電子觸摸屏讀票機（Electronic Touchscreen）

原理：選民直接在觸摸屏上選擇候選人，機器實時記錄數(shù)據(jù)并生成電子選票。

特點：

操作直觀，減少人工誤差，但依賴電力和系統(tǒng)穩(wěn)定性。

存在黑客攻擊或系統(tǒng)故障風險，需配合紙質備份（如 “選民驗證紙質審計軌跡” VVPAT）。

應用場景：美國部分州、巴西等電子化選舉場景。

圖像預處理：優(yōu)化原始掃描數(shù)據(jù)

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

二值化轉換：通過設定閾值（如灰度值低于 128 視為標記），將圖像轉化為黑白二值圖，簡化后續(xù)計算（例：填涂框內黑色像素占比≥30% 視為有效標記）。

噪聲過濾：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）。

幾何校正：通過檢測選票邊緣的定位標記（如 registration marks），校正因傳送歪斜導致的圖像旋轉或縮放，確保標記位置與預設模板對齊。

標記區(qū)域定位：鎖定選票上的有效選擇區(qū)

模板匹配：讀票機內置選票格式模板，通過檢測預設的定位點（如角點、條形碼）確定候選人選項框、政黨符號等區(qū)域的坐標范圍。

興趣區(qū)域（ROI）劃分：將選票圖像分割為多個獨立 ROI（如每個候選人對應一個矩形區(qū)域），減少全局分析的計算量。

示例：美國大選使用的 “蝶形選票”（Butterfly Ballot）中，讀票機通過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)域導致誤判。

典型技術挑戰(zhàn)與解決方案

挑戰(zhàn)場景 技術應對措施

不同墨水的反光差異 - 采用多光譜光源（如紅光 + 紅外光），針對不同墨水（鉛筆、藍黑墨水、熒光筆）調整檢測波長。

- 機器學習模型訓練：用歷史數(shù)據(jù)訓練分類器，區(qū)分不同墨水材質的標記。

選票折疊或污漬干擾 - 圖像修復算法：通過插值法填充折疊造成的圖像缺失區(qū)域。

- 污漬識別模型：用深度學習區(qū)分 “人為標記” 與 “自然污漬”（如咖啡漬形狀通常更不規(guī)則）。

非標準填涂（如超框、輕描） - 彈性閾值設定：根據(jù)填涂中心位置，允許標記超出框線一定范圍（如框線外 5 像素內仍算有效）。

- 概率化判定：結合填涂位置、面積、濃度等多維度特征，給出 “有效概率”（如 80% 概率為有效標記），而非非黑即白的判斷。

選票格式變更（如新版選票） - 動態(tài)模板配置：允許管理員導入新選票模板，自動更新 ROI 區(qū)域坐標與標記規(guī)則，無需修改底層算法。