📝 Optik Form Okuyucu ve Puanlama Sistemi

(Optical Mark Recognition – OMR)

Bu proje, Python ve OpenCV kullanarak optik formları (test/sınav kâğıtları) okuyan, cevapları algılayan, otomatik puanlayan ve sonuçları Excel (.xlsx) dosyasına kaydeden bir görüntü işleme uygulamasıdır.

Önemli Not: Sistem, ışık değişimleri ve gölgelerden etkilenmemek için Bağıl Koyuluk Algoritması (Relative Darkness Intensity) kullanır. Sabit eşik yerine satır içi karşılaştırma yapar.

---

🚀 Özellikler

• 📷 Otomatik Algılama: Kâğıdın köşe noktalarını bulur ve perspektif düzeltmesi (Bird’s Eye View) uygular.

• 🧠 Akıllı Cevap Okuma: Her soruda en koyu şıkkı tespit eder; gölgeli/heterojen ışıkta dahi yüksek doğruluk sağlar.

• ✍️ Görsel İşaretleme:

  • ✅ Doğru cevaplar Yeşil
  • ❌ Yanlış cevaplar Kırmızı
  • 🔵 Yanlış yapılan sorunun doğru şıkkı Mavi

• 📊 Raporlama: Öğrenci numarası, doğru/yanlış sayıları ve puan; hem görüntü üzerine yazılır hem de Excel dosyasına eklenir.

• 🛡️ Hata Kontrolü: Boş bırakılan ve çoklu işaretlenen sorular tespit edilir.

---

🛠️ Kurulum

1️⃣ Projeyi Klonlayın

git clone https://github.com/halilbsp/optik-form-okuyucu.git
cd optik-form-okuyucu

2️⃣ Gerekli Kütüphaneleri Yükleyin

pip install -r requirements.txt

Alternatif manuel kurulum:

pip install opencv-python numpy matplotlib pandas openpyxl

---

💻 Kullanım

1. Okunacak optik form görselini proje klasörüne ekleyin (örn. cevap.jpeg).
2. optik_form_excel.ipynb dosyasını çalıştırın:

optik_form_excel.ipynb

📌 Çıktılar

• İşlenmiş ve puanlanmış görsel: Sonuc_<ogrenci_no>.jpg
• Excel raporu: Sinav_Sonuclari.xlsx

---

📂 Proje Yapısı

├── optik_form_excel.ipynb # Ana kaynak kod
├── cevap.jpeg             # Okunacak örnek optik form
├── Sinav_Sonuclari.xlsx   # Otomatik oluşturulan Excel raporu
├── Sonuc_2212506062.jpg   # Örnek işlenmiş çıktı
├── requirements.txt       # Bağımlılıklar
└── README.md              # Proje dokümantasyonu

---

⚙️ Algoritma Mantığı

1. Ön İşleme: Görüntü gri tonlamaya çevrilir ve Gaussian Blur uygulanır.
2. Kenar Tespiti: Canny algoritması ile kâğıdın dış hatları bulunur.
3. Perspektif Düzeltme: Dört köşe tespit edilerek kuş bakışı görünüme dönüştürülür.
4. Daire Tespiti: Hough Circle Transform ile şık daireleri algılanır.
5. Sıralama & Gruplama: Daireler satır (soru) ve sütun (şık) bazında sıralanır.
6. Cevap Analizi: Her şıkkın piksel yoğunluğu ölçülür; satırdaki en koyu alan işaretli kabul edilir.
7. Puanlama: Sonuçlar cevap anahtarıyla karşılaştırılır ve Excel’e yazılır.

---

📸 Ekran Görüntüleri

---

🤝 Katkıda Bulunma

1. Bu projeyi Fork’layın.

2. Yeni bir dal oluşturun:

   git checkout -b feature/YeniOzellik

3. Değişikliklerinizi commit edin:

   git commit -m "Yeni özellik eklendi"

4. Dalınızı push edin:

   git push origin feature/YeniOzellik

5. Pull Request oluşturun.

---

🎓 Teşekkür

Bu proje, Dijital Görüntü Çözümleme dersi kapsamında geliştirilmiştir. Değerli katkıları ve rehberliği için Furkan Atlan hocama teşekkür ederim.

---

👨‍💻 Geliştirici

Halil BAŞPINAR

www.linkedin.com/in/halil-başpınar-0a7478384