CN107423738A - 一种基于模板匹配的试卷题目定位方法及装置 - Google Patents
一种基于模板匹配的试卷题目定位方法及装置 Download PDFInfo
- Publication number
- CN107423738A CN107423738A CN201710651459.1A CN201710651459A CN107423738A CN 107423738 A CN107423738 A CN 107423738A CN 201710651459 A CN201710651459 A CN 201710651459A CN 107423738 A CN107423738 A CN 107423738A
- Authority
- CN
- China
- Prior art keywords
- paper
- image
- sample
- similarity
- template
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于模板匹配的试卷题目定位方法,包括:获取第一试卷的模板图像;利用所述模板图像确定第二试卷的样本图像的搜索区域;利用所述模板图像与所述搜索区域计算第二试卷的第一样本图像的第一相似度;判断所述第一相似度是否大于所述第二试卷的第一样本匹配度阈值,如果是,设定所述第一样本图像为所述第二试卷的定位图像。可见,本方案中,对试卷题目进行定位操作简单,试卷题目定位成本较低;且通过设定匹配度阈值,将满足所述匹配度阈值的样本图像才作为试卷的定位图像,定位准确度高。本发明还公开了一种基于模板匹配的试卷题目定位装置,同样能实现上述技术效果。
Description
技术领域
本发明涉及计算机视觉领域,特别涉及一种基于模板匹配的试卷题目定位方法及装置。
背景技术
随着科学技术的发展,计算机在各个领域得到广泛应用。传统的人工阅卷效率低,精确度不高,而且还需要大量的人力和物力。因此,基于计算机的数字化阅卷系统成为了一种必然趋势。
基于计算机的数字化阅卷系统首先需要对试卷进行定位;传统的试卷定位方法可分为有定位点试卷定位和无定位点试卷定位,相对于前者,有定位点试卷其四个角上具有定位点标志,计算机通过定位点标志实现试卷题目的定位;相对于后者,通过识别无定点位试卷上的每道题目对应的数字题号或者矩形框实现试卷题目的定位。
但是,对于无定点位试卷,采用上述方法定位试卷题目时,因识别数字题号需要高精度的数字识别库,因此定位成本较高;同时,矩形框在变形或缺损时,计算机无法识别变形或缺损的矩形框,因此难以实现试卷题目的准确定位;对于有定位点的试卷,当定位点较模糊或缺损时,其定位准确度也较低。
因此,如何实现对试卷题目的准确定位,降低试卷定位成本是本领域技术人员需要解决的问题。
发明内容
本发明的目的在于提供一种基于模板匹配的试卷题目定位方法及装置,解决了对试卷题目定位时准确度低的问题,降低了对试卷题目进行定位的定位成本。
为实现上述目的,本发明实施例提供了如下技术方案:
一方面,本发明实施例提供了一种基于模板匹配的试卷题目定位方法,包括:
S1、获取第一试卷的模板图像;
S2、利用所述模板图像确定第二试卷的样本图像的搜索区域;
S3、利用所述模板图像与所述搜索区域计算第二试卷的第一样本图像的第一相似度;
S4、判断所述第一相似度是否大于所述第二试卷的第一样本匹配度阈值,如果是,进入S5;
优选的,所述S1包括:
S11、获取第一试卷的初始模板图像;
S12、计算所述初始模板图像的占空比;
S13、判断所述占空比是否大于占空比阈值,如果是,将所述初始模板图像作为所述第一试卷的模板图像。
优选的,所述S3包括:
S31、读入第二试卷与根据所述搜索区域确定的所述第一样本图像;
S32、将所述第一样本图像与模板图像进行匹配,得到第一样本匹配度;
S33、对所述模板图像进行模板匹配,得到模板匹配度;
S34、根据所述模板匹配度与所述第一样本匹配度计算所述第二试卷的第一相似度。
优选的,若S4中判定所述第一相似度不大于所述第一样本匹配度阈值,则所述方法还包括:
S6、以预定标准扩大所述搜索区域得到第二搜索区域;
S7、利用所述模板图像与所述第二搜索区域计算所述第二试卷的第二样本图像的第二相似度;
S8、判断所述第二相似度是否大于所述第一样本匹配度阈值,如果是,则设定所述第二样本图像为所述第二试卷的定位图像。
优选的,若S8中判定所述第二相似度不大于所述第一样本匹配度阈值,则所述方法还包括:
S9、判断所述第二相似度是否大于所述第一相似度,如果是,则进入S10;如果否,进入S11;
S10、判断所述第二相似度是否大于所述第二试卷的第二样本匹配度阈值,所述第二样本匹配度阈值小于所述第一样本匹配度阈值,如果是,则设定所述第二样本图像为所述第二试卷的定位图像,如果否,进入S12;
S11、判断所述第一相似度是否大于所述第二试卷的第二样本匹配度阈值,如果是,则进入S5,如果否,进入S12;
S12、判断是否存在与所述模板图像对应的备用模板图像,如果存在,将所述备用模板图像作为第一试卷的模板图像并进入S2。
另一方面,本发明实施例提供了一种基于模板匹配的试卷题目定位装置,包括:
模板图像获取模块,用于获取第一试卷的模板图像;
搜索区域确定模块,用于利用所述模板图像确定第二试卷的样本图像的搜索区域;
第一相似度计算模块,利用所述模板图像与所述搜索区域计算第二试卷的第一样本图像的第一相似度;
第一判断模块,用于判断所述第一相似度是否大于所述第一样本匹配度阈值;
定位图像设定模块,用于所述判断模块判定所述第一相似度大于所述第一样本匹配度阈值时,设定所述第一样本图像为所述第二试卷的定位图像。
优选的,所述模板图像获取模块包括:
第一获取单元,用于获取第一试卷的初始模板图像;
第一计算单元,用于计算所述初始模板图像的占空比;
判断单元,用于判断所述初始模板图像的占空比是否大于占空比阈值,如果是,将所述初始模板图像作为所述第一试卷的模板图像。
优选的,所述第一相似度计算模块包括:
读入单元,用于读入第二试卷与根据所述搜索区域确定的所述第一样本图像;
第一匹配单元,将所述第一样本图像与模板图像进行匹配,得到第一样本匹配度;
第二匹配单元,用于对所述模板图像进行模板匹配,得到模板匹配度;
第二计算单元,用于根据所述模板匹配度与所述第一样本匹配度计算所述第二试卷的第一相似度。
优选的,还包括:
第二搜索区域获取模块,用于以预定标准扩大所述搜索区域得到第二搜索区域;
第二相似度计算模块,用于利用所述模板图像与所述第二搜索区域计算所述第二试卷的第二样本图像的第二相似度;
第二判断模块,用于判断所述第二相似度是否大于所述第一样本匹配度阈值,如果是,设定所述第二样本图像为所述第二试卷的定位图像。
优选的,还包括:
第三判断模块,用于判断所述第二相似度是否大于所述第一相似度;
第四判断模块,用于判断所述第二相似度大于所述第一相似度时,所述第二相似度是否大于所述第二样本匹配度阈值,所述第二样本匹配度阈值小于所述第一样本匹配度阈值,如果是,则设定所述样本图像为所述第二试卷的定位图像,如果否,则触发第六判断模块;
第五判断模块,用于判断所述第二相似度不大于所述第一相似度时,所述第一相似度是否大于所述第二样本匹配度阈值,如果是,则设定所述样本图像为所述第二试卷的定位图像,如果否,则触发第六判断模块;
所述第六判断模块,用于判断所述第一相似度和所述第二相似度不大于所述第二样本匹配度阈值时,是否存在与所述样本图像对应的第一试卷备用模板图像,如果存在,将所述第一试卷备用模板图像作为第一试卷的模板图像并触发搜索区域确定模块。
可见,在本方案中,通过选定模板图像,利用所述模板图像确定的搜索区域,利用所述搜索区域在试卷上搜索与模板图像对应的样本图像。判断搜索区域内的样本图像与模板图像的相似度是否在设定的匹配度阈值范围内,如果是,则将该样本图像作为该试卷的定位图像。因此,本方案直接通过选定的模板图像在试卷搜索区域内搜索与之对应的样本图像并进行匹配得到相似度,如果模板图像与样本图像的相似度在允许范围内则匹配成功;操作简单易行,降低了试卷题目定位成本;且通过设定匹配度阈值,将满足所述匹配度阈值的样本图像才作为试卷的定位图像,定位准确度高。本发明还公开了一种基于模板匹配的试卷题目定位装置,同样能实现上述技术效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例公开的一种基于模板匹配的试卷题目定位方法流程示意图;
图2为本发明实施例公开的另一种基于模板匹配的试卷题目定位方法流程示意图;
图3为本发明实施例公开的一种基于模板匹配的试卷题目定位装置示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种基于模板匹配的试卷题目定位方法及装置,解决了定位试卷题目准确度低的问题,降低了定位试卷题目的定位成本。
参见图1,本发明实施例提供的一种基于模板匹配的试卷题目定位方法,包括:
S101、获取第一试卷的模板图像;
具体的,本发明实施例中的第一试卷为用来选择模板图像的模板试卷,模板试卷可以为未曾填涂过的空白试卷,模板图像可以为第一试卷上的题目文字说明或题号,当然也可以将第一试卷题目的其他特征作为模板图像,在此并不作限定。
S102、利用所述模板图像确定第二试卷的样本图像的搜索区域;
具体的,本实施例中所述搜索区域可以为将所述模板图像的面积扩大20%得到的面积区域,当然也可以将模板图像扩大其他数值得到的面积区域作为搜索区域,但应保证将模板图像扩大后的面积不应超过试卷总的面积。
S103、利用所述模板图像与所述搜索区域计算第二试卷的第一样本图像的第一相似度;
具体的,本实施例中的第二试卷为根据模板图像对试卷题目进行定位的样本试卷,该样本试卷与作为模板试卷的第一试卷中的试卷题目是相同的。第一样本图像为在所述搜索区域内通过搜索与模板图像具有相同特征的图像后,将搜索后的图像作为第一样本图像,其可以是与模板图像完全对应的,但是,考虑到第二试卷可能会存在偏移情况,所以也可以为只有部分与模板图像对应。例如,第二试卷上某道题的题目为“请找出以下图形中的多边形”,将该题目作为样本图像,当在搜索区域内搜索该样本图像时,由于第二试卷发生一定程度的偏移,因此在搜索区域内只出现“请找出以下图形”的不完整样本图像;此时,该“请找出以下图形”的不完整样本图像即为搜索区域内的第一样本图像。
S104、判断所述第一相似度是否大于所述第二试卷的第一样本匹配度阈值,如果是,进入S105;
具体的,本实施例中判定所述第一相似度不大于所述第二试卷的第一样本匹配度阈值时,一方面,可以将第一相似度与第二样本匹配度阈值进行比较,第二样本阈值应该小于第一样本阈值,设定第二样本阈值避免了试卷存在偏移时而引起对第二试卷题目定位失败的问题;另一方面,可以进行第二次模板图像与样本图像的匹配以计算第二相似度。关于第二相似度将在下文进行详细介绍。
本实施例中的第一样本匹配度阈值为预先设定的,设定第一样本匹配度阈值是考虑到第二试卷中的样本图像存在模糊、偏移等问题时,会导致定位偏差,因此设定第一样本匹配度阈值后,将第一相似度超过第一样本匹配度阈值的对应的样本图像才作为定位图像,提高了对第二试卷题目定位的精确度。
S105、设定所述第一样本图像为所述第二试卷的定位图像。
需要说明的是,本实施例中第一试卷可以为模板试卷,即用来选取模板图像的试卷,第二试卷为用于通过模板试卷中的模板图像以定位试卷题目的样本试卷;其中第一试卷和第二试卷中包含的试卷题目应该是相同的,以保证对第二试卷题目定位的成功率。
基于上述实施例,在本实施例中,所述获取第一试卷的模板图像,包括:
获取第一试卷的初始模板图像;
计算所述初始模板图像的占空比;
判断所述占空比是否大于占空比阈值,如果是,将所述初始模板图像作为所述第一试卷的模板图像。
需要说明的是,本实施例中的初始模板图像可以为人工选择第一试卷上的包含试卷题目的区域,通过人工筛选的初始模板图像及初始模板图像包含的空白区域计算占空比,占空比可以为试卷题目区域占整个初始模板图像面积的比例。
本实施例中的占空比阈值可以是预先设定的,其可以是试卷题目区域在整个模板图像占的最小的比例,只有初始模板图像占空比大于占空比阈值时,才将初始模板图像作为第一试卷的模板图像。
基于上述任意实施例,在本实施例中,所述利用所述模板图像与所述搜索区域计算第二试卷的第一样本图像的第一相似度,包括:
读入第二试卷与根据所述搜索区域确定的所述第一样本图像;
将所述第一样本图像与模板图像进行匹配,得到第一样本匹配度;
对所述模板图像进行模板匹配,得到模板匹配度;
根据所述模板匹配度与所述第一样本匹配度计算所述第二试卷的第一相似度。
具体的,在本实施例中,第一相似度可以是第一样本匹配度与模板匹配度的比值;例如,将第一相似度设为S1,第一样本匹配度为Dmax1,模板匹配度为Smax1,则S1=Dmax1/Smax1,因此,当第二试卷的第一样本匹配度的值为80%,第一试卷的模板匹配度为90%时,则第二试卷的第一相似度则为80%/90%,当然,第一相似度的计算也可以为其它方式,在此并不作限定。
需要说明的是,在本实施例中,模板匹配度可以是在第一试卷搜索区域中通过滑动模板图像确定模板图像覆盖于第一试卷搜索区域内每一个位置的匹配度中的最大的匹配度,将最大的匹配度作为模板匹配度。第一样本匹配度应该是第一样本图像与模板图像进行匹配后得到的最大的样本匹配度,此时第一样本图像和模板图像可以是完全重合的,当然,考虑到试卷可能会存在偏移的情况,允许第一样本图像和模板图像存在一定的偏差,在此并不作限定。
可见,本实施例提供的基于模板匹配的试卷题目定位方法,对试卷题目进行定位时,直接通过选定的模板图像在试卷上搜索与之对应的样本图像并进行匹配,如果模板图像与样本图像的匹配度在允许范围内则匹配成功;本方案只需通过在搜索区域内简单的移动模板图像实现试卷上样本图像的定位,操作简单易行,且不用在整个试卷上搜索样本图像,降低了试卷题目定位成本,提高了搜索效率;且通过设定匹配度阈值,将满足所述匹配度阈值的样本图像才作为试卷的定位图像,定位准确度高。
参见图2,本发明实施例提供的另一种基于模板匹配的试卷题目定位方法,包括:
S201、获取第一试卷的模板图像;
S202、利用所述模板图像确定第二试卷的样本图像的搜索区域;
S203、利用所述模板图像与所述搜索区域计算第二试卷的第一样本图像的第一相似度;
S204、判断所述第一相似度是否大于所述第二试卷的第一样本匹配度阈值,如果否,则进入S205,如果是,则进入S213;
S205、以预定标准扩大所述搜索区域得到第二搜索区域;
具体的,本实施例中预定标准可以是管理员优先设定的,但应保证在该预定标准下扩大搜索区域后的面积不应超过整张试卷。面积,例如,预定标准可以为“以20%的标准扩大搜索区域”,也可以为“以第二搜索区域面积为搜索区域面积的两倍扩大搜索区域”,当然也可以为其他方式进行扩大搜索区域,在此并不作限定。
S206、利用所述模板图像与所述第二搜索区域计算所述第二试卷的第二样本图像的第二相似度;
具体的,本实施例中的第二相似度的计算规则与第一相似度的计算规则相同,在此不再说明。第二样本图像应该为第二搜索区域内包含的样本图像,其与第一样本图像可以是相同,也可以是不同的。
S207、判断所述第二相似度是否大于所述第一样本匹配度阈值,如果是,则进入S214,如果否,则进入S208;
S208、判断所述第二相似度是否大于所述第一相似度,如果否,则进入S209,如果是,则进入S210;
具体的,本实施例中,通过比较第二相似度以第一相似度的大小,选取其中一个相似度较大的值,以执行S209或S210。如果第一相似度等于第二相似度,则选取第一相似度执行S210。
S209、判断所述第一相似度是否大于所述第二试卷的第二样本匹配度阈值,如果否,则进入S211,如果是,则进入213;
S210、判断所述第二相似度是否大于所述第二试卷的第二样本匹配度阈值,所述第二样本匹配度阈值小于所述第一样本匹配度阈值,如果否,则进入S211,如果是,则进入S214;
具体的,本实施例中的第二样本阈值和第一样本阈值可以是优先设定的,通过设定第二样本阈值,当样本图像对应的试卷与模板图像对应的试卷存在轻微差别时,匹配区域中即使完全包含了模板图像,但匹配出来的相似度仍然不会超过第一样本匹配度阈值,因此,通过设定第二样本阈值避免了因样本图像对应的试卷与模板图像对应的试卷存在轻微差别时而导致匹配失败的情况。提高了对试卷题目定位的精确度及稳定性。
S211、判断是否存在与所述模板图像对应的备用模板图像,如果存在,将所述备用模板图像作为第一试卷的模板图像并进入S202,如果不存在,则进入S212。
具体的,本实施例中备用模板图像可以是人工选择进行筛选的,将第一试卷上的题目文字说明区域或者题号区域进行筛选后,将其作为备用模板图像,当然也可以选择试卷题目其他的特征作为备用模板图像,其和第一试卷的模板图像应该是同一道试卷题目的不同特征,例如,第一试卷的模板图像为试卷题目说明区域,则备用模板图像则可以为同一道试卷题目的题号。
通过选定备用模板图像,在进行与模板图像对应的试卷样本图像定位时其中一个模板图像与试卷的样本图像匹配出现错误,导致定位失败时,可以选择备用的模板图像对该试卷的样本图像重新进行一次匹配,从而大大提高了对试卷样本图像对应的题目区域的定位精确度和稳定性。
S212、提示匹配出错。
S213、设定所述第一样本图像为所述第二试卷的定位图像;
具体的,本实施例中定位图像是该第一样本图像与模板图像成功匹配后设定的,其与第一样本图像是同一个样本图像,当然,也可以为其他样本图像与模板图像成功匹配后设定的。
S214、设定所述第二样本图像为所述第二试卷的定位图像。
需要说明的是,本实施例中的S212中,当提示通过模板图像对包含试卷题目的样本图像匹配失败后,可以进一步判断所有的模板图像是否全部读取完毕,如果是,则结束对整个试卷上试卷题目的定位,如果否,则继续执行S202及以下步骤。
进一步,本实施例S204中,当判定第一相似度不大于第二试卷的第一样本匹配度阈值时,考虑到试卷发生偏移的情况,也可以直接判断第一相似度是否大于第二样本匹配度阈值,如果大于,则设定第一样本图像为第二试卷的定位图像。其中,第二样本匹配度阈值小于第一样本匹配度阈值。
进一步,本实施例中通过在对应的搜索区域内计算模板图像与样本图像的第一相似度和第二相似度,当然也可以计算第三相似度或者更多次的模板图像与样本图像的相似度,在此并不作限定。
可见,本实施例提供的另一种基于模板匹配的试卷题目定位方法,只需通过在搜索区域内简单的移动模板图像实现包含试卷题目的样本图像的定位,操作简单易行,且不用在整个试卷上搜索包含试卷题目的样本图像,降低了试卷题目定位成本,提高了搜索效率;同时,本发明实施例中设定了第一样本匹配度阈值和第二样本匹配度阈值,将满足第一样本匹配度阈值或第二样本匹配度阈值的样本图像才作为试卷的定位图像,定位准确度高;同时,每道试卷题目都有备用模板图像,从而避免了试卷题目对应的某一个模板图像定位出现错误的时,可以选择备用的模板图像,从而大大提高了试卷题目定位的稳定性。
下面对本发明实施例提供的基于模板匹配的试卷题目定位装置进行介绍,下文描述的基于模板匹配的试卷题目定位装置与上文描述的基于模板匹配的试卷题目定位方法可以互相参照。
参见图3,本发明实施例提供的一种基于模板匹配的试卷题目定位装置,包括:
模板图像获取模块100,用于获取第一试卷的模板图像;
搜索区域确定模块200,用于利用所述模板图像确定第二试卷的样本图像的搜索区域;
第一相似度计算模块300,利用所述模板图像与所述搜索区域计算第二试卷的第一样本图像的第一相似度;
第一判断模块400,用于判断所述第一相似度是否大于所述第一样本匹配度阈值;
定位图像设定模块500,用于所述判断模块判定所述第一相似度大于所述第一样本匹配度阈值时,设定所述第一样本图像为所述第二试卷的定位图像。
基于上述实施例,所述模板图像获取模块100,包括:
第一获取单元,用于获取第一试卷的初始模板图像;
第一计算单元,用于计算所述初始模板图像的占空比;
判断单元,用于判断所述初始模板图像的占空比是否大于占空比阈值,如果是,将所述初始模板图像作为所述第一试卷的模板图像。
基于上述实施例,所述第一相似度计算模块300,包括:
读入单元,用于读入第二试卷与根据所述搜索区域确定的所述第一样本图像;
第一匹配单元,将所述第一样本图像与模板图像进行匹配,得到第一样本匹配度;
第二匹配单元,用于对所述模板图像进行模板匹配,得到模板匹配度;
第二计算单元,用于根据所述模板匹配度与所述第一样本匹配度计算所述第二试卷的第一相似度。
基于上述实施例,在本实施例中,还包括:
第二搜索区域获取模块,用于以预定标准扩大所述搜索区域得到第二搜索区域;
第二相似度计算模块,用于利用所述模板图像与所述第二搜索区域计算所述第二试卷的第二样本图像的第二相似度;
第二判断模块,用于判断所述第二相似度是否大于所述第一样本匹配度阈值,如果是,设定所述第二样本图像为所述第二试卷的定位图像。
基于上述实施例,在本实施例中,还包括:
第三判断模块,用于判断所述第二相似度是否大于所述第一相似度;
第四判断模块,用于判断所述第二相似度大于所述第一相似度时,所述第二相似度是否大于所述第二样本匹配度阈值,所述第二样本匹配度阈值小于所述第一样本匹配度阈值,如果是,则设定所述样本图像为所述第二试卷的定位图像,如果否,则触发第六判断模块;
第五判断模块,用于判断所述第二相似度不大于所述第一相似度时,所述第一相似度是否大于所述第二样本匹配度阈值,如果是,则设定所述样本图像为所述第二试卷的定位图像,如果否,则触发第六判断模块;
所述第六判断模块,用于判断所述第一相似度和所述第二相似度不大于所述第二样本匹配度阈值时,是否存在与所述样本图像对应的第一试卷备用模板图像,如果存在,将所述第一试卷备用模板图像作为第一试卷的模板图像并触发搜索区域确定模块。
可见,在本实施例提供的基于模板匹配的试卷题目定位装置,在搜索区域确定模块200确定的搜索区域内直接通过在搜索区域内简单的移动模板图像实现了包含试卷题目的样本图像的定位,操作简单易行,且不用在整个试卷上搜索包含试卷题目的样本图像,降低了试卷题目定位成本,提高了搜索效率;且通过设定匹配度阈值,将满足所述匹配度阈值的样本图像才作为试卷的定位图像,定位准确度高。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于模板匹配的试卷题目定位方法,其特征在于,包括:
S1、获取第一试卷的模板图像;
S2、利用所述模板图像确定第二试卷的样本图像的搜索区域;
S3、利用所述模板图像与所述搜索区域计算第二试卷的第一样本图像的第一相似度;
S4、判断所述第一相似度是否大于所述第二试卷的第一样本匹配度阈值,如果是,进入S5;
S5、设定所述第一样本图像为所述第二试卷的定位图像。
2.根据权利要求1所述的基于模板匹配的试卷题目定位方法,其特征在于,所述S1包括:
S11、获取第一试卷的初始模板图像;
S12、计算所述初始模板图像的占空比;
S13、判断所述占空比是否大于占空比阈值,如果是,将所述初始模板图像作为所述第一试卷的模板图像。
3.根据权利要求1所述的基于模板匹配的试卷题目定位方法,其特征在于,所述S3包括:
S31、读入第二试卷与根据所述搜索区域确定的所述第一样本图像;
S32、将所述第一样本图像与模板图像进行匹配,得到第一样本匹配度;
S33、对所述模板图像进行模板匹配,得到模板匹配度;
S34、根据所述模板匹配度与所述第一样本匹配度计算所述第二试卷的第一相似度。
4.根据权利要求1-3任意一项所述的基于模板匹配的试卷题目定位方法,其特征在于,若S4中判定所述第一相似度不大于所述第一样本匹配度阈值,则所述方法还包括:
S6、以预定标准扩大所述搜索区域得到第二搜索区域;
S7、利用所述模板图像与所述第二搜索区域计算所述第二试卷的第二样本图像的第二相似度;
S8、判断所述第二相似度是否大于所述第一样本匹配度阈值,如果是,则设定所述第二样本图像为所述第二试卷的定位图像。
5.根据权利要求4所述的基于模板匹配的试卷题目定位方法,其特征在于,若S8中判定所述第二相似度不大于所述第一样本匹配度阈值,则所述方法还包括:
S9、判断所述第二相似度是否大于所述第一相似度,如果是,则进入S10;如果否,进入S11;
S10、判断所述第二相似度是否大于所述第二试卷的第二样本匹配度阈值,所述第二样本匹配度阈值小于所述第一样本匹配度阈值,如果是,则设定所述第二样本图像为所述第二试卷的定位图像,如果否,进入S12;
S11、判断所述第一相似度是否大于所述第二试卷的第二样本匹配度阈值,如果是,则进入S5,如果否,进入S12;
S12、判断是否存在与所述模板图像对应的备用模板图像,如果存在,将所述备用模板图像作为第一试卷的模板图像并进入S2。
6.一种基于模板匹配的试卷题目定位装置,其特征在于,包括:
模板图像获取模块,用于获取第一试卷的模板图像;
搜索区域确定模块,用于利用所述模板图像确定第二试卷的样本图像的搜索区域;
第一相似度计算模块,利用所述模板图像与所述搜索区域计算第二试卷的第一样本图像的第一相似度;
第一判断模块,用于判断所述第一相似度是否大于所述第一样本匹配度阈值;
定位图像设定模块,用于所述判断模块判定所述第一相似度大于所述第一样本匹配度阈值时,设定所述第一样本图像为所述第二试卷的定位图像。
7.根据权利要求6所述的基于模板匹配的试卷题目定位装置,其特征在于,所述模板图像获取模块包括:
第一获取单元,用于获取第一试卷的初始模板图像;
第一计算单元,用于计算所述初始模板图像的占空比;
判断单元,用于判断所述初始模板图像的占空比是否大于占空比阈值,如果是,将所述初始模板图像作为所述第一试卷的模板图像。
8.根据权利要求6所述的基于模板匹配的试卷题目定位装置,其特征在于,所述第一相似度计算模块包括:
读入单元,用于读入第二试卷与根据所述搜索区域确定的所述第一样本图像;
第一匹配单元,将所述第一样本图像与模板图像进行匹配,得到第一样本匹配度;
第二匹配单元,用于对所述模板图像进行模板匹配,得到模板匹配度;
第二计算单元,用于根据所述模板匹配度与所述第一样本匹配度计算所述第二试卷的第一相似度。
9.根据权利要求6-8任意一项所述的基于模板匹配的试卷题目定位装置,其特征在于,还包括:
第二搜索区域获取模块,用于以预定标准扩大所述搜索区域得到第二搜索区域;
第二相似度计算模块,用于利用所述模板图像与所述第二搜索区域计算所述第二试卷的第二样本图像的第二相似度;
第二判断模块,用于判断所述第二相似度是否大于所述第一样本匹配度阈值,如果是,设定所述第二样本图像为所述第二试卷的定位图像。
10.根据权利要求9所述的基于模板匹配的试卷题目定位装置,其特征在于,还包括:
第三判断模块,用于判断所述第二相似度是否大于所述第一相似度;
第四判断模块,用于判断所述第二相似度大于所述第一相似度时,所述第二相似度是否大于所述第二样本匹配度阈值,所述第二样本匹配度阈值小于所述第一样本匹配度阈值,如果是,则设定所述样本图像为所述第二试卷的定位图像,如果否,则触发第六判断模块;
第五判断模块,用于判断所述第二相似度不大于所述第一相似度时,所述第一相似度是否大于所述第二样本匹配度阈值,如果是,则设定所述样本图像为所述第二试卷的定位图像,如果否,则触发第六判断模块;
所述第六判断模块,用于判断所述第一相似度和所述第二相似度不大于所述第二样本匹配度阈值时,是否存在与所述样本图像对应的第一试卷备用模板图像,如果存在,将所述第一试卷备用模板图像作为第一试卷的模板图像并触发所述搜索区域确定模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710651459.1A CN107423738B (zh) | 2017-08-02 | 2017-08-02 | 一种基于模板匹配的试卷题目定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710651459.1A CN107423738B (zh) | 2017-08-02 | 2017-08-02 | 一种基于模板匹配的试卷题目定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107423738A true CN107423738A (zh) | 2017-12-01 |
CN107423738B CN107423738B (zh) | 2020-10-23 |
Family
ID=60436606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710651459.1A Active CN107423738B (zh) | 2017-08-02 | 2017-08-02 | 一种基于模板匹配的试卷题目定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107423738B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110245640A (zh) * | 2019-06-21 | 2019-09-17 | 深圳市采集科技有限公司 | 用于作业批改中自动定位题目的方法和作业批改方法、系统及存储介质 |
CN111143601A (zh) * | 2019-12-31 | 2020-05-12 | 深圳市芭田生态工程股份有限公司 | 一种图像处理方法 |
CN111178437A (zh) * | 2019-12-30 | 2020-05-19 | 深圳市芭田生态工程股份有限公司 | 一种施肥方法及计算机可读存储介质 |
CN114550180A (zh) * | 2022-02-10 | 2022-05-27 | 珠海读书郎软件科技有限公司 | 一种智能识别统分方法、系统及智能台灯 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007212261A (ja) * | 2006-02-09 | 2007-08-23 | Wako Pure Chem Ind Ltd | 試験紙測定装置及び測定方法 |
CN102378002A (zh) * | 2010-08-25 | 2012-03-14 | 无锡中星微电子有限公司 | 动态调整搜索窗的方法及装置、块匹配方法及装置 |
CN102566335A (zh) * | 2010-12-30 | 2012-07-11 | 上海微电子装备有限公司 | 一种模板图像获取方法 |
CN103400124A (zh) * | 2013-07-03 | 2013-11-20 | 北京鸿合盛视数字媒体技术有限公司 | 一种试卷识别方法及装置 |
CN105046200A (zh) * | 2015-06-19 | 2015-11-11 | 成都理想境界科技有限公司 | 基于直线检测的电子阅卷方法 |
CN105404695A (zh) * | 2015-12-23 | 2016-03-16 | 北京奇虎科技有限公司 | 试题查询方法和装置 |
CN105956092A (zh) * | 2016-04-29 | 2016-09-21 | 广东小天才科技有限公司 | 一种应用于电子终端的试题搜索方法和装置 |
CN106033544A (zh) * | 2015-03-18 | 2016-10-19 | 成都理想境界科技有限公司 | 基于模板匹配的试卷内容区域提取方法 |
CN106650608A (zh) * | 2016-10-31 | 2017-05-10 | 广东工业大学 | 一种无定位点试卷中矩形定位框的识别方法 |
CN106934411A (zh) * | 2015-12-31 | 2017-07-07 | 成都理想境界科技有限公司 | 基于模板匹配的电子阅卷方法 |
-
2017
- 2017-08-02 CN CN201710651459.1A patent/CN107423738B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007212261A (ja) * | 2006-02-09 | 2007-08-23 | Wako Pure Chem Ind Ltd | 試験紙測定装置及び測定方法 |
CN102378002A (zh) * | 2010-08-25 | 2012-03-14 | 无锡中星微电子有限公司 | 动态调整搜索窗的方法及装置、块匹配方法及装置 |
CN102566335A (zh) * | 2010-12-30 | 2012-07-11 | 上海微电子装备有限公司 | 一种模板图像获取方法 |
CN103400124A (zh) * | 2013-07-03 | 2013-11-20 | 北京鸿合盛视数字媒体技术有限公司 | 一种试卷识别方法及装置 |
CN106033544A (zh) * | 2015-03-18 | 2016-10-19 | 成都理想境界科技有限公司 | 基于模板匹配的试卷内容区域提取方法 |
CN105046200A (zh) * | 2015-06-19 | 2015-11-11 | 成都理想境界科技有限公司 | 基于直线检测的电子阅卷方法 |
CN105404695A (zh) * | 2015-12-23 | 2016-03-16 | 北京奇虎科技有限公司 | 试题查询方法和装置 |
CN106934411A (zh) * | 2015-12-31 | 2017-07-07 | 成都理想境界科技有限公司 | 基于模板匹配的电子阅卷方法 |
CN105956092A (zh) * | 2016-04-29 | 2016-09-21 | 广东小天才科技有限公司 | 一种应用于电子终端的试题搜索方法和装置 |
CN106650608A (zh) * | 2016-10-31 | 2017-05-10 | 广东工业大学 | 一种无定位点试卷中矩形定位框的识别方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110245640A (zh) * | 2019-06-21 | 2019-09-17 | 深圳市采集科技有限公司 | 用于作业批改中自动定位题目的方法和作业批改方法、系统及存储介质 |
CN111178437A (zh) * | 2019-12-30 | 2020-05-19 | 深圳市芭田生态工程股份有限公司 | 一种施肥方法及计算机可读存储介质 |
CN111143601A (zh) * | 2019-12-31 | 2020-05-12 | 深圳市芭田生态工程股份有限公司 | 一种图像处理方法 |
CN114550180A (zh) * | 2022-02-10 | 2022-05-27 | 珠海读书郎软件科技有限公司 | 一种智能识别统分方法、系统及智能台灯 |
Also Published As
Publication number | Publication date |
---|---|
CN107423738B (zh) | 2020-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107423738A (zh) | 一种基于模板匹配的试卷题目定位方法及装置 | |
CN111640089B (zh) | 一种基于特征图中心点的缺陷检测方法及装置 | |
US8280196B2 (en) | Image retrieval apparatus, control method for the same, and storage medium | |
US20110158532A1 (en) | Apparatus for detecting text recognition region and method of recognizing text | |
JP2010067246A5 (zh) | ||
CN102834845A (zh) | 用于多摄像装置校准的方法与装置 | |
US10152646B2 (en) | Keypoint identification | |
CN103500337A (zh) | 用于智能无线通信终端的识别四边形边框的方法及装置 | |
JP2011113197A (ja) | 画像検索方法およびシステム | |
EP1246119B1 (en) | Fingerprint/palmprint image processor and processing method | |
CN106815830B (zh) | 图像的缺陷检测方法 | |
US20200005078A1 (en) | Content aware forensic detection of image manipulations | |
US9547885B2 (en) | Image repairing method and device | |
WO2020209046A1 (ja) | 物体検出装置 | |
JP3884468B2 (ja) | 高速画像探索方法 | |
CN109509165B (zh) | 图像定位区域选取方法及装置 | |
WO2002029712A2 (en) | System and method for pattern identification | |
CN113139399A (zh) | 一种图像线框识别方法及服务器 | |
JP4943228B2 (ja) | 画像のマッチング処理方法 | |
JPH05303643A (ja) | パターンマッチング方法 | |
JP3884462B2 (ja) | 高速画像探索方法 | |
CN105718929A (zh) | 全天候未知环境下高精度快速圆形目标定位方法和系统 | |
CN106846419B (zh) | 一种图像中人像轮廓的确定方法和装置 | |
EP3076370B1 (en) | Method and system for selecting optimum values for parameter set for disparity calculation | |
JP2010191767A (ja) | 文字認識装置及び文字認識方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |