CN104134072A - 一种答题卡识别方法 - Google Patents
一种答题卡识别方法 Download PDFInfo
- Publication number
- CN104134072A CN104134072A CN201410317803.XA CN201410317803A CN104134072A CN 104134072 A CN104134072 A CN 104134072A CN 201410317803 A CN201410317803 A CN 201410317803A CN 104134072 A CN104134072 A CN 104134072A
- Authority
- CN
- China
- Prior art keywords
- full
- filling
- image
- answer sheet
- summit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Character Input (AREA)
Abstract
本发明涉及一种答题卡识别方法,所述方法包括如下步骤:动态过滤获取答题卡彩色图像;图像灰度化处理;判断灰度图像是否为“黑色”图像的处理;局部阈值二值化处理;在二值图像上找面积最大且大于一定阈值、四个内角近似直角的凸四边形处理;倾斜和透视变形矫正处理;截取矩形区域、归一化图像处理;学号识别;试卷号识别;答案识别。由于移动终端的便携性,使用移动终端摄像头扫描答题卡并使用相关算法进行识别的研究,变得非常有意义,能明显提高教师工作效率,能对教学工作提供很大的帮助。答题卡识别方法还可以被借鉴应用于调查问卷、投票等信息卡的识别统计处理,具有相当广泛的应用价值。
Description
技术领域
本发明涉及一种答题卡识别方法,需要用到移动智能终端调用摄像头扫描技术、数字图像处理以及模式识别技术。
背景技术
根据答题卡图像输入设备的不同,一般有摄像头阅卷系统、扫描仪阅卷系统和数码相机阅卷系统三种类型。
数码相机阅卷系统操作不方便,相关文献报道较少。实用的扫描仪阅卷系统一般使用带自动进纸器的高档扫描仪,但是个人购买这种高价扫描仪并不是个人首选。文献报道的摄像头阅卷系统一般不用智能移动终端摄像头作为答题卡图像的输入设备,携带不方便。
目前,使用移动终端摄像头作为答题卡图像的输入设备的技术报道很少;而且,其中一些方法要求使用黑色签字笔填涂,不允许使用2B铅笔,限制了方法的实用。
发明内容
智能移动终端摄像头扫描识别答题卡方法需要解决四个技术问题:
(1)对学号和试卷号的填涂要求:如果学号和试卷号有一位未填涂或多选填涂的话,要有拒绝继续进行识别的机制。必须保证识别出来的学号和试卷号每一位都被单选填涂。
(2)对倾斜透视变形图像的处理:使用移动终端摄像头得到的答题卡图像不仅会发生倾斜,还会发生透视变形。
(3)对光照不均的处理:答题卡识别方法必须适应各种光照条件的变化。
(4)图像大小不一的处理:由于拍摄距离不固定,使用移动终端摄像头扫描答题卡获得的图像大小不一。
本发明对这四个技术问题给出了较好的解决方案,具备一定的实用性。
本发明涉及一种答题卡识别方法,所述方法包括如下步骤:动态过滤获取答题卡彩色图像;图像灰度化处理;判断灰度图像是否为“黑色”图像的处理;局部阈值二值化处理;在二值图像上找面积最大且大于一定阈值、四个内角近似直角的凸四边形处理;倾斜和透视变形矫正处理;截取矩形区域、归一化图像处理;学号识别;试卷号识别;答案识别。
本发明技术方案带来的有益效果如下:
目前的智能移动终端都配有摄像头,而且其分辨率和成像能力都较强,不亚于一般的数码相机。由于移动终端的便携性,使用移动终端摄像头扫描答题卡并使用相关算法进行识别的研究,变得非常有意义,能明显提高教师工作效率,能对教学工作提供很大的帮助。
答题卡识别方法还可以被借鉴应用于调查问卷、投票等信息卡的识别统计处理,具有相当广泛的应用价值。
附图说明
通过参照附图更详细地描述本发明的示例性实施例,本发明的以上和其它方面及优点将变得更加易于清楚,在附图中:
图1为本发明的一种答题卡识别方法的整体流程图;
图2为本发明的一种答题卡识别方法的图像灰度化流程图;
图3为本发明的一种答题卡识别方法的判断灰度图像是否为“黑色”图像流程图;
图4为本发明的一种答题卡识别方法的二值化处理流程图;
图5为本发明的一种答题卡识别方法的在二值图像上找面积最大且大于一定阈值、四个内角近似直角的凸四边形的流程图;
图6为答题卡上学号区域示意图;
图7为答题卡上试卷号区域示意图;
图8为答题卡上答案填涂区域示意图;
图9为本发明所采用的硬件结构图;
图10为应用本发明取得的实际效果示意图之原始图;
图11为应用本发明取得的实际效果示意图之二值图像;
图12为应用本发明取得的实际效果示意图之截图归一化二值图像;
图13为应用本发明取得的实际效果示意图之截图归一化二值图像填涂点定位;
图14为应用本发明取得的实际效果示意图之前30道题识别结果。
具体实施方式
在下文中,现在将参照附图更充分地描述本发明,在附图中示出了各种实施例。然而,本发明可以以许多不同的形式来实施,且不应该解释为局限于在此阐述的实施例。相反,提供这些实施例使得本公开将是彻底和完全的,并将本发明的范围充分地传达给本领域技术人员。
在下文中,将参照附图更详细地描述本发明的示例性实施例。
本发明实施例公开了一种答题卡识别方法,涉及了图像处理和模式识别领域,使用带有摄像头的智能移动终端动态过滤获取答题卡图像,然后进行学号、试卷号和答案等填涂信息的识别。本发明的方法包括:动态过滤获取答题卡彩色图像;图像灰度化处理;判断灰度图像是否为“黑色”图像的处理;局部阈值二值化处理;在二值图像上找面积最大且大于一定阈值、四个内角近似直角的凸四边形处理;倾斜和透视变形矫正处理;截取矩形区域、归一化图像处理;学号识别;试卷号识别;答案识别。本发明实施例主要用于带有摄像头智能移动终端对答题卡填涂信息进行识别的过程中。
方法整体流程图见图1。
使用智能移动终端摄像头扫描答题卡,可以获得一帧真彩色图像。对这幅真彩色图像有如下几个处理:
(1)、图像灰度化;
(2)、判断灰度图像是否为“黑色”图像;
(3)、二值化处理;
(4)、在二值图像上找面积最大且大于一定阈值、四个内角近似直角的凸四边形;
(5)、倾斜和透视变形矫正;
(6)、截取、归一化图像;
(7)、学号识别;
(8)、试卷号识别;
(9)、答案识别。
处理(2)、(4)、(7)和(8)是过滤处理,如果返回假,将继续使用智能移动终端摄像头对答题卡进行扫描,获得下一帧彩色图像依次进行(1)至(9)的处理,直至对某帧图像进行处理时4个过滤处理都返回真为止,随后会输出学号、试卷号和答案的识别结果。(1)至(9)的处理流程详述如下。
(1)、图像灰度化流程图如图2所示。
(2)、判断灰度图像是否为“黑色”图像流程图如图3所示。
(3)、二值化处理流程图如图4所示。
(4)、在二值图像上找面积最大且大于一定阈值、四个内角近似直角的凸四边形的流程图如图5所示。
在二值图像上找到面积最大且大于一定阈值、四个内角近似直角的凸四边形ConvexQuadrilateral后,计算这个凸四边形ConvexQuadrilateral的质心centroid的坐标。凸四边形四个顶点按次序表示后,四个顶点的次序是:第1个顶点在质心centroid的左上,第2个顶点在质心centroid的右上,第3个顶点在质心centroid的左下,第4个顶点在质心centroid的右下。
(5)、倾斜和透视变形矫正:
输入:①二值图像binaryimage
②凸四边形ConvexQuadrilateral的4个有序顶点坐标p1、p2、p3、p4
输出:变形矫正后的二值图像binaryimagepiepie
步骤1:凸四边形ConvexQuadrilateral的最小外接矩形
步骤2:计算最小外接矩形与水平线的逆时针夹角sita
步骤3:对二值图像顺时针旋转sita得到二值图像binaryimagepie
步骤4:计算4个顶点的倾斜矫正后的坐标p′1、p′2、p′3、p′4
步骤5:计算点p′1、p′2、p′3、p′4横坐标的最小值AbscissaMin和最大值AbscissaMax
步骤6:计算点p′1、p′2、p′3、p′4纵坐标的最小值OrdinateMin和最大值OrdinateMax
步骤7:坐标点(AbscissaMin,OrdinateMin)作为透视变形矫正后矩形Rectangle的左上顶点,坐标点(AbscissaMax,OrdinateMax)作为透视变形矫正后矩形Rectangle的右下顶点
步骤8:根据4个点p′1、p′2、p′3、p′4的坐标和矩形Rectangle的4个顶点p″1、p″2、p″3、p″4(p″1、p″2、p″3、p″4分别位于矩形Rectangle的质心左上、右上、左下、右下的位置)的坐标计算透视变形矫正矩阵PerspectiveTransformMatrix
步骤9:对二值图像binaryimagepie根据透视变形矫正矩阵PerspectiveTransformMatrix通过计算获得二值图像binaryimagepiepie
(6)、截取、归一化图像:
输入:①图像畸变矫正后的二值图像binaryimagepiepie
②凸四边形ConvexQuadrilateral4个顶点经过倾斜和透视变形矫正后的点坐标p″1、p″2、p″3、p″4
输出:归一化的答题卡矩形区域二值图像
步骤1:根据点坐标p″1、p″2、p″3、p″4,对图像畸变矫正后的二值图像binaryimagepiepie进行截取
步骤2:按照预设模板的大小对截取的二值图像进行缩放处理,得到归一化的答题卡矩形区域二值图像
(7)、学号识别:图6是从答题卡上截取的学号区域。
可见学号的每一位都有10个可供填涂的矩形区域(被中括号限制),要求每一位只有1个矩形区域被填涂,对于每一位来说不能10个填涂区都不涂或2(含)个以上的填涂区被填涂。
学号的识别就是识别每一位的10个填涂矩形区域哪个被填涂了。描述识别学号某一位10个填涂矩形区域哪个被填涂了的算法如下:
输入:①归一化的答题卡区域二值图像;
②int FillingCoordinates[m][10][4],其中学号有m位,FillingCoordinates[i][j][0]表示学号第i位第j个填涂矩形区的左上顶点的横坐标,FillingCoordinates[i][j][1]表示学号第i位第j个填涂矩形区的左上顶点的纵坐标,FillingCoordinates[i][j][2]表示学号第i位第j个填涂矩形区的右下顶点的横坐标,FillingCoordinates[i][j][3]表示学号第i位第j个填涂矩形区的右下顶点的纵坐标;
③学号第i位;
④面积阈值AreaThreshold;
输出:①返回真或假;
②字符;
步骤1:初始化-char CharacterArray[10]={’0’,’1’,’2’,’3’,’4’,’5’,’6’,’7’,’8’,’9’};
float AreaArray[10];
int j=0;
步骤2:如果j<10,则执行步骤3;否则跳转到步骤6;
步骤3:获得学号第i位第j个填涂矩形区的左上顶点和右下顶点的坐标;
步骤4:计算在学号第i位第j个填涂矩形区内连通区域的面积最大值Area,并令AreaArray[j]=Area;
步骤5:j=j+1,跳转到步骤2;
步骤6:计算数组AreaArray中的最大值MaxArea,及其在数组中对应的下标subscript;
步骤7:如果MaxArea〈AreaThreshold,那么返回假,输出字符’!’;否则返回真,输出字符CharacterArray[subscript];
如果返回假,继续使用智能移动终端摄像头对答题卡进行扫描过滤,直至学号的所有位上的数字都被单选地识别出来为止。
(8)、试卷号识别:图7是从答题卡上截取的试卷号区域。
试卷号的填涂要求和学号的填涂要求一样。试卷号和学号的不同之处在于它们的位数可能不同。对于某一特定位填涂情况的识别,试卷号和学号的识别方法完全一样。此时的输入是:
输入:①归一化的答题卡区域二值图像
②int FillingCoordinates[n][10][4],其中试卷号有n位,FillingCoordinates[i][j][0]表示试卷号第i位第j个填涂矩形区的左上顶点的横坐标,FillingCoordinates[i][j][1]表示试卷号第i位第j个填涂矩形区的左上顶点的纵坐标,FillingCoordinates[i][j][2]表示试卷号第i位第j个填涂矩形区的右下顶点的横坐标,FillingCoordinates[i][j][3]表示试卷号第i位第j个填涂矩形区的右下顶点的纵坐标
③试卷号第i位
④面积阈值AreaThreshold
值得说明的是,如果试卷号某一位识别结果返回假,则继续使用智能移动终端摄像头对答题卡进行扫描过滤,直至试卷号的所有位上的数字都被单选地识别出来为止。
(9)、答案识别:下图8是从答题卡上截取的前40道题的答案填涂区域。
可见每道题都有A、B、C、D4个可供填涂的矩形区域(被中括号限制)。多数情况下都是4个填涂选项。答案的识别就是识别每道题的4个填涂矩形区域哪个或哪几个被填涂了。某一道题填涂答案识别算法描述如下:
输入:①归一化的答题卡区域二值图像
②int FillingCoordinates[qn][4][4],其中qn表示题目数,FillingCoordinates[i][j][0]表示第i题第j个填涂矩形区的左上顶点的横坐标,FillingCoordinates[i][j][1]表示第i题第j个填涂矩形区的左上顶点的纵坐标,FillingCoordinates[i][j][2]表示第i题第j个填涂矩形区的右下顶点的横坐标,FillingCoordinates[i][j][3]表示第i题第j个填涂矩形区的右下顶点的纵坐标
③第i题
④面积阈值AreaThreshold
输出:答案数组std::vector<char>&CharacterVector
步骤1:初始化-int j=0
步骤2:如果j<4,则执行步骤3;否则跳转到步骤7
步骤3:获得第i道题第j个填涂矩形区的左上顶点和右下顶点的坐标
步骤4:计算第i道题第j个填涂矩形区内连通区域的面积最大值Area
步骤5:if(Area>AreaThreshold)
CharacterVector.push_back(j+0x41);
步骤6:j=j+1,跳转到步骤2
步骤7:输出CharacterVector
本发明扫描的图像大小是高640个像素,宽480个像素,数据量相对小;在二值图像上寻找面积大于某一阈值,内角近似直角的凸四边形时,使用遍历轮廓快速获得最大面积轮廓点的方法,使得运行速度快,识别一张答题卡在1秒以内。
图像灰度特征对反光敏感,本发明使用局部阈值二值化方法获得二值图像,然后提取了填涂点的面积形状特征进行识别,克服了反光问题。
对500张答题卡图像进行识别,识别准确率为99.81%。识别失败的样本主要有:填涂方法不规范;多次涂改(至少7次以上)造成橡皮涂搽痕迹明显;答题卡页面不整洁;答题卡页面扭曲弯折等。对于这些情况,要求学生规范填涂,保持答题卡页面平整、干净即可避免。
本发明的技术关键点和欲保护点是:
①学号和试卷号的过滤识别:
根据先验知识对学号和试卷号的某一位10个矩形填涂区进行定位。
根据定位信息分别获取这10个矩形填涂区在二值图像上连通区域的最大像素面积。
计算这10个面积值中的最大值。
如果这个最大值大于某一个阈值,则认为这个最大值对应的矩形填涂区被答题者使用2B铅笔填涂了,否则认为学号或试卷号的这一位未被填涂,返回假。
如果返回假继续使用智能移动终端摄像头对答题卡进行扫描过滤,直至学号和试卷号的所有位上的数字都被单选地识别出来为止。
②二值化形状过滤处理:
通过智能移动终端摄像头获得一幅答题卡图像,对其灰度化后得到答题卡灰度图像。
采用局部平均阈值的方法对答题卡灰度图像进行二值化处理获得二值图像。
在这个二值图像必须找到一个面积最大且大于一定阈值、四个内角近似直角的凸四边形,否则放弃此次摄像头捕获的答题卡图像。
③倾斜和透视变形矫正:
通过二值化形状过滤处理可以得到一个凸四边形。
计算这个凸四边形的最小外接矩形。
计算这个最小外接矩形与水平线的逆时针夹角,然后根据这个夹角通过旋转操作进行倾斜变形矫正,获得倾斜变形矫正后的二值图像。
计算凸四边形4个顶点倾斜变形矫正后的坐标,分别记为p′1、p′2、p′3和p′4。
计算点p′1、p′2、p′3、p′4横坐标的最小值AbscissaMin和最大值AbscissaMax。
计算点p′1、p′2、p′3、p′4纵坐标的最小值OrdinateMin和最大值OrdinateMax。
坐标点(AbscissaMin,OrdinateMin)作为透视变形矫正后矩形Rectangle的左上顶点,坐标点(AbscissaMax,OrdinateMax)作为透视变形矫正后矩形Rectangle的右下顶点。
根据4个点p′1、p′2、p′3、p′4的坐标和矩形Rectangle的4个顶点p″1、p″2、p″3、p″4(p″1、p″2、p″3、p″4分别位于矩形Rectangle的质心左上、右上、左下、右下的位置)的坐标计算透视变形矫正矩阵。
对倾斜变形矫正后的二值图像根据透视变形矫正矩阵计算倾斜和透视变形矫正后的二值图像。
④截取、归一化图像:
根据倾斜和透视变形矫正处理得到的矩形4个顶点p″1、p″2、p″3、p″4,对二值图像进行截取。
按照预设模板的大小对截取的二值图像进行缩放处理。
本发明的硬件结构图如图9所示。
图10-14是应用本发明取得的实际效果示意图。
以上所述仅为本发明的实施例而已,并不用于限制本发明。本发明可以有各种合适的更改和变化。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种答题卡识别方法,其特征在于所述方法包括如下步骤:
(1)、图像灰度化;
(2)、判断灰度图像是否为“黑色”图像;
(3)、二值化处理;
(4)、在二值图像上找面积最大且大于一定阈值、四个内角近似直角的凸四边形;
(5)、倾斜和透视变形矫正;
(6)、截取、归一化图像;
(7)、学号识别;
(8)、试卷号识别;
(9)、答案识别;
处理(2)、(4)、(7)和(8)是过滤处理,如果返回假,将继续使用智能移动终端摄像头对答题卡进行扫描,获得下一帧彩色图像依次进行(1)至(9)的处理,直至对某帧图像进行处理时4个过滤处理都返回真为止,随后会输出学号、试卷号和答案的识别结果。
2.如权利要求1所述的一种答题卡识别方法,其特征在于:
在步骤(4)中,在二值图像上找到面积最大且大于一定阈值、四个内角近似直角的凸四边形后,计算这个凸四边形的质心的坐标。凸四边形四个顶点按次序表示后,四个顶点的次序是:第1个顶点在质心的左上,第2个顶点在质心的右上,第3个顶点在质心的左下,第4个顶点在质心的右下。
3.如权利要求1所述的一种答题卡识别方法,其特征在于:
步骤(5)的具体步骤如下:
输入:①二值图像;
②凸四边形的4个有序顶点坐标p1、p2、p3、p4;
输出:变形矫正后的二值图像;
步骤1:凸四边形的最小外接矩形;
步骤2:计算最小外接矩形与水平线的逆时针夹角;
步骤3:对二值图像顺时针旋转得到二值图像;
步骤4:计算4个顶点的倾斜矫正后的坐标p′1、p′2、p′3、p′4;
步骤5:计算点p′1、p′2、p′3、p′4横坐标的最小值和最大值;
步骤6:计算点p′1、p′2、p′3、p′4纵坐标的最小值和最大值;
步骤7:坐标点作为透视变形矫正后矩形的左上顶点,坐标点作为透视变形矫正后矩形Rectangle的右下顶点;
步骤8:根据4个点p′1、p′2、p′3、p′4的坐标和矩形的4个顶点p″1、p″2、p″3、p″4(p″1、p″2、p″3、p″4分别位于矩形的质心左上、右上、左下、右下的位置)的坐标计算透视变形矫正矩阵;
步骤9:对二值图像根据透视变形矫正矩阵通过计算获得二值图像。
4.如权利要求1所述的一种答题卡识别方法,其特征在于:
步骤(6)的具体步骤如下:
输入:①图像畸变矫正后的二值图像;
②凸四边形4个顶点经过倾斜和透视变形矫正后的点坐标p″1、p″2、p″3、p″4;
输出:归一化的答题卡矩形区域二值图像;
步骤1:根据点坐标p″1、p″2、p″3、p″4,对图像畸变矫正后的二值图像进行截取;
步骤2:按照预设模板的大小对截取的二值图像进行缩放处理,得到归一化的答题卡矩形区域二值图像。
5.如权利要求1所述的一种答题卡识别方法,其特征在于:
步骤(7)的具体步骤如下:
学号的识别就是识别每一位的10个填涂矩形区域哪个被填涂了;描述识别学号某一位10个填涂矩形区域哪个被填涂了的算法如下:
输入:①归一化的答题卡区域二值图像;
②int FillingCoordinates[m][10][4],其中学号有m位,FillingCoordinates[i][j][0]表示学号第i位第j个填涂矩形区的左上顶点的横坐标,FillingCoordinates[i][j][1]表示学号第i位第j个填涂矩形区的左上顶点的纵坐标,FillingCoordinates[i][j][2]表示学号第i位第j个填涂矩形区的右下顶点的横坐标,FillingCoordinates[i][j][3]表示学号第i位第j个填涂矩形区的右下顶点的纵坐标;
③学号第i位;
④面积阈值AreaThreshold;
输出:①返回真或假;
②字符;
步骤1:初始化-char CharacterArray[10]={’0’,’1’,’2’,’3’,’4’,’5’,’6’,’7’,’8’,’9’};
float AreaArray[10]
int j=0
步骤2:如果j<10,则执行步骤3;否则跳转到步骤6;
步骤3:获得学号第i位第j个填涂矩形区的左上顶点和右下顶点的坐标;
步骤4:计算在学号第i位第j个填涂矩形区内连通区域的面积最大值Area,并令AreaArray[j]=Area;
步骤5:j=j+1,跳转到步骤2;
步骤6:计算数组AreaArray中的最大值MaxArea,及其在数组中对应的下标subscript
步骤7:如果MaxArea〈AreaThreshold,那么返回假,输出字符’!’;否则返回真,输出字符CharacterArray[subscript];
如果返回假,继续使用智能移动终端摄像头对答题卡进行扫描过滤,直至学号的所有位上的数字都被单选地识别出来为止。
6.如权利要求1所述的一种答题卡识别方法,其特征在于:
步骤(8)的具体步骤如下:
输入:①归一化的答题卡区域二值图像;
②int FillingCoordinates[n][10][4],其中试卷号有n位,FillingCoordinates[i][j][0]表示试卷号第i位第j个填涂矩形区的左上顶点的横坐标,FillingCoordinates[i][j][1]表示试卷号第i位第j个填涂矩形区的左上顶点的纵坐标,FillingCoordinates[i][j][2]表示试卷号第i位第j个填涂矩形区的右下顶点的横坐标,FillingCoordinates[i][j][3]表示试卷号第i位第j个填涂矩形区的右下顶点的纵坐标;
③试卷号第i位;
④面积阈值AreaThreshold;
如果试卷号某一位识别结果返回假,则继续使用智能移动终端摄像头对答题卡进行扫描过滤,直至试卷号的所有位上的数字都被单选地识别出来为止。
7.如权利要求1所述的一种答题卡识别方法,其特征在于:
步骤(9)的具体步骤如下:
答案的识别就是识别每道题的4个填涂矩形区域哪个或哪几个被填涂了;某一道题填涂答案识别算法描述如下:
输入:①归一化的答题卡区域二值图像;
②intFillingCoordinates[qn][4][4],其中qn表示题目数,FillingCoordinates[i][j][0]表示第i题第j个填涂矩形区的左上顶点的横坐标,FillingCoordinates[i][j][1]表示第i题第j个填涂矩形区的左上顶点的纵坐标,FillingCoordinates[i][j][2]表示第i题第j个填涂矩形区的右下顶点的横坐标,FillingCoordinates[i][j][3]表示第i题第j个填涂矩形区的右下顶点的纵坐标;
③第i题;
④面积阈值AreaThreshold;
输出:答案数组std::vector<char>&CharacterVector;
步骤1:初始化-int j=0;
步骤2:如果j<4,则执行步骤3;否则跳转到步骤7;
步骤3:获得第i道题第j个填涂矩形区的左上顶点和右下顶点的坐标;
步骤4:计算第i道题第j个填涂矩形区内连通区域的面积最大值Area;
步骤5:if(Area〉AreaThreshold);
CharacterVector.push_back(j+0x41);
步骤6:j=j+1,跳转到步骤2;
步骤7:输出CharacterVector。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410317803.XA CN104134072A (zh) | 2014-07-04 | 2014-07-04 | 一种答题卡识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410317803.XA CN104134072A (zh) | 2014-07-04 | 2014-07-04 | 一种答题卡识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104134072A true CN104134072A (zh) | 2014-11-05 |
Family
ID=51806746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410317803.XA Pending CN104134072A (zh) | 2014-07-04 | 2014-07-04 | 一种答题卡识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104134072A (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881641A (zh) * | 2015-05-18 | 2015-09-02 | 上海交通大学 | 基于移动设备的问卷和表格数字化识别方法及系统 |
CN104915667A (zh) * | 2015-05-27 | 2015-09-16 | 华中科技大学 | 一种基于移动终端的答题卡识别分析方法及系统 |
CN105426879A (zh) * | 2015-12-23 | 2016-03-23 | 深圳习习网络科技有限公司 | 一种答题卡识别方法及系统 |
CN105426844A (zh) * | 2015-11-20 | 2016-03-23 | 广州未名中智教育科技有限公司 | 一种答题卡识别方法 |
CN105469040A (zh) * | 2015-11-20 | 2016-04-06 | 广州未名中智教育科技有限公司 | 一种便于识别的答题卡及其制作方法 |
CN105718438A (zh) * | 2016-03-04 | 2016-06-29 | 北京学信速达科技有限公司 | 一种通用答题卡的排版样式生成方法 |
CN106203416A (zh) * | 2016-07-08 | 2016-12-07 | 武汉工程大学 | 一种基于扫描图像的快递单据信息录入方法及录入装置 |
CN106250894A (zh) * | 2016-07-26 | 2016-12-21 | 北京小米移动软件有限公司 | 卡片信息识别方法及装置 |
CN106503637A (zh) * | 2016-10-12 | 2017-03-15 | 北京新晨阳光科技有限公司 | 答卷处理系统 |
CN106529541A (zh) * | 2016-09-08 | 2017-03-22 | 广东德诚网络科技有限公司 | 答题卡识别的方法及装置 |
CN108364004A (zh) * | 2018-01-16 | 2018-08-03 | 深圳市脑洞科技有限公司 | 基于移动终端的答题卡扫描方法、移动终端及存储介质 |
CN108416345A (zh) * | 2018-02-08 | 2018-08-17 | 海南云江科技有限公司 | 一种答题卡区域识别方法和计算设备 |
CN108537218A (zh) * | 2018-04-12 | 2018-09-14 | 湖南诚壹文化产业有限公司 | 一种答题卡的识别处理方法及装置 |
CN108917593A (zh) * | 2018-05-14 | 2018-11-30 | 南京工业大学 | 一种基于待测工件基元组态的智能测量系统及方法 |
CN109409366A (zh) * | 2018-10-30 | 2019-03-01 | 四川长虹电器股份有限公司 | 基于角点检测的畸变图像校正方法及装置 |
CN109670447A (zh) * | 2018-12-20 | 2019-04-23 | 中科院成都信息技术股份有限公司 | 印章选票填涂框图像的识别方法、装置及可读存储介质 |
CN109711284A (zh) * | 2018-12-11 | 2019-05-03 | 江苏博墨教育科技有限公司 | 一种考试答题卡系统智能识别分析方法 |
CN109741273A (zh) * | 2018-12-26 | 2019-05-10 | 江苏优胜信息技术有限公司 | 一种手机拍照低质图像的自动处理与评分方法 |
CN111491106A (zh) * | 2020-05-15 | 2020-08-04 | Oppo(重庆)智能科技有限公司 | 拍摄图像的处理方法、装置、移动终端及存储介质 |
CN111666864A (zh) * | 2020-06-01 | 2020-09-15 | 合肥工业大学 | 一种基于计算机视觉的自动阅卷方法 |
CN112200058A (zh) * | 2020-09-30 | 2021-01-08 | 珠海读书郎网络教育有限公司 | 一种教辅资料智能批改的系统及方法 |
CN112257607A (zh) * | 2020-10-23 | 2021-01-22 | 合肥工业大学 | 一种处理流水线上采集的手机图像畸变的矫正方法 |
CN113657354A (zh) * | 2021-10-19 | 2021-11-16 | 深圳市菁优智慧教育股份有限公司 | 基于深度学习的答题卡识别方法及系统 |
CN117237585A (zh) * | 2023-11-10 | 2023-12-15 | 山东科技大学 | 答题卡的光学标记定位识别方法、系统、设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100034484A1 (en) * | 2008-08-09 | 2010-02-11 | Keyence Corporation | Pattern Model Positioning Method In Image Processing, Image Processing Apparatus, Image Processing Program, and Computer Readable Recording Medium |
CN101739556A (zh) * | 2010-01-21 | 2010-06-16 | 上海交通大学 | 钢坯号自动识别方法 |
CN103559490A (zh) * | 2013-10-11 | 2014-02-05 | 华南理工大学 | 基于二值图像连通域统计的答题卡自动评分方法 |
-
2014
- 2014-07-04 CN CN201410317803.XA patent/CN104134072A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100034484A1 (en) * | 2008-08-09 | 2010-02-11 | Keyence Corporation | Pattern Model Positioning Method In Image Processing, Image Processing Apparatus, Image Processing Program, and Computer Readable Recording Medium |
CN101739556A (zh) * | 2010-01-21 | 2010-06-16 | 上海交通大学 | 钢坯号自动识别方法 |
CN103559490A (zh) * | 2013-10-11 | 2014-02-05 | 华南理工大学 | 基于二值图像连通域统计的答题卡自动评分方法 |
Non-Patent Citations (1)
Title |
---|
李清: ""基于图像识别的网上阅卷系统的设计实现与优化"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881641B (zh) * | 2015-05-18 | 2019-01-25 | 上海交通大学 | 基于移动设备的问卷和表格数字化识别方法及系统 |
CN104881641A (zh) * | 2015-05-18 | 2015-09-02 | 上海交通大学 | 基于移动设备的问卷和表格数字化识别方法及系统 |
CN104915667B (zh) * | 2015-05-27 | 2018-04-24 | 华中科技大学 | 一种基于移动终端的答题卡识别分析方法及系统 |
CN104915667A (zh) * | 2015-05-27 | 2015-09-16 | 华中科技大学 | 一种基于移动终端的答题卡识别分析方法及系统 |
CN105426844A (zh) * | 2015-11-20 | 2016-03-23 | 广州未名中智教育科技有限公司 | 一种答题卡识别方法 |
CN105469040A (zh) * | 2015-11-20 | 2016-04-06 | 广州未名中智教育科技有限公司 | 一种便于识别的答题卡及其制作方法 |
CN105426844B (zh) * | 2015-11-20 | 2018-09-18 | 广州未名中智教育科技有限公司 | 一种答题卡识别方法 |
CN105426879A (zh) * | 2015-12-23 | 2016-03-23 | 深圳习习网络科技有限公司 | 一种答题卡识别方法及系统 |
CN105718438A (zh) * | 2016-03-04 | 2016-06-29 | 北京学信速达科技有限公司 | 一种通用答题卡的排版样式生成方法 |
CN106203416A (zh) * | 2016-07-08 | 2016-12-07 | 武汉工程大学 | 一种基于扫描图像的快递单据信息录入方法及录入装置 |
CN106250894A (zh) * | 2016-07-26 | 2016-12-21 | 北京小米移动软件有限公司 | 卡片信息识别方法及装置 |
CN106529541A (zh) * | 2016-09-08 | 2017-03-22 | 广东德诚网络科技有限公司 | 答题卡识别的方法及装置 |
CN106503637A (zh) * | 2016-10-12 | 2017-03-15 | 北京新晨阳光科技有限公司 | 答卷处理系统 |
CN108364004A (zh) * | 2018-01-16 | 2018-08-03 | 深圳市脑洞科技有限公司 | 基于移动终端的答题卡扫描方法、移动终端及存储介质 |
CN108416345B (zh) * | 2018-02-08 | 2021-07-09 | 海南云江科技有限公司 | 一种答题卡区域识别方法和计算设备 |
CN108416345A (zh) * | 2018-02-08 | 2018-08-17 | 海南云江科技有限公司 | 一种答题卡区域识别方法和计算设备 |
CN108537218A (zh) * | 2018-04-12 | 2018-09-14 | 湖南诚壹文化产业有限公司 | 一种答题卡的识别处理方法及装置 |
CN108537218B (zh) * | 2018-04-12 | 2022-04-05 | 湖南诚壹文化产业有限公司 | 一种答题卡的识别处理方法及装置 |
CN108917593A (zh) * | 2018-05-14 | 2018-11-30 | 南京工业大学 | 一种基于待测工件基元组态的智能测量系统及方法 |
CN109409366A (zh) * | 2018-10-30 | 2019-03-01 | 四川长虹电器股份有限公司 | 基于角点检测的畸变图像校正方法及装置 |
CN109409366B (zh) * | 2018-10-30 | 2022-04-05 | 四川长虹电器股份有限公司 | 基于角点检测的畸变图像校正方法及装置 |
CN109711284A (zh) * | 2018-12-11 | 2019-05-03 | 江苏博墨教育科技有限公司 | 一种考试答题卡系统智能识别分析方法 |
CN109670447B (zh) * | 2018-12-20 | 2019-11-22 | 中科院成都信息技术股份有限公司 | 印章选票填涂框图像的识别方法、装置及可读存储介质 |
CN109670447A (zh) * | 2018-12-20 | 2019-04-23 | 中科院成都信息技术股份有限公司 | 印章选票填涂框图像的识别方法、装置及可读存储介质 |
CN109741273A (zh) * | 2018-12-26 | 2019-05-10 | 江苏优胜信息技术有限公司 | 一种手机拍照低质图像的自动处理与评分方法 |
CN111491106A (zh) * | 2020-05-15 | 2020-08-04 | Oppo(重庆)智能科技有限公司 | 拍摄图像的处理方法、装置、移动终端及存储介质 |
CN111491106B (zh) * | 2020-05-15 | 2021-12-14 | Oppo(重庆)智能科技有限公司 | 拍摄图像的处理方法、装置、移动终端及存储介质 |
CN111666864A (zh) * | 2020-06-01 | 2020-09-15 | 合肥工业大学 | 一种基于计算机视觉的自动阅卷方法 |
CN111666864B (zh) * | 2020-06-01 | 2023-03-24 | 合肥工业大学 | 一种基于计算机视觉的自动阅卷方法 |
CN112200058A (zh) * | 2020-09-30 | 2021-01-08 | 珠海读书郎网络教育有限公司 | 一种教辅资料智能批改的系统及方法 |
CN112200058B (zh) * | 2020-09-30 | 2021-07-06 | 珠海读书郎网络教育有限公司 | 一种教辅资料智能批改的系统及方法 |
CN112257607A (zh) * | 2020-10-23 | 2021-01-22 | 合肥工业大学 | 一种处理流水线上采集的手机图像畸变的矫正方法 |
CN112257607B (zh) * | 2020-10-23 | 2022-08-26 | 合肥工业大学 | 一种处理流水线上采集的手机图像畸变的矫正方法 |
CN113657354B (zh) * | 2021-10-19 | 2022-01-25 | 深圳市菁优智慧教育股份有限公司 | 基于深度学习的答题卡识别方法及系统 |
CN113657354A (zh) * | 2021-10-19 | 2021-11-16 | 深圳市菁优智慧教育股份有限公司 | 基于深度学习的答题卡识别方法及系统 |
CN117237585A (zh) * | 2023-11-10 | 2023-12-15 | 山东科技大学 | 答题卡的光学标记定位识别方法、系统、设备和存储介质 |
CN117237585B (zh) * | 2023-11-10 | 2024-01-30 | 山东科技大学 | 答题卡的光学标记定位识别方法、系统、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104134072A (zh) | 一种答题卡识别方法 | |
US10902283B2 (en) | Method and device for determining handwriting similarity | |
CN104794421B (zh) | 一种qr码定位及识别方法 | |
CN106934767A (zh) | 一种试卷生成及评分方法及系统 | |
CN102567300A (zh) | 图片文档的处理方法及装置 | |
CN101908136A (zh) | 一种表格识别处理方法及系统 | |
CN110490141B (zh) | 一种填涂信息的识别方法、装置、终端及存储介质 | |
CN104484643A (zh) | 一种手写表格的智能识别方法及系统 | |
CN102360419A (zh) | 计算机扫描阅读管理方法及系统 | |
CN111223065B (zh) | 图像矫正方法、不规则文本识别方法、装置、存储介质和设备 | |
CN108509988B (zh) | 一种试卷分数自动统计方法、装置、电子设备及存储介质 | |
CN113378789B (zh) | 单元格位置的检测方法、装置和电子设备 | |
CN106845314B (zh) | 一种二维码的快速定位方法 | |
CN108133216A (zh) | 基于机器视觉的可实现小数点读取的数码管读数识别方法 | |
CN111104883B (zh) | 作业答案提取方法、装置、设备及计算机可读存储介质 | |
CN113592735A (zh) | 文本页面图像还原方法及系统、电子设备和计算机可读介质 | |
CN111145124A (zh) | 一种图像倾斜的校正方法及装置 | |
CN111652205A (zh) | 基于深度学习的文本矫正方法、装置、设备和介质 | |
CN110263784A (zh) | 智能的英语试卷成绩识别录入方法 | |
CN108388898A (zh) | 基于连接体和模板的字符识别方法 | |
CN110059600B (zh) | 一种基于指向手势的单行文字识别方法 | |
CN109472257A (zh) | 一种字符版面确定方法及装置 | |
CN108804978A (zh) | 一种版面分析方法及装置 | |
CN106648171B (zh) | 一种基于书写笔的交互系统及方法 | |
CN110427944A (zh) | 车牌检测数据的获取方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141105 |
|
RJ01 | Rejection of invention patent application after publication |