选票读票机（Vote Counting Machine）是用于自动化处理选举选票、快速统计投票结果的电子设备，核心功能包括：
选票识别：读取选票上的标记（如填涂、手写符号、条形码等），判断选民选择的候选人或选项。
数据统计：实时汇总选票数据，生成各候选人得票率、有效票 / 无效票数量等统计结果。
数据存储与导出：保存原始选票数据和统计结果，支持导出至选举管理系统或打印纸质报告。
异常检测：识别重复投票、空白票、多选票等异常情况，并标记或报错。
图像预处理：优化原始扫描数据
灰度化处理：将彩色图像转换为灰度图，突出标记与背景的亮度差异（如铅笔填涂区域灰度值较低）。
二值化转换：通过设定阈值（如灰度值低于 128 视为标记），将图像转化为黑白二值图，简化后续计算（例：填涂框内黑色像素占比≥30% 视为有效标记）。
噪声过滤：利用中值滤波、高斯滤波等算法，消除纸张污渍、折叠阴影等干扰（如去除面积小于 10 像素的孤立黑点）。
几何校正：通过检测选票边缘的定位标记（如 registration marks），校正因传送歪斜导致的图像旋转或缩放，确保标记位置与预设模板对齐。
特征提取与判断：识别选民的选择意图
根据选票标记类型（填涂、勾选、手写符号等），算法采用不同的特征提取策略：
（1）填涂标记识别（常见场景）
面积占比法：计算填涂框内黑色像素占比，超过阈值（如 30%-50%）则判定为有效选择。
例：选民使用 2B 铅笔填涂候选人 A 的方框，扫描后该区域黑色像素占比达 45%，算法判定为有效投票。
边缘检测法：通过 Canny 或 Sobel 算子检测填涂区域的边缘轮廓，与标准填涂形状（如矩形、圆形）比对，排除不规则标记（如笔尖打滑形成的短线）。
浓度梯度分析：填涂越均匀的区域，灰度值分布越集中，算法可通过统计像素灰度方差来区分 “认真填涂” 与 “轻微触碰”。
（2）勾选或手写符号识别
形态学分析：通过膨胀、腐蚀等形态学运算，将勾选符号（√）或手写标记（如 “○”）转换为标准形状，再与预设模板匹配。
方向特征提取：对于斜线标记（如 “/”），计算像素分布的梯度方向，判断是否符合 “勾选” 的典型角度（如 45° 或 135°）。
（3）异常标记检测
多选判定：同一候选区域内检测到多个标记（如同时填涂两个候选人框），或单票标记数超过规定（如总统选举多选 1 人），则判定为无效票。
空白票识别：所有候选区域标记面积均低于阈值，判定为未投票。
4. 结果验证与输出：确保计数准确性
重复校验：对关键标记区域进行多次扫描（如两次独立图像采集），结果一致才确认有效。
人工复核接口：对算法判定存疑的选票（如填涂面积接近阈值、标记形状模糊），生成图像供选举工作人员人工审核（如美国部分州要求对 “争议票” 进行人工查验）。
数据输出：将识别结果转换为结构化数据（如候选人 ID、得票数），同步至中央数据库或打印纸质统计表。
系统介绍：
投票选举系统（扫描仪版）与电子投票箱计票原理一致，具有更轻便、灵活的特点。适用于小型选举会议、分团选举或其他投票地点不集中的场景。
民主选举，特别是无记名投票，一般要具有机密性、性、可靠性、准确性、实用性和易操作性。
在企事业单位中，民主选举需要处理大量的数据。如果用人工去处理，不但费时费力，而且难以做好真实、公平，这些工作的成果也缺乏说服力。
如果采用高速扫描仪智能识别来读卡，然后配合能对数据作分析处理的投票选举统计软件，组成民主投票选举系统，不仅能大大降低统计得票数和有效票据的工作量，省时省力、快速准确，还能够消除投票人的思想顾虑，和减少其它不必要的人为因素干扰，使选举符合公平、公正、公开的标准。
采用高速扫描仪读选票的方式。现场联机阅读，多种选票混读。使用方便、识别准确，准确率，无误差。阅读、统计速度快。 在软件读卡过程中，可以根据用户的设定设置为多选无效、不选弃票等选项,自动统计总票数多少、有效票多少。可根据用户需求定义涂卡图像的识别如“√”、“O”。