-
Notifications
You must be signed in to change notification settings - Fork 0
/
app.py
308 lines (258 loc) · 12.4 KB
/
app.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
"""
app.py
Este archivo contiene el código principal de la aplicación.
También se encarga de procesar las imágenes de los documentos de respuestas.
"""
import os
import time
import re
import pandas as pd
import numpy as np
import cv2
import pytesseract
import streamlit as st
from page import process_page
from constants import DESCRIPTION
# INSTALA pytesseract y pon la ruta de tesseract.exe
#pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
# Guardar los datos de los estudiantes en un archivo CSV
def save_to_csv(data, filename="student_data.csv"):
df = pd.DataFrame(data)
df.to_csv(filename, index=False)
# Cargar los datos de los estudiantes desde un archivo CSV
def load_from_csv(filename="student_data.csv"):
if os.path.exists(filename):
return pd.read_csv(filename)
return pd.DataFrame(columns=["Nombre", "Puntaje", "Porcentaje"])
# Sidebar
st.sidebar.title("Menú")
page = st.sidebar.radio("Opciones", ["Inicio", "Logs"])
# Guardar los estados de la sesión.
# if 'correct_answers' not in st.session_state:
# st.session_state['correct_answers'] = None
# if 'uploaded_correct_answers' not in st.session_state:
# st.session_state['uploaded_correct_answers'] = False
# if 'answers' not in st.session_state:
# st.session_state['answers'] = []
# if 'papers' not in st.session_state:
# st.session_state['papers'] = []
# if 'uploaded_answer_sheets' not in st.session_state:
# st.session_state['uploaded_answer_sheets'] = False
# if 'uploaded_correct_answers_file' not in st.session_state:
# st.session_state['uploaded_correct_answers_file'] = None
# if 'uploaded_files' not in st.session_state:
# st.session_state['uploaded_files'] = None
# if 'results' not in st.session_state:
# st.session_state['results'] = []
default_values = {
'correct_answers': None,
'uploaded_correct_answers': False,
'answers': [],
'papers': [],
'uploaded_answer_sheets': False,
'uploaded_correct_answers_file': None,
'uploaded_files': None,
'results': []
}
# Initialize session state keys with default values if they do not exist
for key, value in default_values.items():
if key not in st.session_state:
st.session_state[key] = value
def sort_clockwise(points):
mx = sum(point[0] for point in points) / 4
my = sum(point[1] for point in points) / 4
return sorted(points, key=lambda x: (np.arctan2(x[0] - mx, x[1] - my) + 0.5 * np.pi) % (2 * np.pi), reverse=True)
def process_image(image_file):
"""
Procesa una imagen de un documento de respuestas.
Para ello se utiliza la detección de contornos.
Revise el archivo page.py para más detalles de la función process_page.
@Parámetros:
image_file (file): La imagen del documento de respuestas. (file object)
Returns:
tuple: La tupla contiene los siguientes elementos:
- answers (list): Respuestas extraídas.
- paper (array): Imagen con la perspectiva corregida.
"""
image = cv2.imdecode(np.frombuffer(image_file.read(), np.uint8), 1)
ratio = len(image[0]) / 500.0
original_image = image.copy()
image = cv2.resize(image, (0, 0), fx=1 / ratio, fy=1 / ratio)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
gray = cv2.bilateralFilter(gray, 11, 17, 17)
edged = cv2.Canny(gray, 250, 300)
contours, _ = cv2.findContours(
edged.copy(), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
contours = sorted(contours, key=cv2.contourArea, reverse=True)[:10]
biggest_contour = None
for contour in contours:
peri = cv2.arcLength(contour, True)
approx = cv2.approxPolyDP(contour, 0.02 * peri, True)
if len(approx) == 4:
biggest_contour = approx
break
points = []
desired_points = np.float32([[0, 0], [425, 0], [425, 550], [0, 550]])
if biggest_contour is not None:
for i in range(0, 4):
points.append(biggest_contour[i][0])
if len(points) != 4:
test = process_page(image)
st.info("No se detectó un contorno válido en la imagen. Se procederá a procesar la imagen.")
#st.error("No se pudo detectar un contorno válido en la imagen.")
#st.image(original_image, caption="Documento con respuestas")
return test
#return None, None, None
points = sort_clockwise(points)
points = np.float32(points) * ratio
M = cv2.getPerspectiveTransform(points, desired_points)
# Corregir la perspectiva de la imagen
paper = cv2.warpPerspective(original_image, M, (425, 550))
answers, paper, codes = process_page(paper)
return answers, paper, codes
def compare_answers(student_answers, correct_answers):
if student_answers is None or correct_answers is None:
st.error("Las listas de respuestas están vacías")
return 0
if len(student_answers) != len(correct_answers):
raise ValueError(
"Las listas de respuestas tienen longitudes diferentes")
return sum(1 for s, c in zip(student_answers, correct_answers) if s == c)
# Devuelve un mensaje toast
def toasty():
st.toast("Respuestas correctas cargadas correctamente.", icon="✅")
time.sleep(2)
def extract_name(image):
"""
Extrae el nombre de la sección de encabezado del documento utilizando OCR.
Básicamente lee el texto en la parte superior de la imagen (10% de la altura).
Luego se pasa a escala de grises y se aplica OCR. Y finalmente se limpia el texto.
Parámetros:
image (array): La imagen del documento.
Returns:
str: El nombre detectado en la imagen.
"""
height, width = image.shape[:2]
header_section = image[:int(0.1 * height), :]
gray_header = cv2.cvtColor(header_section, cv2.COLOR_BGR2GRAY)
name = pytesseract.image_to_string(gray_header)
name = re.sub(r'[^\d-]+', '', name)
return name.strip()
# Home Page
if page == "Inicio":
# st.markdown("# 🧪 Sistema De Calificación")
st.markdown(
'')
st.markdown(DESCRIPTION)
st.markdown("`Para reinicar la sesión, presiona Ctlr + R`")
st.markdown("---")
# File uploaders
correct_answers_file = st.file_uploader("Selecciona el archivo con las respuestas correctas", type=[
"jpg", "jpeg", "png"], key="correct_answers_file")
uploaded_files = st.file_uploader("Selecciona uno o varios documentos a corregir", type=[
"jpg", "jpeg", "png"], key="answer_sheet", accept_multiple_files=True)
# Resetear la sesión si se sube un nuevo archivo de respuestas correctas
if correct_answers_file is None and st.session_state['uploaded_correct_answers_file'] is not None:
st.session_state['uploaded_correct_answers'] = False
st.session_state['uploaded_correct_answers_file'] = None
st.session_state['correct_answers'] = None
st.session_state['correct_answers_paper'] = None
if uploaded_files is None and st.session_state['uploaded_files'] is not None:
st.session_state['uploaded_files'] = None
st.session_state['results'] = []
# Procesa el archivo con las respuestas correctas
if correct_answers_file and not st.session_state['uploaded_correct_answers']:
st.session_state.uploaded_correct_answers_file = correct_answers_file
answers, paper, _ = process_image(correct_answers_file)
if answers is not None and answers != -1:
st.session_state.correct_answers = answers
st.session_state['uploaded_correct_answers'] = True
st.session_state['correct_answers_paper'] = paper
st.image(paper, caption="Documento con respuestas correctas",
use_column_width=True)
toasty()
st.write(f"Respuestas correctas: {answers}")
else:
st.error("Error al procesar el documento con respuestas correctas.")
elif st.session_state['uploaded_correct_answers'] and st.session_state['correct_answers_paper'] is not None:
st.image(st.session_state['correct_answers_paper'],
caption="Documento con respuestas correctas", use_column_width=True)
st.write(
f"Respuestas correctas: {st.session_state['correct_answers']}")
# Procesa los archivos de respuestas de los estudiantes
if uploaded_files:
st.session_state.uploaded_files = uploaded_files
st.session_state.results = []
for uploaded_file in uploaded_files:
answers, paper, _ = process_image(uploaded_file)
if answers is not None and answers != -1 and st.session_state['correct_answers'] is not None:
name = extract_name(paper)
score = compare_answers(
answers, st.session_state['correct_answers'])
percentage = (
score / len(st.session_state['correct_answers'])) * 100
trimmed_percentage = f"{percentage:.1f}"
st.session_state.results.append(
(paper, answers, score, trimmed_percentage, name))
else:
st.session_state.results.append(
(None, None, None, "Error", None))
if st.session_state.results:
student_data = []
st.session_state['answers'] = [result[1]
for result in st.session_state.results]
st.session_state['papers'] = [result[0]
for result in st.session_state.results]
st.session_state['uploaded_answer_sheets'] = True
cols = st.columns(3)
for idx, (paper, answers, score, percentage, name) in enumerate(st.session_state.results):
if paper is not None:
student_data.append(
{"Nombre": name, "Puntaje": score, "Porcentaje": percentage})
with cols[idx % 3]:
st.image(
paper, caption=f"Documento {idx+1}", use_column_width=True)
if name == "":
name = "?"
st.write(f"Matricula: {name}")
st.write(f"Respuestas: {answers}")
st.write(f"Puntaje: {score}")
st.metric("Porcentaje", f"{percentage}%", "0%")
else:
st.error(
f"Error al procesar el documento {idx+1}. Por favor, sube un documento válido de respuestas.")
# Exporta los datos de los estudiantes a un archivo CSV
save_to_csv(student_data)
df = pd.DataFrame(student_data)
st.markdown("### Resultados de los estudiantes")
if not df.empty:
st.bar_chart(df.set_index("Nombre")["Puntaje"], color='#ff4b4b')
# Logs Page
elif page == "Logs":
st.markdown(
"")
df = load_from_csv()
# st.button("Limpiar la tabla de datos", on_click=save_to_csv(pd.DataFrame(columns=["Nombre", "Puntaje", "Porcentaje"])))
if not df.empty:
st.markdown("### Datos de los estudiantes")
edited_df = st.data_editor(df, num_rows="dynamic")
# Check if the DataFrame has been edited
if not edited_df.equals(df):
save_to_csv(edited_df)
df = edited_df # Update the DataFrame with the edited data
st.markdown("### Estadísticas generales")
average_score = df["Puntaje"].mean()
max_score = df["Puntaje"].max()
min_score = df["Puntaje"].min()
st.write(f"Puntaje promedio: {average_score:.2f}")
st.write(f"Puntaje máximo: {max_score}")
st.write(f"Puntaje mínimo: {min_score}")
st.markdown("### Distribución de puntajes")
st.bar_chart(df["Puntaje"], color='#ff4b4b')
st.markdown("### Porcentaje de puntajes")
st.line_chart(df["Porcentaje"], color='#ff4b4b')
st.markdown("### Distribución de nombres")
name_counts = df["Nombre"].value_counts()
st.bar_chart(name_counts, color='#ff4b4b')
else:
st.info("No hay datos disponibles. Suba documentos para generar estadísticas.")