📄 Cahier des Charges – Application de Lecture de QCM avec OpenCV

📚 Table des Matières

• 🔍 Introduction
• 🎯 Objectifs du Projet
• 🛠️ Outils Utilisés
• ⚙️ Fonctionnalités
• 📐 Spécifications Techniques
• 🚀 Améliorations Futures

🔍 Introduction

Ce projet a pour but de développer une application capable d’extraire automatiquement les réponses des étudiants à partir de QCM (Questionnaires à Choix Multiples) scannés ou en format PDF. Grâce à Python et à la bibliothèque OpenCV, cette application vise à automatiser la correction et faciliter le travail des enseignants.

🎯 Objectifs du Projet

• Automatiser l'extraction des réponses depuis des fichiers PDF de QCM.
• Utiliser le traitement d’image et l’OCR pour détecter et lire les réponses.
• Proposer une interface simple (ligne de commande).
• Obtenir une reconnaissance fiable et rapide des informations.

🛠️ Outils Utilisés

Langage de Programmation

• Python 3.x

Bibliothèques Principales

• OpenCV – Traitement d'image
• NumPy – Manipulation de matrices
• PyTesseract – OCR (Reconnaissance Optique de Caractères)
• PyMuPDF (fitz) – Lecture des fichiers PDF
• PyPDF2 – Manipulation des fichiers PDF

⚙️ Fonctionnalités

Interface Utilisateur (CLI)

Menu Principal

• 1 – Traiter tous les QCMs d’un dossier prédéfini
• 2 – Accéder aux fonctions avancées
• 3 – Quitter

Menu Secondaire

• 1 – Sélectionner un QCM individuel
• 9 – Retour au menu principal

Menu Tertiaire

• 1 – Extraire les informations de l’étudiant
• 2 – Extraire les réponses de l’étudiant
• 9 – Retour au menu principal

Fonctionnalités Techniques

• Extraction de pages PDF
• Amélioration d’image (ex. redressement, contraste)
• Reconnaissance OCR avec PyTesseract
• Stockage des résultats pour une analyse ultérieure

Fonctions Clés

• haute_qualite() – Améliore la lisibilité des images
• afficher_infos() – Extrait les informations de l’étudiant
• afficher_reponses() – Extrait les réponses choisies

📐 Spécifications Techniques

Configuration Requise

• Matériel : PC classique avec Python installé
• Logiciel : Python 3.x, bibliothèques listées ci-dessus

Exigences de Performance

• Précision OCR : ≥ 95 %
• Temps de traitement : ≤ 2 minutes par QCM

🚀 Améliorations Futures

• 🔎 Amélioration de la précision OCR
• 🧠 Correction automatique des réponses
• 🖥️ Ajout d’une interface graphique (GUI)
• 📊 Gestion et stockage des résultats
• ⚡ Optimisation des performances