選票讀票機（Vote Counting Machine）是用于自動化處理選舉選票、快速統計投票結果的電子設備，核心功能包括：
選票識別：讀取選票上的標記（如填涂、手寫符號、條形碼等），判斷選民選擇的候選人或選項。
數據統計：實時匯總選票數據，生成各候選人得票率、有效票 / 無效票數量等統計結果。
數據存儲與導出：保存原始選票數據和統計結果，支持導出至選舉管理系統或打印紙質報告。
異常檢測：識別重復投票、空白票、多選票等異常情況，并標記或報錯。
選票讀票機是現代選舉數字化的核心工具，其技術演進始終圍繞 “效率、準確、” 三大目標。盡管存在技術爭議，但通過標準化流程、多重審計機制和技術迭代，讀票機正逐步成為保障選舉公正的重要支撐。在應用中，需結合地區電子化水平、選民習慣及需求，選擇適配的技術方案，同時強化人工監督與法律規范，確保技術為民主選舉賦能。
標記區域定位：鎖定選票上的有效選擇區
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、政黨符號等區域的坐標范圍。
興趣區域（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域導致誤判。
特征提取與判斷：識別選民的選擇意圖
根據選票標記類型（填涂、勾選、手寫符號等），算法采用不同的特征提取策略：
（1）填涂標記識別（常見場景）
面積占比法：計算填涂框內黑色像素占比，超過閾值（如 30%-50%）則判定為有效選擇。
例：選民使用 2B 鉛筆填涂候選人 A 的方框，掃描后該區域黑色像素占比達 45%，算法判定為有效投票。
邊緣檢測法：通過 Canny 或 Sobel 算子檢測填涂區域的邊緣輪廓，與標準填涂形狀（如矩形、圓形）比對，排除不規則標記（如筆尖打滑形成的短線）。
濃度梯度分析：填涂越均勻的區域，灰度值分布越集中，算法可通過統計像素灰度方差來區分 “認真填涂” 與 “輕微觸碰”。
（2）勾選或手寫符號識別
形態學分析：通過膨脹、腐蝕等形態學運算，將勾選符號（√）或手寫標記（如 “○”）轉換為標準形狀，再與預設模板匹配。
方向特征提?。簩τ谛本€標記（如 “/”），計算像素分布的梯度方向，判斷是否符合 “勾選” 的典型角度（如 45° 或 135°）。
（3）異常標記檢測
多選判定：同一候選區域內檢測到多個標記（如同時填涂兩個候選人框），或單票標記數超過規定（如總統選舉多選 1 人），則判定為無效票。
空白票識別：所有候選區域標記面積均低于閾值，判定為未投票。
4. 結果驗證與輸出：確保計數準確性
重復校驗：對關鍵標記區域進行多次掃描（如兩次獨立圖像采集），結果一致才確認有效。
人工復核接口：對算法判定存疑的選票（如填涂面積接近閾值、標記形狀模糊），生成圖像供選舉工作人員人工審核（如美國部分州要求對 “爭議票” 進行人工查驗）。
數據輸出：將識別結果轉換為結構化數據（如候選人 ID、得票數），同步至中央數據庫或打印紙質統計表。
