简介这份资源围绕“基于Hough变换的答题卡识别”展开面向计算机视觉、图像处理与模式识别方向的学习者和开发者适合作为课程设计、毕业设计或算法练手项目的参考方案。内容涵盖Hough变换检测答题卡选择区域、图像分割与预处理、模式识别分类、坐标映射以及算法优化等关键环节帮助读者理解从图像输入到答案输出的完整自动化流程。压缩包共14个文件以13个m脚本文件和1张jpg图片为主脚本分别承担灰度转换、二值化、平滑、旋转校正、区域分割、Hough处理、角度计算与结果写入等模块图片用于测试与效果展示整体约5.19MB结构紧凑便于按模块阅读。目前已有1647人学习下载说明该方案在同类项目中具有一定参考价值。读者可借此梳理答题卡识别的实现思路掌握各处理步骤的衔接方式并在此基础上进行算法替换与性能优化。1. 答题卡识别里的 Hough 变换从一张歪斜的答题卡说起答题卡识别这件事听起来像是 OCR 的一个小分支但真正上手做过的人都知道它跟通用文字识别完全是两条路。通用 OCR 面对的是自然场景文字字体、大小、排列都不固定答题卡不一样它的结构高度规整——固定位置的选项框、固定的行列间距、固定的填涂方式。这种规整性反而给了我们一个优势可以用几何方法先把结构找出来再做局部判别而不是让模型去硬猜。Hough 变换就是在这个环节里最常被拿出来用的工具。它的核心作用不是“识别”而是“定位”——把答题卡图像里那些倾斜的边界线、框线、行列基准线找出来为后续的透视校正和区域切分提供依据。换句话说Hough 变换解决的是“答题卡在图像里歪了多少、怎么把它摆正”这个问题。如果这一步没做好后面无论用什么分类器准确率都会大打折扣。这份资源适合两类人一类是正在做课程设计或毕设、需要一套能跑通的答题卡识别流程的开发者另一类是想理解 Hough 变换在实际图像处理任务中怎么落地、而不是只停留在理论公式上的工程师。它不涉及深度学习训练核心是 OpenCV 传统图像处理管线对算力要求低适合在普通笔记本上复现。2. Hough 变换定位答题卡原理、参数与预处理链路2.1 为什么答题卡识别要先做边缘和直线检测答题卡的图像在采集时几乎不可能完美水平。手机拍摄会有手持倾斜扫描仪进纸会有几度的偏转甚至同一台设备不同批次的纸张摆放也会有差异。如果不做校正后续按固定坐标去切选项框切出来的区域会偏移填涂判定的阈值就会失效。常见做法是先用 Canny 边缘检测把答题卡的轮廓和内部框线提取出来再用 Hough 变换检测其中的直线段。答题卡上最明显的直线有两类一是答题卡的外边框二是选项区域的行列分隔线。外边框用来做透视校正行列线用来做区域切分。这里有一个容易翻车的地方很多人直接对原图做 Hough 变换结果检测出一堆杂乱线段。原因是原图里填涂的黑色方块、印刷文字、阴影都会产生边缘。所以预处理链路必须是“灰度化 → 高斯模糊 → 自适应二值化 → Canny 边缘检测 → Hough 变换”每一步都有它的作用不能跳。import cv2 import numpy as np def preprocess_for_hough(image_path): # 读取图像保留彩色用于后续可视化 img cv2.imread(image_path) # 转灰度减少通道干扰 gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 高斯模糊核大小 5x5抑制印刷纹理和噪点 blurred cv2.GaussianBlur(gray, (5, 5), 0) # 自适应二值化应对光照不均 binary cv2.adaptiveThreshold( blurred, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, blockSize15, C10 ) # Canny 边缘检测双阈值根据图像对比度调整 edges cv2.Canny(binary, 50, 150, apertureSize3) return img, edges这段代码里几个参数值得展开说。GaussianBlur的核大小选 5×5 是一个平衡点太小去不掉噪点太大会把细线也模糊掉。adaptiveThreshold的blockSize设为 15意味着每个像素参考周围 15×15 区域计算阈值这个值要略大于答题卡上最粗的框线宽度否则框线内部会出现空洞。C值是常数偏移设为 10 可以避免在光照均匀区域产生过多噪点。Canny 的 50/150 是经验值如果图像偏暗或偏亮需要按比例调整。2.2 标准 Hough 变换与概率 Hough 变换的选型OpenCV 提供了两个 Hough 直线检测接口HoughLines和HoughLinesP。前者输出的是极坐标下的直线参数rho, theta后者输出的是线段的两个端点坐标。在答题卡识别场景里我一般会优先用HoughLinesP原因很直接我们需要的是“某一条具体的框线在哪里”而不是“图像中存在一条角度为 theta 的直线”。端点坐标可以直接用来计算交点、判断线段长度和位置省去了从极坐标反推的麻烦。def detect_lines(edges): # 概率 Hough 变换输出线段端点 lines cv2.HoughLinesP( edges, rho1, # 距离分辨率1 像素 thetanp.pi / 180, # 角度分辨率1 度 threshold80, # 累加器阈值越高越严格 minLineLength100, # 最短线段长度过滤碎线 maxLineGap10 # 同一直线断口最大间隔 ) return linesthreshold80意味着一条直线上至少要有 80 个边缘点才会被判定为直线。答题卡框线通常比较长这个值可以设高一些来过滤噪声。minLineLength100会丢掉那些短于 100 像素的线段正好可以过滤掉填涂方块和文字的边缘。maxLineGap10允许同一条直线中间有 10 像素以内的断裂这是因为二值化后框线可能不连续。如果答题卡图像分辨率很高比如 3000×4000这些参数要等比例放大。我一般会先把图像缩放到宽度 1000 左右再做检测这样参数比较稳定检测完再把坐标映射回原图。2.3 从直线集合到答题卡姿态角度聚类与透视校正HoughLinesP输出的是一堆线段有水平的、垂直的、还有各种斜的。下一步是从中找出答题卡的主方向。常见做法是计算每条线段的角度把角度归一到 [0, 180) 区间然后做聚类或直方图统计。答题卡的主方向通常集中在两个峰值附近相差约 90 度。def estimate_skew_angle(lines): angles [] for line in lines: x1, y1, x2, y2 line[0] # 计算线段角度归一到 [0, 180) angle np.degrees(np.arctan2(y2 - y1, x2 - x1)) % 180 angles.append(angle) angles np.array(angles) # 用中位数而不是均值避免异常线段拉偏 median_angle np.median(angles) # 把接近 90 度的归到 0 度方向 if median_angle 45: median_angle - 90 return median_angle这里用中位数而不是均值是因为 Hough 结果里总会有一些杂线均值容易被带偏。得到倾斜角后用cv2.getRotationMatrix2D和cv2.warpAffine做旋转校正。如果倾斜比较严重或者拍摄时有透视变形旋转就不够了需要用四点透视变换。四点透视变换的关键是找到答题卡的四个角点这可以通过对 Hough 线段做延长求交点来实现也可以先用轮廓检测找到最大四边形轮廓。提示旋转校正后图像边缘会出现黑边后续切分区域时要按校正后的有效区域重新计算坐标不能沿用原图坐标。3. 填涂区域切分与判定从校正图到选项结果3.1 基于行列投影的选项框定位校正后的答题卡基本是水平的接下来要定位每个选项框。常见做法是二值化后做水平投影和垂直投影。水平投影的波峰对应行分隔线垂直投影的波峰对应列分隔线。根据波峰位置可以把答题卡切成一个个单元格每个单元格对应一道题的选项区域。def find_row_col_positions(binary_img): # 水平投影每行黑色像素数 row_sum np.sum(binary_img 255, axis1) # 垂直投影每列黑色像素数 col_sum np.sum(binary_img 255, axis0) # 找波峰波峰位置即分隔线位置 row_peaks np.where(row_sum 0.5 * np.max(row_sum))[0] col_peaks np.where(col_sum 0.5 * np.max(col_sum))[0] # 对相邻峰做合并避免一条线被拆成多个峰 row_lines merge_peaks(row_peaks, gap5) col_lines merge_peaks(col_peaks, gap5) return row_lines, col_lines0.5 * np.max这个比例系数需要根据实际图像调整。如果答题卡框线比较细比例要调低如果填涂区域很大比例要调高否则填涂块会被误判为分隔线。merge_peaks的作用是把距离小于 5 像素的峰合并成一个因为一条粗线在投影上可能产生连续多个峰。3.2 填涂判定的阈值策略与鲁棒性处理每个选项框切出来后判定是否被填涂最直接的方法是统计框内黑色像素占比。占比超过某个阈值就判为填涂。但这里有几个坑不同铅笔浓度不同、扫描仪对比度不同、同一张卡上不同区域的光照也可能不同。我一般会用双阈值策略高阈值以上确定填涂低阈值以下确定未填涂中间区域标记为“可疑”再结合该题其他选项的情况做二次判断。比如一道题有 A、B、C、D 四个选项如果只有一个选项超过低阈值那即使没到高阈值也判为填涂如果有两个以上超过低阈值才需要严格按高阈值来。def judge_fill(roi, low_thresh0.15, high_thresh0.35): # roi 是单个选项框的二值图像 black_ratio np.sum(roi 255) / roi.size if black_ratio high_thresh: return 1, black_ratio # 确定填涂 elif black_ratio low_thresh: return 0, black_ratio # 确定未填涂 else: return -1, black_ratio # 可疑交给后续逻辑low_thresh0.15和high_thresh0.35是经验值实际项目里会用一批标注好的答题卡做统计画出填涂和未填涂的黑色占比分布取两个分布之间的谷底作为阈值。如果资源包里没有标注数据可以先用手动调参的方式跑几张样图观察可疑区域的比例再微调。3.3 多题多选项的结果输出与置信度标记判定完所有选项后需要按题号汇总。每道题可能有单选或多选输出格式一般是一个二维数组行是题号列是选项值为 0/1/-1。对于可疑项可以在输出里加一个置信度字段方便人工复核。def aggregate_results(questions): # questions 是每道题的选项判定结果列表 results [] for q_idx, options in enumerate(questions): filled [i for i, v in enumerate(options) if v 1] uncertain [i for i, v in enumerate(options) if v -1] results.append({ question: q_idx 1, answer: filled, uncertain: uncertain, confidence: high if not uncertain else low }) return results这个结构可以直接序列化成 JSON方便后续导入阅卷系统或做人工复核界面。置信度为 low 的题目会带上可疑选项的索引复核时只需要看这些题不用全量检查。4. 避坑与排查Hough 答题卡识别里最容易翻车的五个点4.1 检测不到外边框只检测到内部框线现象Hough 结果里全是短线段找不到答题卡的四条外边。原因通常是答题卡外边框在图像边缘被裁掉了或者外边框颜色太浅二值化后没有形成连续边缘。解决方法是先做轮廓检测找到最大四边形轮廓作为答题卡区域再在这个区域内做 Hough。如果外边框确实缺失可以用内部框线的延长线求交点来估算四个角点。4.2 倾斜角估计偏差大校正后仍然歪现象校正后的答题卡看起来还是斜的或者旋转方向反了。原因一般是角度聚类时把垂直线的角度也混进去了导致中位数偏移。解决方法是先按线段长度加权只保留最长的若干条线段参与角度估计或者分别统计接近水平和接近垂直的两组角度取水平组的中位数作为倾斜角。4.3 填涂判定阈值在不同批次图像上失效现象同一套参数在 A 批次扫描件上准确率很高换到 B 批次就大量误判。原因是不同批次的扫描亮度、对比度、铅笔浓度有差异。解决方法是在预处理阶段加一步光照归一化比如用 CLAHE 做自适应直方图均衡或者用大核高斯模糊估计背景光照再做除法校正。阈值本身也应该做成可配置的不要硬编码在函数里。4.4 选项框切分错位答案整体偏移一位现象识别结果整体偏移第 1 题的结果对应到了第 2 题。原因是行列投影的波峰合并参数不合适导致分隔线数量对不上。解决方法是把检测到的分隔线数量与答题卡规格做校验如果数量不符回退到基于固定间距的切分方式或者提示人工确认。4.5 多选和涂改场景下的误判现象考生涂改后留下浅痕或者多选题只涂了一部分判定结果不稳定。原因是黑色占比处于低阈值和高阈值之间的可疑区。解决方法是在可疑区引入形态学操作先做开运算去掉浅痕再做闭运算连接断裂的填涂块然后重新计算黑色占比。对于多选题可以结合题目类型先验——如果题目规定是单选那即使两个选项都超过低阈值也只取黑色占比最高的那个。5. 进阶技巧用 Hough 结果做答题卡模板自适应前面讲的流程有一个隐含假设答题卡的版式是固定的行列位置可以通过投影一次性确定。但实际项目里经常会遇到不同科目、不同题量的答题卡混在一起甚至同一张卡上有多个区域。这时候可以用 Hough 检测到的框线结构来做模板自适应。具体做法是把 Hough 检测到的所有线段按角度分成水平组和垂直组分别按位置排序得到一个“线位置序列”。这个序列的间隔模式就是答题卡的版式指纹。把已知版式的指纹存成模板新图像检测到线位置序列后与模板做匹配匹配度最高的模板就是当前答题卡的版式。匹配时用间隔比例的余弦相似度而不是绝对位置这样对缩放和轻微平移不敏感。def match_template(line_positions, templates): # line_positions: 检测到的线位置列表 # templates: 已知版式的线位置列表字典 intervals np.diff(sorted(line_positions)) intervals intervals / np.sum(intervals) # 归一化为比例 best_match None best_score -1 for name, tmpl in templates.items(): tmpl_intervals np.diff(sorted(tmpl)) tmpl_intervals tmpl_intervals / np.sum(tmpl_intervals) # 长度对齐后计算余弦相似度 min_len min(len(intervals), len(tmpl_intervals)) a intervals[:min_len] b tmpl_intervals[:min_len] score np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b)) if score best_score: best_score score best_match name return best_match, best_score这个方法的边界在于如果答题卡版式差异很小比如只是题量不同间隔比例的区分度可能不够。这时候可以加入绝对尺寸信息或者结合 OCR 识别出的题号做二次确认。另一个注意点是Hough 检测的线位置会有几个像素的抖动计算间隔前要先做一次聚类合并把距离小于 5 像素的线合并成一条。验证模板匹配是否可靠我一般会留一批不参与模板构建的答题卡做测试统计匹配准确率。如果准确率低于 95%说明模板区分度不够需要增加模板数量或者引入更多特征。从那以后我每次做版式自适应都会先跑一遍留出验证集确认匹配环节不会成为新的误差来源。希望帮到你。本文还有配套的精品资源点击获取