pixels = digit_roi.size filled_pixels = cv2.countNonZero(digit_roi) fill_ratio = filled_pixels / total_pixels if fill_ratio > threshold: is_filled = True

2. 数字识别：
   • 方法A：模板匹配：预先制作0-9十个数字的“标准填涂”模板图片。将待识别的数字框与每个模板进行匹配（如使用cv2.matchTemplate并计算相关系数），取相似度最高的模板对应的数字作为结果。这种方法简单快速，但对填涂形状和大小变化比较敏感。
   • 方法B：轮廓特征分析：对于填涂区域，提取其轮廓，计算一些几何特征，如宽高比、面积、Hu矩等。然后使用一个简单的分类器（如KNN）进行识别。这比模板匹配更灵活一些。
   • 方法C：集成OCR引擎：对于更复杂的情况或追求更高准确率，可以使用轻量级的OCR库，如Tesseract。将整个考号区域或单个数字框图像送给Tesseract识别。但需要配置为只识别数字（config='--psm 10 --oem 3 -c tessedit_char_whitelist=0123456789'），并且图像需要预处理得很好（二值化、去噪）。Tesseract在清晰图像上效果很好，但依赖外部库。

在我的项目中，初期使用了模板匹配，因为它实现简单。但在处理一些填涂较浅或形状不规则的样本时准确率下降。后来我改用了轮廓特征+KNN的方式，先人工标注几百个样本数字，提取特征训练一个小的KNN模型，识别准确率和鲁棒性都有了显著提升。

5.3 考号拼接与校验

识别出每一位数字后，按照从左到右的顺序拼接成字符串，就得到了学生的考号。为了确保可靠性，可以加入一些校验逻辑：

• 长度校验：检查识别出的数字位数是否符合预期（如10位学号）。
• 校验位：如果考号本身包含校验位（如身份证号），可以进行校验计算。
• 重复识别：对于置信度低的数字位，可以尝试用不同的预处理参数或识别方法再试一次。

踩坑记录：考号识别最大的坑在于填涂不规范。有的学生用“√”代替涂满，有的涂得很轻，有的涂出框外。对于轻涂，需要降低二值化的阈值；对于涂出框外，需要在分割数字框时进行适当的形态学操作（如闭运算）来连接可能断裂的笔迹。最好的办法是在数据录入阶段就给学生明确的填涂规范。

6. 核心模块四：选择题自动批改与结果汇总

这是收获成果的一步。我们有了切分好的每道题的选项轮廓，也有了标准答案，批改就变成了简单的模式匹配。

6.1 判断单个选项是否被填涂

对于questions[q][option]字典中的每一个选项轮廓，我们需要判断它对应的区域是否被学生填涂。

1. 提取选项区域图像：根据轮廓的边界矩形（cv2.boundingRect），从二值化图像thresh中裁剪出该区域。
2. 计算填涂像素占比：和考号识别中的判断逻辑完全一样。统计该区域中白色像素（在THRESH_BINARY_INV模式下，白色代表填涂）的数量，除以区域总像素数。

   def is_bubble_filled(contour, thresh_image): mask = np.zeros(thresh_image.shape, dtype="uint8") cv2.drawContours(mask, [contour], -1, 255, -1) # -1表示填充轮廓内部 mask = cv2.bitwise_and(thresh_image, thresh_image, mask=mask) total = cv2.countNonZero(mask) # 计算轮廓面积或外接矩形面积作为分母更准确 area = cv2.contourArea(contour) # 或使用外接矩形面积 w*h ratio = total / area if area > 0 else 0 return ratio > FILL_THRESHOLD

   这里使用轮廓掩码（mask）比直接用外接矩形裁剪更精确，因为它只考虑轮廓形状内的像素，避免了矩形角落的无关区域干扰。
3. 设定动态阈值：FILL_THRESHOLD（填涂阈值）是个关键参数。我建议不要用一个固定值（如0.5）。可以采用自适应阈值：对于一道题的所有选项，计算每个选项的填涂像素占比，然后找出占比最高的那个。如果最高占比显著高于其他选项（例如，是第二高的两倍以上），且超过一个绝对下限（如0.3），则认为该最高占比的选项被填涂。这种方法能更好地适应不同扫描亮度下的填涂深浅。

6.2 题目判分与冲突处理

对于每一道题：

1. 遍历它的所有选项（A, B, C, D...），使用上述方法判断哪些选项被填涂了。
2. 单选逻辑：理论上，一道单选题应该只有一个选项被填涂。但实践中会遇到多涂、漏涂的情况。
   • 正常情况：有且仅有一个选项的填涂判断为True。将该选项与标准答案比对，一致则得分，否则不得分。
   • 多涂情况：检测到多个选项被填涂。处理策略可以是：判为错误（严厉），或者如果其中包含正确答案则给一半分（宽松）。我的系统默认采用严厉策略，因为多涂意味着学生不确定。
   • 漏涂情况：所有选项都未检测到填涂。直接判为错误。
3. 多选逻辑：如果需要支持多选题，则标准答案是一个列表。将学生填涂的选项集合与标准答案集合比对，根据评分规则（如全对才得分、选对部分得分等）计算该题分数。

6.3 结果汇总与输出

所有题目批改完成后，我们将结果组织成结构化的数据：

1. 每张答题卡的结果字典：包含考号、每道题的作答选项、每道题的得分、总分。

   result = { 'student_id': '20230001', 'answers': {1: 'A', 2: 'C', 3: 'B', ...}, # 题号: 学生答案 'scores': {1: 2, 2: 0, 3: 2, ...}, # 题号: 得分 (假设每题2分) 'total_score': 85 }

2. 批量处理与输出：系统应该支持处理一个文件夹下的所有答题卡图片。遍历文件夹，对每张图片执行整个pipeline，将每个result追加到一个列表或写入一个文件。
3. 输出格式：最实用的输出格式是CSV文件。每一行代表一个学生，列包括考号、每道题答案、总分等。CSV可以直接用Excel打开，方便老师进行后续分析、排序和存档。

   import csv with open('exam_results.csv', 'w', newline='') as csvfile: fieldnames = ['StudentID', 'Q1', 'Q2', ..., 'Total'] writer = csv.DictWriter(csvfile, fieldnames=fieldnames) writer.writeheader() for res in all_results: writer.writerow({'StudentID': res['student_id'], 'Q1': res['answers'].get(1), ..., 'Total': res['total_score']})

4. 可视化反馈（可选但推荐）：可以生成一张结果叠加图。在原图或矫正图上，用绿色框圈出正确的填涂，用红色框圈出错误的填涂，并在旁边标注得分。这对于调试和人工复核非常有帮助。

7. 实战调试与常见问题排查

理论走通只是第一步，真正把系统跑起来，你会遇到各种各样意想不到的问题。下面是我在开发和部署过程中遇到的一些典型问题及解决方法，希望能帮你省下不少时间。

7.1 图像预处理参数调优

问题：答题卡边框检测不到，或者检测到很多错误轮廓。

• 可能原因1：Canny边缘检测阈值不合适。
  • 排查：用cv2.imshow显示edged图像，看答题卡边框是否清晰连续。如果边框断裂，尝试降低低阈值（如从50降到30）；如果背景噪声太多，尝试提高高阈值（如从150升到200）。
  • 技巧：可以写一个简单的滑动条程序，动态调整Canny阈值并实时观察效果，快速找到最佳参数。
• 可能原因2：高斯模糊核大小不当。
  • 排查：核大小（如(5,5)）越大，越模糊，可能抹除细节；太小则去噪效果差。对于高分辨率扫描件，可以适当增大核大小（如(7,7)）。
• 可能原因3：原始图像光照不均。
  • 解决：在灰度化后，先进行自适应阈值化（cv2.adaptiveThreshold）或直方图均衡化（cv2.equalizeHist），再进行Canny检测，对光照不均的图片效果更好。

7.2 透视变换顶点排序错误

问题：矫正后的图像是倒的、镜像的或者扭曲的。

• 原因：order_points函数逻辑有误，四个顶点的顺序（左上、右上、右下、左下）与dst目标点顺序不匹配。
• 排查与解决：
  1. 在找到四边形轮廓后，用cv2.drawContours在图像上画出四个顶点，并用数字标注顺序。
  2. 观察这个顺序是否符合你的order_points函数逻辑。一个可靠的排序方法是：先找到x+y最小的点（很可能是左上角），x+y最大的点（很可能是右下角），再根据x和y的差值区分右上和左下。
  3. 务必确保rect和dst的点是一一对应的。

7.3 选项框切分错位或遗漏

问题：题目与选项对应关系混乱，或者有些选项框没检测到。

• 可能原因1：轮廓筛选的面积/宽高比阈值不合适。
  • 解决：打印出所有检测到的轮廓的面积和宽高比，观察正确选项框的数值范围，据此调整min_area,max_area和宽高比阈值。
• 可能原因2：答题卡有非选项的干扰元素（如标题、条形码）。
  • 解决：在筛选轮廓时，除了面积和宽高比，还可以加入位置约束。例如，你知道选项只出现在图像中下部的一个矩形区域内，那么只处理这个区域内的轮廓。
• 可能原因3：填涂痕迹与选项框轮廓粘连。
  • 解决：在二值化后、查找轮廓前，尝试使用形态学开运算（cv2.morphologyExwithMORPH_OPEN）。这可以消除小的白色噪点（如填涂的毛刺），并分离轻微粘连的物体。

7.4 填涂判断不准

问题：浅涂被判为未涂，或者涂出框外的部分导致误判。

• 可能原因1：全局二值化阈值不适用于所有区域。
  • 解决：改用自适应二值化（cv2.adaptiveThreshold）或大津算法（Otsu，cv2.THRESH_OTSU），让阈值根据局部图像亮度动态调整。
• 可能原因2：使用固定阈值判断填涂。
  • 解决：采用前文提到的动态阈值法（比较一道题内各选项的填涂比例）。这是提升鲁棒性的关键。
• 可能原因3：填涂超出框线，与相邻框或背景粘连。
  • 解决：在提取单个选项区域时，使用轮廓掩码（mask）而不是简单的外接矩形，可以精确限定判断区域只在框线内部。

7.5 考号识别错误率高

问题：数字识别张冠李戴，特别是‘3’和‘8’，‘0’和‘6’容易混淆。

• 可能原因：模板匹配或特征区分度不够。
  • 解决：
    1. 优化模板：确保模板图像是在相同条件下（相同的扫描仪、分辨率、亮度）生成的，并且填涂标准。
    2. 增加特征：如果使用KNN，除了Hu矩，可以加入轮廓的周长、面积与边界矩形面积的比值等更多特征。
    3. 集成Tesseract：对于考号识别，可以尝试调用Tesseract OCR。确保输入Tesseract的图像是清晰的二值图，并且通过pytesseract.image_to_string(config='--psm 10 digits')进行配置，--psm 10表示将图像视为单个字符。
    4. 人工复核机制：对于置信度低的识别结果（例如，模板匹配得分低于某个值），在输出CSV中标记出来，方便后期人工重点检查。

7.6 性能优化建议

当需要处理成百上千张图片时，速度很重要。

• 减少不必要的操作：例如，如果所有答题卡扫描分辨率一致，透视变换的矩阵可以计算一次并复用。
• 调整图像尺寸：对于高分辨率扫描件（如300 DPI），可以在预处理阶段按比例缩小图像（如缩放到宽度1000像素），这能极大加速后续所有图像操作，且对精度影响很小。
• 并行处理：使用Python的concurrent.futures库实现多进程处理，充分利用多核CPU，批量处理图片时速度提升显著。

这套系统从雏形到稳定运行，我花了相当多的时间在调试这些细节上。最大的体会是：没有一套参数能通吃所有情况。最好的办法是收集一批具有代表性的“问题样本”（歪斜的、光照暗的、填涂浅的、有折痕的），用它们来反复测试和调整你的预处理和识别参数，直到系统对这批样本的准确率达到可接受的水平。同时，设计一个清晰的结果可视化界面，让每一步的中间结果都能被看到，这对于定位问题至关重要。

本文还有配套的精品资源，点击获取