Python 3.x 使用python opencv的OMR气泡纸扫描仪

我正在使用OMR气泡纸扫描仪，使用python openCV检测正确的气泡答案。当使用下面的代码执行时，我没有得到正确的答案。谁能帮我检查一下密码，告诉我哪里出错了

我尝试了下面的URL图像

将cv2作为cv导入
将numpy作为np导入
image=cv.imread（“H:/omr\u test\u 01.png”，0）
image1=cv.imread（“H:/omr\u test\u 01.png”）
正确答案=['B'、'E'、'A'、'C'、'B']
crop_img=图像[157:975,42:330]
#打印（裁剪图像）
答案=[]
itr=0
对于范围（2）内的itr：
如果itr==0：
img1=作物产量（img）[0:818,0:120]
其他：
img1=作物的img[0:818167:288]
img1=cv.GaussianBlur（img1，（5,5），0）
img1=cv.Canny（IMG1100200）
img1=cv.自适应阈值（IMG1255，cv.自适应阈值平均值，cv.阈值二进制值，11,2）
img1=cv.自适应阈值（IMG1255，cv.自适应阈值平均值，cv.阈值二进制值，11,2）
img1=cv.自适应阈值（IMG1255，cv.自适应阈值平均值，cv.阈值二进制值，11,2）
img1=cv.自适应阈值（IMG1255，cv.自适应阈值平均值，cv.阈值二进制值，11,2）
img1=cv.自适应阈值（IMG1255，cv.自适应阈值平均值，cv.阈值二进制值，11,2）
img1=cv.GaussianBlur（img1，（5,5），0）
img=img1
img=等速历史（img）
cimg=cv.CVT颜色（img，cv.COLOR_GRAY2BGR）
打印（cimg）
img1=cv.Canny（IMG1100200）
img1=cv.Canny（IMG1100200）
img1=cv.Canny（img1,0255，cv.THRESH_BINARY_INV|cv.THRESH_OTSU）[1]
img1=cv.GaussianBlur（img1，（5,5,1）
img1=cv.GaussianBlur（img1，（5,5,1）
圆=cv.HOUGH圆（img，cv.HOUGH_梯度，1,10，参数1=50，参数2=50，最小半径=0，最大半径=0）
圆=np.uint16（np.around（圆））
k=0
对于圆[0，：]中的i：
等速圆（cimg，（i[0]，i[1]），2，（0255,0），3）
k=k+1
cv.waitKey（0）
cv.destroyAllWindows（）
对于范围（k）内的i：
答案。追加（圆圈[0][i][0]+圆圈[0][i][1]+圆圈[0][i][2]）
表=len（答案）
最终答案=[]
对于范围（0,5）内的i：
j=i
ind=0
索引=ind
索引=0
max=答案[j]
对于范围（i+1）内的j：
现在能用了吗？现在能用了吗？
import cv2 as cv
import numpy as np

image = cv.imread("H:/omr_test_01.png",0)
image1 = cv.imread("H:/omr_test_01.png")
correct_answers = ['B','E','A','C','B']

crop_img = image[157:975, 42:330]
#print(crop_img)
answers = []

itr = 0

for itr in range(2):
    if itr ==0:
        img1 = crop_img[0:818, 0:120]
    else:
        img1 = crop_img[0:818, 167:288]


img1 = cv.GaussianBlur(img1,(5,5),0)

img1 = cv.Canny(img1,100,200)

img1 = cv.adaptiveThreshold(img1,255,cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY,11,2)
img1 = cv.adaptiveThreshold(img1,255,cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY,11,2)
img1 = cv.adaptiveThreshold(img1,255,cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY,11,2)
img1 = cv.adaptiveThreshold(img1,255,cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY,11,2)
img1 = cv.adaptiveThreshold(img1,255,cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY,11,2)


img1 = cv.GaussianBlur(img1,(5,5),0)

img = img1
img = cv.equalizeHist(img)

cimg = cv.cvtColor(img,cv.COLOR_GRAY2BGR)
print(cimg)
img1 = cv.Canny(img1,100,200)
img1 = cv.Canny(img1,100,200)
img1 = cv.Canny(img1,0,255,cv.THRESH_BINARY_INV | cv.THRESH_OTSU)[1]
img1 = cv.GaussianBlur(img1,(5,5),1)
img1 = cv.GaussianBlur(img1,(5,5),1)

circles = cv.HoughCircles(img,cv.HOUGH_GRADIENT,1,10,param1=50,param2=50,minRadius=0,maxRadius=0)
circles = np.uint16(np.around(circles))
k=0
for i in circles[0,:]:
    cv.circle(cimg,(i[0],i[1]),2,(0,255,0),3)
    k = k+1

    cv.waitKey(0)
    cv.destroyAllWindows()


   for i in range(k):
        answers.append(circles[0][i][0]+circles[0][i][1]+circles[0][i][2])


sheet = len(answers)

final_answers = []
for i in range(0,5):
    j = i
    ind = 0
    index = ind
    index = 0
    max = answers[j]
    for j in range(i+1):
        if max<=answers[j]:
            max = answers[j]
            ind = ind+1
            index = ind
    if index == 0:
        final_answers.append('A')
    if index == 1:
        final_answers.append('B')
    if index == 2:
        final_answers.append('C')
    if index == 3:
        final_answers.append('D')
    if index == 4:
        final_answers.append('E')


mark = 0
itrr = len(final_answers)
for i in range(itrr):
    if final_answers[i]==correct_answers[i]:
        mark = mark+1
print(final_answers)
print(mark)


font = cv.FONT_HERSHEY_SIMPLEX

cv.putText(image1,'Marks:2/5', (20,450), font, 2,(0,0,255),3,cv.LINE_AA)
cv.imshow('marks',image1)
cv.waitKey(0)
cv.destroyAllWindows()