如何用Python OpenCV检测表单复选框？OMR场景遇文本轮廓干扰问题

嘿，我来帮你解决这个OMR复选框检测的问题！你现在的代码会把文本轮廓也一起提取出来，核心原因是没有针对复选框的特征做轮廓筛选。咱们可以通过几个关键步骤过滤掉不需要的轮廓，只保留目标复选框。

首先得明确复选框的核心特征：接近正方形的形状、固定的面积范围、四边形的轮廓结构。基于这些特征，我们可以在轮廓提取后添加针对性的过滤逻辑，同时优化预处理流程。

步骤1：优化预处理流程 #

固定阈值容易受扫描文档的光照不均影响，换成自适应阈值能更好地强化复选框边缘、弱化文本干扰：

# 替换原固定阈值，改用自适应阈值处理
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
# 自适应阈值：适合光照不均的扫描文档
thresh = cv2.adaptiveThreshold(blurred, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)

如果文本干扰还是严重，可以再添加形态学闭操作，填补复选框边缘的小缝隙：

# 创建3x3的结构元素，执行闭操作
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)

步骤2：按复选框特征过滤轮廓 #

找到轮廓后，不要直接全部绘制，而是遍历每个轮廓，用特征条件筛选：

• 宽高比接近1（正方形特征）
• 面积在合理区间（排除过小的文本笔画和过大的页面轮廓）
• 轮廓近似后为四边形（复选框的矩形结构）

修改后的核心代码片段：

# 提取轮廓（兼容不同OpenCV版本的写法）
cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)
checkbox_cnts = []

for c in cnts:
    # 计算轮廓的外接矩形
    x, y, w, h = cv2.boundingRect(c)
    # 计算宽高比和轮廓面积
    aspect_ratio = w / float(h)
    area = cv2.contourArea(c)
    
    # 筛选条件：根据你的文档调整数值（示例为通用范围）
    if 0.8 <= aspect_ratio <= 1.2 and 100 <= area <= 1000:
        # 轮廓近似，判断是否为四边形
        peri = cv2.arcLength(c, True)
        approx = cv2.approxPolyDP(c, 0.04 * peri, True)
        if len(approx) == 4:
            checkbox_cnts.append(c)

# 仅绘制筛选后的复选框轮廓
output = image.copy()
cv2.drawContours(output, checkbox_cnts, -1, (0, 255, 0), 2)

# 用matplotlib显示时需要转换颜色空间
plt.imshow(cv2.cvtColor(output, cv2.COLOR_BGR2RGB))
plt.show()

为什么原代码会提取文本轮廓？ #

findContours会检测所有边缘清晰的区域，文本的笔画边缘也会被识别成轮廓。通过上述特征筛选，就能把不符合复选框形状、面积的文本轮廓全部排除啦。你可以根据自己扫描文档的实际大小，调整面积、宽高比的数值范围。

内容的提问来源于stack exchange，提问作者Shivam Chaurasia