轮廓按面积降序遍历，
approxPolyDP 多边形逼近，首个四顶点多边形即答题卡边界答题卡智能批改系统
人工智能视觉课程设计 · 深圳职业技术大学 · 23智能2
OpenCV 全流程图像处理 · 透视校正 · 霍夫圆检测 · 自动判分 —— 不依赖深度学习的 CV 基本功
7
处理阶段流水线
5×5
题目 × 选项
0
深度学习依赖
100%
纯 OpenCV 实现
01项目概述
拍一张答题卡照片，系统自动完成从定位、校正到判分的完整阅卷流程。整条流水线只用 OpenCV + NumPy 的经典图像处理算法搭建——每一步的中间结果都可视化输出，判分依据可解释、可追溯，这正是它与"黑盒"深度学习方案最大的区别。
02处理流水线
原始照片
│
▼
① 灰度化 → ② 高斯模糊 → ③ Canny 边缘检测
│
▼
④ findContours + approxPolyDP ← 按面积排序，找四顶点轮廓即答题卡
│
▼
⑤ getPerspectiveTransform 透视校正 ← 歪拍的卡片摆正成正视图
│
▼
⑥ Otsu 自适应二值化 → ⑦ 霍夫圆检测定位选项
│
▼
按行分组排序 → 填涂灰度比对 → 判分标注（对✓绿圈 / 错✗红圈）
03关键技术点
四顶点定位
轮廓按面积降序遍历，
轮廓按面积降序遍历，
顶点排序
用坐标和 / 差值确定左上、右上、右下、左下顺序，保证透视矩阵方向正确
用坐标和 / 差值确定左上、右上、右下、左下顺序，保证透视矩阵方向正确
Otsu 二值化
自适应阈值应对光照不均，反色处理使填涂区域为白色前景
自适应阈值应对光照不均，反色处理使填涂区域为白色前景
霍夫圆检测
HoughCircles 检出全部选项圆，按 y 坐标聚类分行、按 x 排序对应 A-E填涂判定
统计每个圆内非零像素占比，每行取最大者为考生答案
统计每个圆内非零像素占比，每行取最大者为考生答案
可视化判分
正确答案画绿圈、答错处画红圈并标注，每题输出独立判分图
正确答案画绿圈、答错处画红圈并标注，每题输出独立判分图
04运行效果
歪斜拍摄的答题卡经透视变换校正为正视图
逐题判分输出：绿圈为正确答案位置，红圈标出答错项
05技术选型
| 模块 | 技术 |
|---|---|
| 图像处理 | OpenCV（Canny / findContours / warpPerspective / HoughCircles） |
| 数值计算 | NumPy 顶点排序与像素统计 |
| 可视化 | Matplotlib + GridSpec 多阶段结果展示 |
| 载体 | Jupyter Notebook，每阶段独立运行验证 |
这套系统展示的是传统计算机视觉的完整解题思路——在没有训练数据、算力受限或需要可解释性的场景里，经典图像处理往往是比深度学习更合适的答案。它与手势控制 PPT（关键点检测）、日语假名识别（CNN 分类）共同构成从传统 CV 到深度学习的完整视觉技术光谱。