答题卡素材图片:
思路
1.读入图片，做一些预处理工作。
2.进行轮廓检测，然后找到该图片最大的轮廓，就是答题卡部分。
3.进行透视变换，以去除除答题卡外的多余部分，并且可以对答题卡进行校正。
4.再次检测轮廓，定位每个选项。
5.对选项圆圈先按照竖坐标排序，再按照行坐标排序，这样就从左到右从上到下的获得了每个选项轮廓。
6.对每个选项轮廓进行检查，如果某个选项轮廓中的白色点多，说明该选项被选中，否则就是没被选上。细节部分看过程：
1、预处理（去噪，灰度，二值化）
img = cv2.imread("1.png",1)
#高斯去噪
img_gs = cv2.GaussianBlur(img,[5,5],0)
# 转灰度
img_gray = cv2.cvtColor(img_gs,cv2.COLOR_BGR2GRAY)
# 自适应二值化
_,binary_img = cv2.threshold(img_gray,0,255,cv2.THRESH_OTSU|cv2.THRESH_BINARY)
-----------------------------------
©著作权归作者所有：来自51CTO博客作者千锋IT教育的原创作品，请联系作者获取转载授权，否则将追究法律责任
用Python实现答题卡识别！
https://blog.51cto.com/u_15739596/8014621注：cv2.THRESH_OTSU|cv2.THRESH_BINARY，该参数指的是自适应阈值+反二值化，做自适应阈值的时候阈值要设置为0
2、轮廓检测
# 找轮廓
contours, hierarchy = cv2.findContours(binary_img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
# 按照轮廓的面积从大到小排序
cnts = sorted(contours,key = cv2.contourArea,reverse=True)
# 画轮廓
draw_img = cv2.drawContours(img.copy(),cnts[0],-1,(0,255,255),2)
-----------------------------------
©著作权归作者所有：来自51CTO博客作者千锋IT教育的原创作品，请联系作者获取转载授权，否则将追究法律责任
用Python实现答题卡识别！
https://blog.51cto.com/u_15739596/8014621注：findContours函数，传入的图像应该是二值图像，cv2.RETR_EXTERNAL指的是只检测外部轮廓，cv2.CHAIN_APPROX_NONE指的返回轮廓上的所有点。
这里做轮廓近似的目的是，之前检测到的轮廓看似是一个多边形，其实本质上是只是点集。
cv2.approxPolyDP(contour,epsilon,True)，多边形逼近，第一个参数是点集，第二个参数是精度（原始轮廓的边界点与拟合多边形之间的最大距离），第三个参数指新产生的轮廓是否需要闭合，返回值approxCurve为多边形的点集（按照逆时针排序）。与该函数类似的函数还有cv2.boundingRect（矩形包围框）cv2.minAreaRect（最小包围矩形框），cv2.minEnclosingCircle（最小包围圆形）cv2.filtEllipse（最优拟合椭圆）cv2.filtLine（最优拟合直线），cv2.minEnclosingTriangle（最小外包三角形）
3、透视变换
透视变换的计算步骤：
- 首先获取原图多边形的四个顶点，注意顶点顺序。
- 然后构造原始顶点矩阵。
- 计算矩形长宽，构造变换后的目标矩阵。
- 获取原始矩阵到目标矩阵的透视变换矩阵 5、进行透视变换
4、轮廓检测，检测每个选项
5、画轮廓的外接圆，排序，定位每个选项
# 挑选合适的轮廓
def check(contours):
ans = []
for i in contours:
area = float(cv2.contourArea(i))
length = float(cv2.arcLength(i,True))
if area
