简介：一套基于Python与OpenCV的智能答题卡识别系统完整项目，面向学习图像处理与深度学习的学生和开发者，可解决答题卡检测、选项区域分割、答案识别与自动判分等问题。资源共60个文件，包含5个Python源码（含答案提取与评分脚本）、39张jpg图像与8个xml标注数据（构成训练和测试数据集）、1份xls结果表格及txt说明文档，压缩包整体38.86MB，目录结构清晰，便于按模块学习和复现。系统覆盖数据预处理、答题卡边缘检测、轮廓提取、基于CNN的选项分类和得分统计等完整流程，配套文档与代码可帮助读者快速搭建实验环境并理解算法细节。目前已有449人学习下载，适合作为毕业设计、课程项目或图像识别入门进阶的参考资料。
1. 智能答题卡识别：为什么说它是图像处理里最适合练手的项目
如果你手头正好有一套基于Python和OpenCV的答题卡识别项目，那么恭喜，你已经站在了一个非常经典的计算机视觉落地场景上。它没有自动驾驶那么高的实时性要求，也没有医学影像那种容错率为零的压力，但又几乎涵盖了图像处理从预处理到决策输出的全部核心链路：灰度化、二值化、轮廓检测、透视变换、阈值判断、逐题判分。换句话说，把这一套跑通，你再去接触工业质检、表单自动录入、甚至人脸关键点定位，都会觉得底子厚了一层。反直觉的一点在于，这套系统的性能瓶颈往往不在算法有多先进，而在你对“每一张答题卡在摄像头里长什么样”这件事有没有足够的耐心去调试边界条件。深度学习在这里不是主角，主角是OpenCV里那些几十年前就沉淀下来的经典函数。
它能解决什么实际诉求？最直接的是把人工读卡、手动录入分数的工作省掉，适合教育机构的模拟考阅卷、培训机构的自测批改，也适合数据采集环节需要快速把纸质问卷结构化的人群。适合谁看？两类人：第一类是刚学完OpenCV基础、想找一个完整项目串一遍的初学者，你能在这里看到图像处理流程怎么组装成一个小系统；第二类是有过一些开发经验、想评估这个技术方向值不值得投入的从业者。我建议你带着一个具体问题来读这篇文章：如果现场光照不均匀、答题卡摆放倾斜、铅笔填涂深浅不一，这套系统还能不能稳定出分？能，但需要你在几个关键环节做对选择。下面我们就从头到尾把这个系统的设计和踩坑点讲清楚。
2. 系统整体设计：模块划分、数据流和运行环境准备
2.1 识别流程的四个核心模块和它们各自的职责
任何一个答题卡识别系统，无论代码组织成什么样，最终都绕不开四个阶段：图像采集与预处理、答题卡定位与矫正、填涂区域检测与判断、答案比对与评分。用OpenCV实现时，这四个阶段分别对应着灰度化和滤波、边缘检测与透视变换、轮廓分析与像素统计、简单的逻辑运算与字典映射。
图像采集阶段，常见做法是使用摄像头实时帧或本地图片文件。实时帧的好处是反馈快，适合演示；文件方式的好处是稳定复现，适合调试。我在做模拟项目X时，两种都用过，但最终开发期几乎全部用本地图片，原因很简单：实时流会让你很难定位“到底是算法错了还是这一帧没拍好”。预处理阶段的目标很朴素——去掉噪声、增强对比度、为后续轮廓查找准备一张干净的图。灰度化是必须的，因为颜色信息在答题卡定位里几乎不提供帮助；高斯滤波或中值滤波用来降低纸张纹理和传感器噪点的影响；二值化则是把“填涂区域”和“空白区域”拉开距离，这一步做的质量直接决定后续准确率的上限。
答题卡定位与矫正阶段是整个系统的技术核心。你需要找到答题卡在图像中的四个顶点，然后通过透视变换把它矫正成正面视图。这里有个需要接受的现实：现实中答题卡不可能是标准矩形视角拍到的，手机摄像头从上方斜着照下来是常态，透视变换就是为了解决这个“斜看”的问题。填涂区域检测与判断阶段，是在矫正后的图像上，根据已知的题目数量、选项数量和起始坐标，逐个检查每个填涂框的平均像素值或连通域面积，判断它是否被填涂。这里有一个关键选择：模板匹配还是坐标解析？坐标解析更快、更容易实现，但要求答题卡版式固定；模板匹配更鲁棒，但需要额外维护一套模板数据。
最后是答案比对与评分。这一步没有太多算法含量，就是把检测到的学生答案和标准答案做逐题比对，统计得分。但要注意，实际项目里“得分”往往不是简单的题数加总，可能涉及单选题、多选题、判断题的不同判分规则，这些逻辑最好在系统里做成配置项，而不是写死在代码里。我在做某跨平台系统的评分模块时，吃过写死规则的亏——每次考试改题型都要改代码，后来统一改成从外部配置读取判分规则，才真正消停。
2.2 源码包的目录结构：拿到一个项目后先干什么
拿到一个号称“全部源码+训练与测试数据集+文档”的答题卡识别项目，第一步不是急着打开main.py看代码，而是先建立对整体目录的认知。常见的做法是，项目根目录下至少应该有images或dataset目录存放原始答题卡图片，有src或core目录存放核心识别代码，有output目录存放矫正后和判分后的可视化结果，可能还有一个docs目录放说明文档。
我先做一遍依赖安装和最小验证。下面是一个典型的依赖安装过程，我通常会把OpenCV、NumPy这两个核心库装好，再按需补充其他包。
# 建议使用 Python 3.8 - 3.10 版本，OpenCV 对高版本 Python 的预编译包支持有时会滞后 python -m venv omr_env source omr_env/bin/activate # Windows 下用 omr_env\Scripts\activate pip install opencv-python opencv-contrib-python numpy pip install matplotlib # 用于可视化调试，非识别必需但强烈建议 # 如果项目里用了深度学习的检测模型，再补装推理框架 pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu这里有几个参数需要说明：opencv-contrib-python包含了OpenCV的扩展模块，虽然答题卡识别核心用不到太多扩展功能，但装上有备无患；使用虚拟环境是避免把系统Python搞乱的习惯做法，不同项目依赖OpenCV的版本可能冲突，虚拟环境就是后悔药一样的存在——出问题时删掉重来，毫无成本。装完依赖后，我先跑一个最小验证：读取一张测试图片，做灰度化和边缘检测，看看能不能画出答题卡的外轮廓。
import cv2 import numpy as np # 读取测试图片，img_path 换成你本地数据集里的任意一张 img_path = "dataset/train/images/sample_001.jpg" img = cv2.imread(img_path) if img is None: raise FileNotFoundError(f"无法读取图片: {img_path}") gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) blurred = cv2.GaussianBlur(gray, (5, 5), 0) edges = cv2.Canny(blurred, 50, 150) # 查找轮廓，只保留最外层轮廓，减少噪声干扰 contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) print(f"找到 {len(contours)} 个轮廓") # 按面积降序排序，面积最大的那个通常是答题卡主体 contours = sorted(contours, key=cv2.contourArea, reverse=True)[:5] for i, c in enumerate(contours): area = cv2.contourArea(c) print(f"轮廓 {i}: 面积 = {area}")这段代码的逻辑很直白：先把图片转灰度、模糊、找边缘，然后提取轮廓。RETR_EXTERNAL参数很关键，它只提取最外层的轮廓，避免把答题卡内部题目区域的边框也当成候选；CHAIN_APPROX_SIMPLE则是压缩轮廓点数量，减少后续多边形逼近的计算量。如果你跑这段代码发现没有轮廓，大概率不是代码问题，而是Canny阈值不合适——现场光照暗、纸张对比度低的时候，50, 150这个默认区间会把边缘弱化掉，可以往低调试试，比如30, 100。
跑通这步之后，我建议你先不着急往下写，而是把dataset目录里的图片分个类：哪些是光照均匀的、哪些是有阴影的、哪些是倾斜明显的。这个分类动作会决定你后面用全局阈值还是自适应阈值，也决定你的透视变换模块要不要做异常兜底。很多做这块开发的新手，一上来就追求“一张代码跑通所有图片”，结果就是换一张图翻一次车。你手里的数据集就是你的测试用例集合，请务必珍惜这些样本。
3. 答题卡定位与矫正：透视变换的完整落地步骤
3.1 从边缘检测到四顶点提取：让答题卡离开照片、变成“正面图”
定位矫正这步，说透了就是把照片里的四边形区域“抠”出来，然后映射到一个标准矩形上。常见的做法是先用Canny边缘检测，再用cv2.findContours找到候选轮廓，接着用cv2.approxPolyDP做多边形逼近，筛选出近似四边形的轮廓，最后提取四个顶点、计算透视变换矩阵并执行变换。
先看轮廓筛选和顶点提取这段代码，这是整套系统里最容易因为“想当然”而出错的地方。
def get_card_contour(edges): """ 从边缘图中提取答题卡的外轮廓，返回一个四边形轮廓。 如果找不到合适轮廓，返回 None，调用方需要做异常处理。 """ contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) contours = sorted(contours, key=cv2.contourArea, reverse=True) for c in contours: peri = cv2.arcLength(c, True) # 轮廓周长 approx = cv2.approxPolyDP(c, 0.02 * peri, True) # 多边形逼近 # 答题卡透视投影后应该近似是一个四边形 if len(approx) == 4: return approx return None值得展开说明的是0.02 * peri这个参数。它是多边形逼近的精度阈值，值越小，逼近结果越接近原始轮廓；值越大，顶点越少。如果阈值太大，可能把答题卡的一条边“压”掉，导致凑不够四个顶点；如果太小，轮廓边缘的锯齿会留下大量冗余顶点，永远逼近不出四边形。0.02是个经验起点，对大部分打印答题卡有效，但如果你的图片分辨率很高，例如超过4000像素宽，可以适当调大到0.03到0.05，因为高分辨率下轮廓点的绝对距离误差会被放大，需要更大的容差来合并共线点。我一开始在这个参数上卡了很久，直到某导师提醒我“你要合并不是你要拆”，才明白调参方向。
拿到四边形轮廓点之后，下一步是给这四个点排顺序。透视变换要求输入点顺序统一，通常约定为“左上、右上、右下、左下”。怎么排？常见做法是计算四个点的坐标和，以及坐标差。左上角的坐标和最小，右下角的坐标和最大；左下角的坐标差最大（y减x），右上角的坐标差最小。下面这个排序函数我用了很久，稳定可靠。
def order_points(pts): """ 将四个顶点排序为: 左上、右上、右下、左下。 pts 是 shape=(4,2) 的 numpy 数组。 """ rect = np.zeros((4, 2), dtype="float32") s = pts.sum(axis=1) # 每行坐标求和 d = np.diff(pts, axis=1).reshape(-1) # 每行 y - x rect[0] = pts[np.argmin(s)] # 左上: 和最小 rect[2] = pts[np.argmax(s)] # 右下: 和最大 rect[1] = pts[np.argmin(d)] # 右上: 差最小 (y - x 小) rect[3] = pts[np.argmax(d)] # 左下: 差最大 (y - x 大) return rectnp.diff(pts, axis=1)算的是每行第二个元素减去第一个元素，也就是y坐标减去x坐标。在图像坐标系中，原点在左上角，x向右增长，y向下增长，所以右上顶点的y-x值比左下顶点小很多。这个排序方法不依赖旋转角度，对倾斜比较大的图片也能正确排序。但要注意，它假设四个点已经构成一个凸四边形，如果原始轮廓因为透视畸变严重变成凹多边形，排序就会出错。这种情况下我一般会退回到用最小外接矩形兜底，虽然损失一点精度，但至少不会让后续流程崩掉。
3.2 透视变换矩阵与图像矫正：一个函数让答题卡“摆正”
有了有序四顶点，就可以计算透视变换矩阵并执行变换了。目标尺寸怎么定？常见做法是固定宽度，比如600像素，高度按四边形宽高比等比缩放。这个尺寸对后续的填涂区域定位已经足够，而且计算量小，处理速度快。下面是最核心的变换代码。
def four_point_transform(image, pts): """ 对图像执行透视变换，返回矫正后的正面视图。 image: 原始图像(BGR) pts: 已排序的四个顶点, shape=(4,2) """ (tl, tr, br, bl) = pts # 计算目标矩形的宽度: 取上底和下底的最大值 width_top = np.linalg.norm(tr - tl) width_bottom = np.linalg.norm(br - bl) max_width = max(int(width_top), int(width_bottom)) # 计算目标矩形的高度: 取左高和右高的最大值 height_left = np.linalg.norm(bl - tl) height_right = np.linalg.norm(br - tr) max_height = max(int(height_left), int(height_right)) dst = np.array([ [0, 0], [max_width - 1, 0], [max_width - 1, max_height - 1], [0, max_height - 1] ], dtype="float32") # 计算透视变换矩阵，并执行变换 M = cv2.getPerspectiveTransform(pts.astype("float32"), dst) warped = cv2.warpPerspective(image, M, (max_width, max_height)) return warped透视变换的数学本质是一个3x3矩阵，把源图像上的点映射到目标图像上的对应点。cv2.getPerspectiveTransform根据四组对应点计算出这个矩阵，要求输入的四个点中不能有三点共线的情况，否则矩阵奇异。实际操作中，四边形的四个顶点几乎不可能三点共线，但如果答题卡边缘有缺失或反光导致某个顶点提取偏移，生成的目标图就会明显畸变。我在检测到矩阵计算失败或矫正结果异常时会加一层兜底：用量角器逻辑算出倾斜角度，退化到仿射变换或者旋转矫正，虽然做不到完全正视图，但至少保证后续流程不中断。
矫正完成后，我建议立刻保存中间结果图，而不是直接进入填涂检测。你可能觉得多此一举，但这张中间图是排查问题的金钥匙——判分错一道题，先看矫正图是否正常；如果矫正图里的题目区域都是歪的，那后面所有分析都是白搭。保持这种“每步可可视化”的习惯，能让你少走很多弯路。
3.3 填涂区域检测：逐题扫描的坐标定位法
矫正后的图像是干净的标准矩形视图，接下来就是对每一道题的每一个选项框进行状态判断了。常见的做法是：提前在配置文件里记录每一题第一个选项的起始坐标、选项之间的横向间距、题与题之间的纵向间距、选项框的宽度和高度。运行时不检测选项框位置，直接按坐标切出来。
# 配置示例: 假设有 25 道题，每题 4 个选项，选项框 30x30 像素 config = { "num_questions": 25, "num_options": 4, "start_x": 60, # 第一题第一个选项框左上角 x 坐标 "start_y": 120, # 第一题第一个选项框左上角 y 坐标 "option_dx": 90, # 同一题内选项框之间的水平间距 "question_dy": 70, # 相邻题之间的垂直间距 "box_width": 30, "box_height": 30 } def detect_filled_boxes(warped_gray, config): """ 按坐标扫描每个选项框，返回一个二维列表 answers[q][opt] = True/False。 warped_gray 是矫正后的灰度图，最好是已经过二值化处理的。 """ answers = [] for q in range(config["num_questions"]): row_status = [] for opt in range(config["num_options"]): x = config["start_x"] + opt * config["option_dx"] y = config["start_y"] + q * config["question_dy"] roi = warped_gray[y:y + config["box_height"], x:x + config["box_width"]] # 统计 ROI 区域内的非零像素比例 filled_ratio = cv2.countNonZero(roi) / (config["box_width"] * config["box_height"]) row_status.append(filled_ratio > 0.3) # 阈值 0.3 可根据实际情况调整 answers.append(row_status) return answers判断是否填涂的指标有两种：阈值法用cv2.countNonZero统计非零像素比例，连通域法用cv2.connectedComponentsWithStats计算填涂区域的面积和形状。阈值法简单，但受笔迹深浅影响大；连通域法更鲁棒，能通过填涂区域的面积、宽高比来判断是“实心方块”还是“随手画的一笔”。我个人的经验是：先跑一遍连通域分析，如果填涂区域面积占比超过选项框面积的50%且宽高比在0.5到2.0之间，判定为填涂；否则认为空白。这套规则对HB铅笔和黑色签字笔都适用。
阈值0.3或者50%不是玄学，它取决于你二值化的方式。如果是Otsu全局阈值，那么非零像素比例会偏保守，因为Otsu会把背景纸的纹理也划成前景；如果你用自适应阈值加形态学闭运算，噪声会被压得很低，阈值可以设到0.2左右。记住一个原则：阈值要根据你实际二值化后的效果反过来标定，不要先在代码里写死再去调算法，那样会越调越乱。
4. 深度学习在答题卡识别里的真实角色：增强不是替代
4.1 为什么传统OpenCV流程仍是主干
这个问题值得先说清楚，因为很多初学者被“智能答题卡识别”这个标题带偏，以为必须上卷积神经网络才能做。实际工程里，传统OpenCV流程依然是绝对主干，原因有三：第一，答题卡是结构化程度极高的文档，每个元素的位置都是预先印刷好的，几乎没有随机性，这种场景最适合用坐标解析；第二，判分业务对实时性有要求，教室里几十张卡，一张卡一秒钟处理时间就够慢的了，深度学习模型就算再快也会吃掉不少CPU；第三，深度学习的训练需要数据，而你手里的数据往往只覆盖了特定版式，换一种答题卡版式就得重新标注，成本远远高于传统方法中“改配置文件”。
那深度学习在这套系统里到底干什么？我的实践经验是，它最适合做两个补充位置。第一个位置是答题卡区域的检测定位：在复杂背景、强阴影、大幅旋转的场景下，传统轮廓查找偶尔会失败，这时用一个轻量的目标检测模型来预测答题卡四个角点位置，再交给透视变换模块去矫正，系统鲁棒性能提升一大截。第二个位置是填涂状态的二次判断：当某个选项框的像素统计结果处于模糊区间，比如阈值恰好卡在0.28到0.33之间，拿不准是填涂还是污渍时，用一个小的分类模型看一眼这个ROI，往往比调阈值更可靠。
但是有一个原则不能破：深度学习永远是兜底和增强，不要让模型直接端到端输出判分结果。原因在于判分环节需要绝对可解释性——家长和学生问你“为什么这一题算错”，你得能回溯到填涂区域图像和判断依据。纯黑盒模型无法做这个解释，这是教育类产品绕不开的合规问题。
4.2 用本地数据训练一个轻量填涂分类器：一个可复现的流程
如果你决定在模糊阈值区间引入深度学习分类器，训练数据的准备是个绕不开的活。常见做法是从你现有的数据集里，把每个选项框切成小图，人工标注成filled和blank两类。这里不需要海量数据，每类500张就已经能把一个轻量模型训得不错。下面是一个用PyTorch实现的数据加载和训练验证的示例框架。
import torch import torch.nn as nn from torch.utils.data import Dataset, DataLoader from torchvision import transforms import cv2 import glob import os class RoIDataset(Dataset): """ 从目录结构中加载 ROI 小图: dataset/roi/filled/*.jpg 和 dataset/roi/blank/*.jpg """ def __init__(self, root_dir, transform=None): self.paths = [] self.labels = [] self.transform = transform for cls_name, label in [("filled", 1), ("blank", 0)]: cls_dir = os.path.join(root_dir, cls_name) for img_path in glob.glob(os.path.join(cls_dir, "*.jpg")): self.paths.append(img_path) self.labels.append(label) def __len__(self): return len(self.paths) def __getitem__(self, idx): img = cv2.imread(self.paths[idx], cv2.IMREAD_GRAYSCALE) img = cv2.resize(img, (32, 32)) img = img.astype("float32") / 255.0 img = torch.from_numpy(img).unsqueeze(0) label = torch.tensor(self.labels[idx], dtype=torch.long) return img, label # 一个极小规模的分类网络，参数量远小于常见分类模型 class SimpleClassifier(nn.Module): def __init__(self): super().__init__() self.conv1 = nn.Conv2d(1, 16, 3, padding=1) self.conv2 = nn.Conv2d(16, 32, 3, padding=1) self.fc1 = nn.Linear(32 * 8 * 8, 64) self.fc2 = nn.Linear(64, 2) def forward(self, x): x = torch.relu(self.conv1(x)) x = torch.max_pool2d(x, 2) x = torch.relu(self.conv2(x)) x = torch.max_pool2d(x, 2) x = x.view(x.size(0), -1) x = torch.relu(self.fc1(x)) return self.fc2(x)数据加载部分要注意一个细节：ROI小图不要从矫正图直接切出来就保存，最好先做一点轻微的形态学去噪或者归一化，让“填涂”和“空白”两类样本的内部差异小一些。训练时建议用五轮交叉验证来评估，而不是简单的一次性训练集测试集划分。因为类别少、数据量小，交叉验证能更真实地反映模型的泛化能力。下面是一个简单的交叉验证训练循环骨架。
from sklearn.model_selection import StratifiedKFold dataset = RoIDataset("dataset/roi") X = list(range(len(dataset))) y = [dataset.labels[i] for i in range(len(dataset))] skf = StratifiedKFold(n_splits=5, shuffle=True, random_state=42) for fold, (train_idx, val_idx) in enumerate(skf.split(X, y)): train_sampler = torch.utils.data.SubsetRandomSampler(train_idx) val_sampler = torch.utils.data.SubsetRandomSampler(val_idx) train_loader = DataLoader(dataset, batch_size=32, sampler=train_sampler) val_loader = DataLoader(dataset, batch_size=32, sampler=val_sampler) model = SimpleClassifier() optimizer = torch.optim.Adam(model.parameters(), lr=0.001) criterion = nn.CrossEntropyLoss() for epoch in range(10): model.train() for images, labels in train_loader: optimizer.zero_grad() outputs = model(images) loss = criterion(outputs, labels) loss.backward() optimizer.step() model.eval() correct = 0 total = 0 with torch.no_grad(): for images, labels in val_loader: outputs = model(images) _, predicted = torch.max(outputs, 1) total += labels.size(0) correct += (predicted == labels).sum().item() acc = correct / total print(f"Fold {fold+1}, Epoch {epoch+1}, Val Accuracy: {acc:.4f}")这段代码里的StratifiedKFold是分层采样，保证每一折里填涂和空白的比例都接近全局比例，避免某折全是fill或全是blank导致验证结果失真。学习率0.001是Adam的常见默认推荐，对这个小模型不用刻意调。训练完成后，把模型导出成TorchScript或ONNX格式，放到识别主流程里，在阈值法判定结果靠近边界时唤醒它做复核。这个混合策略既保留了传统流程的可解释性，又用深度学习覆盖了最难判断的那些样本。
4.3 数据集的准备策略：训练与测试分布一致才有效
一个容易被忽略的点是训练集和测试集的数据分布必须和实际部署现场一致。比如你的dataset里全是扫描仪扫出来的高清正视图，但部署时是用手机从侧面拍的，那模型大概率会翻车。我建议在准备数据时，人为地制造一些困难情况：旋转5到15度、加模拟阴影、用不同浓度的铅笔多次填涂。数据增强在这个场景下非常有用，而且不需要复杂的库，OpenCV自带的能力就够用。
def augment_roi(img): """ 对 ROI 小图做基础数据增强: 随机平移、随机亮度扰动、随机形变。 输入输出都是灰度图, shape=(height, width)。 """ h, w = img.shape # 随机平移: 最多平移 3 个像素 dx = np.random.randint(-3, 3) dy = np.random.randint(-3, 3) M = np.float32([[1, 0, dx], [0, 1, dy]]) img = cv2.warpAffine(img, M, (w, h)) # 随机亮度扰动: 加减 20 灰度值 img = img.astype("float32") img += np.random.randint(-20, 20) img = np.clip(img, 0, 255).astype("uint8") return img这里有个实践心得：增强的幅度不能太大。平移3个像素对判断填涂状态来说已经足够，因为ROI里的填涂区域本身占据中心位置；亮度加减20灰度值模拟的是光电不均匀的常见场景。如果你把平移调到10像素以上，模型就会学到“根据位置猜测”而不是“根据填涂形态猜测”，这对泛化能力是灾难。数据增强的本质是模拟真实世界的噪声，不是制造新的虚假样本，这个度要把握好。
5. 避坑指南：从翻车现场总结的5条血泪经验
5.1 答题卡大面积倾斜时，轮廓逼近四边形失败
现象：get_card_contour返回None，程序直接报错或跳到异常分支。原因：当答题卡倾斜角度过大时，透视投影产生的畸形会让边缘检测的轮廓边界变得不规则，approxPolyDP的0.02容差无法把弧形边逼近成直线。解决：第一步，把approxPolyDP的容差从0.02调到0.04，牺牲一点顶点精度换取更鲁棒的四边形拟合；第二步，如果还是失败，退回到最小外接矩形cv2.minAreaRect，用矩形的四个角点作为顶点输入透视变换。
5.2 铅笔填涂太浅，全局阈值二值化后大面积丢失
现象：判分结果大面积漏判，统计ROI非零像素比例时远低于阈值。原因：铅笔石墨反光不均匀，灰度值起伏大，Otsu算出的全局阈值偏高，把浅色填涂区域整片划为背景。解决：改用自适应阈值cv2.adaptiveThreshold，blockSize设为选项框宽度的奇数倍，比如51，C值取5到10。另一个辅助手段是形态学闭运算，用5x5的核把断开的填涂笔迹连起来。这两个方法配合，浅填涂的漏判率能下降一半以上。
5.3 选项框外有杂点，被误判为填涂
现象：某道题本来没作答，却识别成选了某个选项，导致扣分。原因：答题卡边缘的定位角点、印刷标记或者石屑小点，和选项框的ROI区域有重叠。解决：在统计非零像素之前，先对ROI内的连通域做面积过滤——连通的区域小于选项框面积的10%就忽略；同时检查连通域的质心位置，如果质心距离ROI中心太远，也判定为噪声。这套过滤逻辑能拦住大部分物理杂点和印刷瑕疵。
5.4 透视变换后图像内容变形，题目区域错位
现象：矫正图里的题目行是斜的，或者上下宽度不一致，后面按坐标扫描全部对不上。原因：四个顶点顺序排序错误，导致getPerspectiveTransform的源点和目标点映射错乱。解决：不要自己写排序，直接用前面代码里的order_points按坐标和与差排序；同时加一步检查——四个顶点两两连线后，对角线的交点应该在四边形内部。如果交点在外部，说明顶点顺序错了，交换相邻顶点后重算。
5.5 不同批次的答题卡版式微调，识别准确率骤降
现象：换了一批新印刷的答题卡，题目间距变了2个像素，结果大面积错位。原因：坐标解析法对版式变化极其敏感，稍微偏移就会让ROI切割到两个选项框之间。解决：做一个半自动标定工具——第一张卡手动点出题目区域边界，自动生成配置文件；换新版式时运行标定工具重新生成，而不是手动改配置。如果版式变动频繁，建议切换成模板匹配法，用标准答题卡图片做模板，在矫正图上做模板匹配定位题目区域。
6. 用可视化调试器把识别过程变成可回溯的“证据链”
最后一章我想分享一个提升效率的具体技巧：给你的识别流程加一个可视化调试器。不要觉得这很幼稚，恰恰是我在做某图像处理Demo时吃过大亏后总结出的习惯——当时一个判分错误花了整整三天才定位到是透视变换的顶点排序问题，而如果第一步就保存矫正图，十分钟就能看出来。调试器的核心逻辑很简单：把每个阶段的中间结果保存在output/debug目录下，并在图片上画上关键信息。
def save_debug_stage(image, stage_name, index=0): """ 保存调试中间图。stage_name 示例: '01_original', '02_gray', '03_edges', '04_warped', '05_filled_boxes' """ output_dir = f"output/debug/{stage_name}" os.makedirs(output_dir, exist_ok=True) path = os.path.join(output_dir, f"{index:04d}.jpg") cv2.imwrite(path, image) print(f"[DEBUG] 已保存: {path}")使用方式是在主流程的每个关键节点调用这个函数：读入原图后存一份，二值化后存一份，边缘检测后存一份，透视变换后存一份，最后在判分图上把判定为填涂的选项框用绿色框出来，空白用红色框出来。这样每跑完一张图，你就有了从原图到判分的完整证据链。出问题时，沿着目录从序号01往后翻，看到哪一张图开始异常，问题就在哪一个环节。
更进一步，你可以做一个离线回放工具：把数据集里的图片全部跑一遍，然后按图片编号批量生成调试图目录。跑完一轮后，写一个简单的脚本统计每张图的处理状态——成功判分的、轮廓定位失败的、透视矫正异常的，分类列出。有了这个统计，你就不再是靠感觉找问题，而是让数据告诉你哪个环节最薄弱。
说到最后，我把一个习惯分享给你：每次改完参数或者调完算法，不要只跑一张图验证。拿整个测试集跑一遍，对比改动前后每张图的处理结果差异。我用这个习惯发现了不少“修好一张图、坏了三张图”的情况。这个领域没有一劳永逸的参数，只有不断对齐数据和算法边界的耐心。希望这篇文章能帮你少踩一些坑，把这套系统的每个环节都看得明明白白。
本文还有配套的精品资源，点击获取
