圖像預(yù)處理：優(yōu)化原始掃描數(shù)據(jù)

灰度化處理：將彩色圖像轉(zhuǎn)換為灰度圖，突出標(biāo)記與背景的亮度差異（如鉛筆填涂區(qū)域灰度值較低）。

二值化轉(zhuǎn)換：通過(guò)設(shè)定閾值（如灰度值低于 128 視為標(biāo)記），將圖像轉(zhuǎn)化為黑白二值圖，簡(jiǎn)化后續(xù)計(jì)算（例：填涂框內(nèi)黑色像素占比≥30% 視為有效標(biāo)記）。

噪聲過(guò)濾：利用中值濾波、高斯濾波等算法，消除紙張污漬、折疊陰影等干擾（如去除面積小于 10 像素的孤立黑點(diǎn)）。

幾何校正：通過(guò)檢測(cè)選票邊緣的定位標(biāo)記（如 registration marks），校正因傳送歪斜導(dǎo)致的圖像旋轉(zhuǎn)或縮放，確保標(biāo)記位置與預(yù)設(shè)模板對(duì)齊。

標(biāo)記區(qū)域定位：鎖定選票上的有效選擇區(qū)

模板匹配：讀票機(jī)內(nèi)置選票格式模板，通過(guò)檢測(cè)預(yù)設(shè)的定位點(diǎn)（如角點(diǎn)、條形碼）確定候選人選項(xiàng)框、政黨符號(hào)等區(qū)域的坐標(biāo)范圍。

興趣區(qū)域（ROI）劃分：將選票圖像分割為多個(gè)獨(dú)立 ROI（如每個(gè)候選人對(duì)應(yīng)一個(gè)矩形區(qū)域），減少全局分析的計(jì)算量。

示例：美國(guó)大選使用的 “蝶形選票”（Butterfly Ballot）中，讀票機(jī)通過(guò)模板定位左右兩列候選人姓名旁的填涂框，避免因選民誤填相鄰區(qū)域?qū)е抡`判。

選票預(yù)處理：通過(guò)紅外光源掃描選票，生成灰度圖像，同時(shí)檢測(cè)選票邊緣的定位孔（registration holes）以校準(zhǔn)位置。

區(qū)域劃分：根據(jù)選票模板，將圖像劃分為總統(tǒng)候選人區(qū)、參議員區(qū)、公投議題區(qū)等獨(dú)立 ROI。

填涂分析：對(duì)每個(gè)候選人對(duì)應(yīng)的橢圓填涂框，計(jì)算黑色像素占比，超過(guò) 35% 則判定為有效投票。

異常標(biāo)記處理：若同一總統(tǒng)候選人區(qū)檢測(cè)到 2 個(gè)及以上有效填涂，系統(tǒng)標(biāo)記為 “多選票”（overvote），該區(qū)域投票無(wú)效。

數(shù)據(jù)同步：每臺(tái)讀票機(jī)實(shí)時(shí)將計(jì)數(shù)結(jié)果通過(guò)加密網(wǎng)絡(luò)傳輸至選區(qū)服務(wù)器，同時(shí)保存原始圖像供事后審計(jì)（如 2020 年佐治亞州重新計(jì)票時(shí)，人工核對(duì)了掃描圖像與紙質(zhì)選票）。

爭(zhēng)議票處理機(jī)制

可視化復(fù)核界面：讀票機(jī)軟件提供選票圖像放大、灰度值可視化工具（如用熱力圖顯示填涂濃度），工作人員可手動(dòng)標(biāo)記 “有效”“無(wú)效” 或 “待確認(rèn)”（如加拿大聯(lián)邦選舉中，人工復(fù)核團(tuán)隊(duì)通過(guò)專(zhuān)用軟件處理爭(zhēng)議票）。

多輪仲裁流程：對(duì)人工復(fù)核仍存爭(zhēng)議的選票（如填涂面積剛好卡在閾值邊緣），由選區(qū)選舉委員會(huì) 3 名成員投票決定，需至少 2 票同意方可判定有效性。