基于Hough变换的答题卡识别：从直线检测到透视校正的工程实践

简介：这份资源围绕基于Hough变换的答题卡识别技术展开，面向计算机视觉入门者、图像处理课程学习者及需要自动阅卷方案的开发者，帮助解决答题卡选项定位、填涂识别与答案映射等实际问题。压缩包共14个文件，以13个m脚本文件和1个jpg图像为主，脚本涵盖灰度转换、图像二值化、平滑去噪、旋转校正、区域分割、Hough检测、角度计算与结果写入等完整流程，图像文件用于测试与效果验证，整体约5.19MB，结构紧凑便于逐模块阅读。目前已有1647人学习下载，说明该方案在同类项目中具备一定参考价值。读者可从中获得从图像预处理、图像分割到模式识别与坐标映射的完整实现思路，理解Hough变换在直线与圆形选择框检测中的具体用法，并借鉴算法优化与流程组织方式，适合作为课程设计、竞赛项目或自动阅卷系统的实践参考。

1. 答题卡识别里，Hough 变换到底在解决什么问题

答题卡识别这个场景，很多人第一反应是「不就是涂黑检测吗」。真上手做过一次就知道，最难的从来不是判断某个格子黑不黑，而是先把那些格子从一张歪着拍、光照不均、还带透视变形的照片里准确定位出来。定位偏一个像素，后面整列答案就可能串行。Hough 变换在这里扮演的角色，就是把「找答题卡边框」这件事从「靠像素阈值硬碰」变成「靠几何结构投票」。

它解决的是一类很具体的问题：图像里有明显的直线边缘（答题卡的黑框、定位块、分隔线），但这些直线可能被旋转、被透视压缩、被噪声打断。Hough 变换通过把每个边缘点映射到参数空间，让共线的点在同一组参数上累积出峰值，从而把「断断续续的线」还原成「一条完整的直线」。对答题卡来说，这意味着你不需要假设卡片是正的，也不需要先做复杂的角点匹配，只要四条边框能被投票投出来，透视校正的四个顶点就有了。

这套方案适合谁？适合要做批量答题卡批改、想把手机拍照阅卷跑通、又不想一上来就上深度学习检测模型的开发者。它计算量可控、可解释性强、在 CPU 上就能跑，缺点是对预处理质量极度敏感——这也是后面几章要重点拆的部分。

2. 从一张照片到四条边框：Hough 答题卡识别的完整链路

2.1 为什么选 Hough 而不是轮廓检测或深度学习

先说选型。答题卡定位常见三条路：轮廓检测（findContours 找最大四边形）、Hough 直线检测、以及基于深度学习的目标检测。轮廓检测在背景干净时很快，但答题卡放在桌面上拍，桌面纹理、阴影、手指都可能形成干扰轮廓，最大轮廓未必是卡片。深度学习检测精度高，但需要标注数据、训练成本，对「只想跑通一个稳定批改流程」的人来说太重。

Hough 的优势在于它只关心直线这一种结构。答题卡边框是强直线，投票机制天然抑制了非直线噪声。代价是它对边缘图质量要求高，所以整条链路的重心其实在预处理。我一般的顺序是：灰度化 → 高斯模糊 → 自适应二值化 → Canny 边缘 → Hough 直线 → 直线聚类成四条边 → 求交点得四顶点 → 透视变换 → 网格切分 → 涂黑判定。

2.2 预处理：把边缘图喂干净再谈投票

Hough 是「垃圾进垃圾出」的典型。边缘图里每多一条杂线，参数空间就多一片噪声。下面这段是预处理的核心，参数我按 A4 答题卡、手机拍摄、分辨率约 2000×1500 给：

import cv2 import numpy as np def preprocess(img_path): img = cv2.imread(img_path) # 缩小到长边 1000，降低 Hough 计算量，同时保留足够边缘 h, w = img.shape[:2] scale = 1000.0 / max(h, w) img = cv2.resize(img, (int(w * scale), int(h * scale))) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 高斯模糊核用 5x5，太大糊掉细边框，太小留噪点 blur = cv2.GaussianBlur(gray, (5, 5), 0) # 自适应二值化应对光照不均，blockSize 取奇数，C 是补偿值 binary = cv2.adaptiveThreshold( blur, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, blockSize=25, C=10 ) # Canny 双阈值，高低比约 1:3 edges = cv2.Canny(binary, 50, 150, apertureSize=3) return img, edges

逻辑说明：先缩放是为了控制 Hough 的运算量，参数空间大小和图像尺寸强相关。自适应二值化用THRESH_BINARY_INV是因为答题卡边框通常是深色，反相后边框变白，便于 Canny 提取。blockSize=25是经验值，太小会把纸面纹理也二值化出来，太大在阴影边界处会断线。Canny 的 50/150 是常见起点，如果边缘图里边框断断续续，先把低阈值降到 30 试试。

2.3 Hough 直线检测：概率版和标准版怎么选

OpenCV 提供两个接口：HoughLines（标准）和HoughLinesP（概率）。答题卡场景我几乎只用概率版，因为它直接返回线段端点，省去从 (rho, theta) 反推线段的工作，而且能通过minLineLength和maxLineGap过滤短线和断线。

def detect_lines(edges): # rho 精度 1 像素，theta 精度 1 度（pi/180） # threshold 是投票阈值，越大越严格，检出的线越少 lines = cv2.HoughLinesP( edges, rho=1, theta=np.pi / 180, threshold=120, minLineLength=200, maxLineGap=30 ) return lines if lines is not None else []

参数说明：threshold=120表示一条直线至少要有 120 个边缘点投票才被接受，答题卡边框长，这个值可以设高来压噪声。minLineLength=200过滤掉文字笔画、涂卡痕迹这类短线。maxLineGap=30允许线段中间断开 30 像素仍算同一条，用来对抗边框被阴影打断的情况。这三个参数是 Hough 答题卡识别里最需要反复调的，后面避坑章节会专门讲。

2.4 把散乱线段聚成四条边并求顶点

Hough 出来的是一堆线段，同一条边框可能被检出好几段。需要按角度分成「近水平」和「近垂直」两组，再各自聚类成上下、左右两条边。

def cluster_lines(lines): horizontal, vertical = [], [] for l in lines: x1, y1, x2, y2 = l[0] angle = np.degrees(np.arctan2(y2 - y1, x2 - x1)) # 归一到 [-90, 90] if angle < -90: angle += 180 if angle > 90: angle -= 180 if abs(angle) < 30: horizontal.append((y1 + y2) / 2) # 用中点 y 代表这条线 elif abs(angle) > 60: vertical.append((x1 + x2) / 2) # 用中点 x 代表这条线 # 排序后取最外侧两条作为上下边、左右边 horizontal.sort() vertical.sort() top, bottom = horizontal[0], horizontal[-1] left, right = vertical[0], vertical[-1] return top, bottom, left, right

逻辑说明：角度归一化是为了处理 arctan2 返回 -180 到 180 的问题。用中点坐标代表整条线是一种简化，前提是同一组线段确实属于同一条边。如果卡片旋转角度很大，水平线角度可能接近 30 度，这时阈值要相应放宽。取最外侧两条边是假设答题卡是图像中最大的矩形结构，这个假设在背景干净时成立，背景杂乱时需要先做区域筛选。

2.5 透视变换与网格切分

拿到四条边的位置后，四个顶点就是相邻边的交点。用getPerspectiveTransform把梯形校正成标准矩形，再按行列数等分切格子。

def warp_and_split(img, top, bottom, left, right, rows, cols): src = np.float32([ [left, top], [right, top], [right, bottom], [left, bottom] ]) # 目标尺寸按答题卡实际宽高比设定，这里假设 210:297 dst_w, dst_h = 840, 1188 dst = np.float32([ [0, 0], [dst_w, 0], [dst_w, dst_h], [0, dst_h] ]) M = cv2.getPerspectiveTransform(src, dst) warped = cv2.warpPerspective(img, M, (dst_w, dst_h)) # 等分网格，cell 内缩 20% 避开格线 cell_h, cell_w = dst_h / rows, dst_w / cols cells = [] for r in range(rows): for c in range(cols): y1 = int(r * cell_h + cell_h * 0.2) y2 = int((r + 1) * cell_h - cell_h * 0.2) x1 = int(c * cell_w + cell_w * 0.2) x2 = int((c + 1) * cell_w - cell_w * 0.2) cells.append(warped[y1:y2, x1:x2]) return warped, cells

参数说明：目标尺寸840×1188是按 A4 比例定的，实际用答题卡宽高比替换。内缩 20% 是为了避开格线本身，只统计格子内部区域的涂黑程度。切分后每个 cell 算平均灰度或黑色像素占比，超过阈值判为涂黑。这一步的阈值建议用整张卡的非涂黑区域均值做自适应，而不是写死。

3. 参数怎么调：Hough 答题卡识别的关键旋钮与实测取值

3.1 投票阈值与线段长度参数的联动关系

threshold、minLineLength、maxLineGap这三个参数不是独立的。threshold 高，检出的线少而准；minLineLength 高，短线被过滤；maxLineGap 高，断线被接上。三者要一起看。

我的调参顺序是：先把 minLineLength 设成图像短边的 1/5 左右，保证只保留长结构；再把 maxLineGap 设成 minLineLength 的 1/10 到 1/6，用来接住阴影造成的断口；最后调 threshold，从 100 开始往上加，直到边缘图里只剩答题卡边框和少量杂线。下面这张表是我在 1000 像素长边、A4 答题卡上的一组实测参考：

3.2 预处理参数对 Hough 结果的放大效应

很多人调不好 Hough，问题其实出在 Canny。Canny 的低阈值决定边缘的连续性，高阈值决定边缘的纯净度。低阈值太低，纸面纹理全变边缘，Hough 参数空间被噪声淹没；低阈值太高，边框在阴影处断开，Hough 检不出完整直线。

我的做法是先把 Canny 结果单独存图看一眼：如果边框是连续白线、背景基本干净，再往下走 Hough；如果边框断成几截，先降低阈值；如果背景全是碎点，先提高斯模糊核或调大自适应二值化的 blockSize。这一步花两分钟，能省掉后面半小时的 Hough 调参。

提示：自适应二值化的 blockSize 必须是大于 1 的奇数，写偶数 OpenCV 会直接报错，这是新手最常撞的墙。

3.3 用网格切分结果反推定位是否准确

定位准不准，不用等涂黑判定，看切分出来的格子就能判断。如果每个格子都规整地落在选项框内，说明透视变换正确；如果格子整体偏移、或者行列间距不均，说明四条边的位置有偏差。

一个实用的自检方法：把切分后的格子按行列拼成缩略图，肉眼扫一遍。偏移通常来自两个原因——某条边被错误聚类（比如把答题卡内部的横线当成了上边框），或者顶点顺序搞反导致透视变换翻转。前者靠限制聚类时只取最外侧解决，后者靠固定 src 点顺序解决。

4. 避坑指南：Hough 答题卡识别最常见的五类翻车

4.1 边框被阴影打断，Hough 只检到半条边

现象：边缘图里上边框中间断了一截，Hough 返回的线段只覆盖左半段，聚类时上边位置偏左。

原因：Canny 低阈值偏高，阴影区域的边缘梯度不够，被当成非边缘丢弃。

解决：把 Canny 低阈值从 50 降到 30，同时把maxLineGap从 20 提到 40，让 Hough 允许线段中间有更大断口。如果还不行，在 Canny 之前加一次 CLAHE 做局部对比度增强。

4.2 背景里的直线被误当成答题卡边框

现象：透视变换后图像明显歪斜，切出来的格子对不上选项。

原因：桌面边缘、书本边、手指轮廓形成了比答题卡边框更长的直线，聚类时被选为最外侧边。

解决：在 Hough 之前先做一次区域筛选，用形态学闭运算把答题卡区域连成一个大块，只在这个块的 bounding box 内做 Hough。或者对检出的线段按长度加权，优先选长度接近图像短边的线。

4.3 卡片旋转角度大，水平垂直线分类失效

现象：卡片旋转超过 30 度时，原本的水平边被分到垂直组，四条边全乱。

原因：角度分类阈值写死了 30 度和 60 度，没有考虑整体旋转。

解决：先对所有线段角度做直方图，找到主方向，再以主方向为基准做相对分类。或者干脆用minAreaRect先估一个粗略旋转角，把图像转正后再跑 Hough。

4.4 涂黑判定阈值写死，换一批照片就失效

现象：同一套代码，A 考场照片判得准，B 考场照片全判成未涂。

原因：不同光照下格子内部灰度差异大，固定阈值不通用。

解决：对每个格子算黑色像素占比，再用整张卡所有格子的占比分布做自适应阈值，比如取中位数加一个偏移。这样即使整体偏亮或偏暗，判定标准会跟着移动。

4.5 透视变换后行列等分，但答题卡本身有边距

现象：切出来的第一行格子偏上，最后一行偏下，中间还行。

原因：答题卡四周有白边，直接按整张图等分，格子位置整体偏移。

解决：在透视变换后的图上先检测答题卡内框（用同样的 Hough 思路找内部矩形），按内框范围做等分，而不是按整张图。这一步多花一点代码，但能显著提升切分精度。

5. 让识别率再上一档：从 Hough 定位到自适应判分的进阶技巧

前面把定位和切分跑通了，最后一章说几个让整套流程更稳的技巧。这些是我踩过坑之后固定下来的习惯，不是理论推导。

第一个技巧是双阈值判分。不要只用一个黑色像素占比阈值，而是设两个：高于高阈值判「涂」，低于低阈值判「未涂」，中间区间标记为「可疑」，输出时单独列出让人工复核。这样既保证自动批改的速度，又不会因为边界样本直接判错。实测下来，可疑区间通常只占总格子的 2% 到 5%，人工复核成本很低。

第二个技巧是用定位块做二次校验。标准答题卡四角或边中通常有定位方块，Hough 定位完成后，检查这些方块是否落在预期位置。如果偏差超过阈值，说明这次定位不可信，直接拒绝出结果而不是硬判。这个「后悔药」机制能避免整张卡串行导致的批量误判。

第三个技巧是把 Hough 参数做成配置而不是写死。不同来源的照片（扫描仪、手机、不同分辨率）最优参数不同。我一般把 threshold、minLineLength、maxLineGap、Canny 双阈值抽成一个 dict，按图像短边长度分档给默认值，再允许运行时覆盖。下面是一个配置结构的示例：

HOUGH_CONFIG = { "small": { # 短边 < 800 "threshold": 80, "minLineLength": 150, "maxLineGap": 20, "canny_low": 40, "canny_high": 120 }, "medium": { # 短边 800~1500 "threshold": 120, "minLineLength": 200, "maxLineGap": 30, "canny_low": 50, "canny_high": 150 }, "large": { # 短边 > 1500 "threshold": 180, "minLineLength": 300, "maxLineGap": 40, "canny_low": 60, "canny_high": 180 } } def pick_config(short_side): if short_side < 800: return HOUGH_CONFIG["small"] if short_side < 1500: return HOUGH_CONFIG["medium"] return HOUGH_CONFIG["large"]

逻辑说明：分档的依据是 Hough 参数空间大小和图像尺寸正相关，大图需要更高的投票阈值才能压住噪声。minLineLength按比例放大，保证过滤标准一致。这套配置不是万能，但能覆盖大部分常见输入，省去每次换数据源都重新调参。

第四个技巧是保留中间结果用于排查。把边缘图、Hough 线段叠加图、透视变换结果、切分网格图都存下来，按文件名带时间戳。出问题时不用重跑，直接看是哪一步偏了。这个习惯看起来笨，但在批量处理时能省大量时间。

最后一个习惯：先用 10 张覆盖不同光照和角度的样本把参数调稳，再上批量。我见过太多人拿一张图调通就直接跑几千张，结果一半翻车。Hough 答题卡识别的稳定性高度依赖预处理，而预处理的鲁棒性只能靠多样化样本验证。希望帮到你。

本文还有配套的精品资源，点击获取