如何从OMR答题卡提取标记答案？代码调试求助

核心问题分析 #

固定box_size计算行列失效，本质是答题卡拍摄时的倾斜、缩放偏差导致预设尺寸和实际坐标不匹配，硬调尺寸解决不了问题，得换坐标分组逻辑。

可行解决方案 #

1. 用聚类算法替代固定尺寸划分行列

直接对质心坐标做聚类，自动分组题目行和选项列，完全适配坐标偏移：

• 按y坐标聚类划分题目：把所有标记质心的y坐标提取出来，用K-Means聚类成对应题目数量的组（比如目标格式有13个值就分13组），每组对应一道题的行位置。
• 按x坐标匹配对应选项：对每道题内的质心x坐标聚类，找到标记位置后和预设的选项x基准位置匹配，得到选项序号；没有标记的题目填0。
• 生成目标格式字符串：把每道题的结果按顺序拼接成逗号分隔的字符串。

2. 可运行代码示例

import numpy as np
from sklearn.cluster import KMeans

# 替换成你实际获取的标记质心列表
centroids = [(120, 210), (310, 210), (118, 405), ...]
num_questions = 13  # 对应目标格式的13个数值
num_options = 5     # 假设每题有5个选项（1-5）
# 替换成你空白答题卡上各选项的基准x坐标（提前提取好的）
preset_option_x = [100, 200, 300, 400, 500]

# 按y坐标聚类分组题目行
y_coords = np.array([[y] for x, y in centroids])
row_cluster = KMeans(n_clusters=num_questions, random_state=42).fit(y_coords)
# 按行位置从顶到底排序聚类中心
sorted_row_centers = sorted(row_cluster.cluster_centers_.flatten())

# 初始化结果列表，默认全为0
result = [0] * num_questions

for row_idx in range(num_questions):
    # 找到当前行对应的所有质心
    current_row_centroids = []
    for idx, centroid in enumerate(centroids):
        # 匹配当前行的聚类标签
        if row_cluster.labels_[idx] == np.argmin(np.abs(sorted_row_centers - row_cluster.cluster_centers_[row_idx])):
            current_row_centroids.append(centroid)
    if not current_row_centroids:
        continue  # 该行无标记，跳过
    
    # 找到当前标记的x坐标中心
    x_coords = np.array([[x] for x, y in current_row_centroids])
    x_center = KMeans(n_clusters=1, random_state=42).fit(x_coords).cluster_centers_[0][0]
    
    # 匹配最接近的选项序号
    option_num = np.argmin(np.abs(preset_option_x - x_center)) + 1
    result[row_idx] = option_num

# 生成目标格式的字符串
output_str = ",".join(map(str, result))
print(output_str)

3. 必做前置优化

• 先做透视矫正：如果答题卡拍歪了，先用四个角点把图像矫正成正矩形，确保所有气泡的坐标规整，这能大幅降低后续处理的误差。
• 提前提取基准坐标：找一张空白答题卡，提取所有气泡的质心，保存每行的y坐标和每列的x坐标作为预设值，比纯聚类更准确。
• 过滤误标记：识别时加面积阈值，只保留面积符合气泡大小的标记，排除噪点或划痕导致的假质心。

内容的提问来源于stack exchange，提问作者S M