基于Python CV2的OMR开发：矩形检测遭竖线干扰问题求助

针对答题卡中贯穿垂直黑线导致轮廓合并的问题，可从以下几个方向处理：

• 先去除干扰垂直黑线：用形态学开运算，选择水平方向的结构元素，针对性消除细竖线。开运算先腐蚀后膨胀，能保留矩形的水平/垂直边框，同时去掉细长的垂直干扰线。

  # 创建水平结构元素（宽度远大于高度，适配竖线粗细）
  kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (15, 1))
  # 对Canny结果做开运算处理
  processed_img = cv2.morphologyEx(canny_img, cv2.MORPH_OPEN, kernel)
  

• 优化边缘检测参数：调整高斯模糊和Canny阈值，弱化竖线的边缘响应。加大模糊核可让细竖线变得模糊，调整Canny高低阈值能过滤掉竖线的弱边缘，同时保留矩形的清晰边缘。

  # 加大高斯模糊核尺寸，弱化细竖线细节
  blurred = cv2.GaussianBlur(gray_img, (5, 5), 0)
  # 调整Canny阈值，按需调整数值适配你的答题卡
  canny_img = cv2.Canny(blurred, 30, 150)
  

• 轮廓后筛选目标矩形：使用层级轮廓检测模式（cv2.RETR_TREE）获取所有轮廓，再通过面积、宽高比筛选出符合选项框特征的轮廓。即使仍有大轮廓，也能从中提取出内部的矩形子轮廓。

  # 检测包含层级信息的所有轮廓
  contours, hierarchy = cv2.findContours(processed_img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
  target_contours = []
  for cnt in contours:
      area = cv2.contourArea(cnt)
      x, y, w, h = cv2.boundingRect(cnt)
      aspect_ratio = w / h
      # 根据你的选项框实际尺寸调整面积和宽高比范围
      if 200 < area < 1000 and 0.8 < aspect_ratio < 1.2:
          target_contours.append(cnt)
  

• 固定位置竖线直接消除：如果竖线位置固定，可直接将竖线所在列的像素置为背景色（白色），从根源上消除干扰。

  # 假设竖线位于x=198-203和x=398-403列，根据实际坐标调整
  gray_img[:, 198:203] = 255
  gray_img[:, 398:403] = 255
  

内容的提问来源于stack exchange，提问作者guy blau