CN111507127A - 一种基于“矩m00”+“矩形定位”对答题卡进行识别的方法 - Google Patents
一种基于“矩m00”+“矩形定位”对答题卡进行识别的方法 Download PDFInfo
- Publication number
- CN111507127A CN111507127A CN201910090660.6A CN201910090660A CN111507127A CN 111507127 A CN111507127 A CN 111507127A CN 201910090660 A CN201910090660 A CN 201910090660A CN 111507127 A CN111507127 A CN 111507127A
- Authority
- CN
- China
- Prior art keywords
- image
- answer sheet
- rectangle
- answer
- point
- 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
- 238000000034 method Methods 0.000 title claims description 37
- 238000009966 trimming Methods 0.000 claims abstract description 4
- 238000005070 sampling Methods 0.000 abstract description 7
- 238000012360 testing method Methods 0.000 abstract description 5
- 238000003672 processing method Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 12
- 238000001514 detection method Methods 0.000 description 6
- 230000003068 static effect Effects 0.000 description 6
- 239000011800 void material Substances 0.000 description 4
- 238000010415 tidying Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 101100534231 Xenopus laevis src-b gene Proteins 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/414—Extracting the geometrical structure, e.g. layout tree; Block segmentation, e.g. bounding boxes for graphics or text
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明提供了一种答题卡的识别处理方法,包括以下步骤:设计出一种附加矩形框的答题卡模版;用普通馈纸式扫描仪获取答题卡图像;针对大批量的扫描答题卡图像进行A、B面分类;利用矩形属性对图像进行修整、对图像进行定位;通过定位点和采样点对小矩形图像,逐个获取矩的M00值;利用图像矩的M00值不同,对填涂有答案的答题卡进行识别、提取并给予分数;调用Windows画图工具展示图像,操作改卷,并保留改后痕迹、分数;将试卷分数输出到Excel表格或数据库中。
Description
技术领域
计算机图像识别及一种答题卡识别的方法。
背景技术
答题卡是考试采用的普遍形式,选择题答案的判别就是用计算机图像识别进行。现行判别方式多种多样,准确率高的对纸张,印刷、读取设备、计算机配置及软件等要求都很高,识别答案的关键还是在于应用软件的算法处理图像。目前,有网上阅卷系统、摄像头阅卷系统、扫描仪阅卷系统、数码相机阅卷系统及专门的读卡器阅卷系统等等。我探究、发明的这种利用图像矩M00值的不同来区分图像,结合矩形定位获取图像的方法,使得识别方法简便、高效。
为满足普通学校低成本、简便、高效的使用需求,本系统采用:印刷答题卡的纸张要求:50—60g(高考答题卡是90-100g);普通馈纸式双面扫描仪:分辨率达150像素;普通喷墨打印机;普通学校用油印机;安装Windows10、office软件的普通电脑。
本方法的理论基础来自于一个BSD许可(开源)发行的跨平台计算机视觉库OpenCV。OpenCV实现了图像处理和计算机视觉方面的很多通用算法。
本方法理论基础:在OpenCV中,对于一幅图像,我们把像素的坐标看成是一个二维随机变量,那么一幅灰度图可以用二维灰度密度函数来表示,因此可以用矩来描述灰度图像的特征。不变矩(Invariant Moments)是一种高度浓缩的图像特征,具有平移、灰度、尺度、旋转不变性。零阶矩
M00=∑∑V(i,j)
这个M00值,对于同样形状、同样大小而灰度不同的图像来说,值的大小是不同的。
发明内容
在实际应用中如说明书附图5中标记3“四个小矩形”中的四个小矩形框,是用普通扫描仪150分辨率扫描答题卡得到的灰色图中的一部分,每个矩形大小相同,均为39*22 像素,可以把它们分别看成为A
图、B图、C图和D图4幅小图,分别代表答题卡中的选择题的四种选项A、B、C、D。
用OpenCV中的函数Moments()可求出M00值,如下:
Moments(A).M00=236730;
Moments(B).M00=168054;
Moments(C).M00=236404;
Moments(D).M00=238588;
显然B图的M00值比A、C、D的值小很多,其它三个值都比较接近。从黑、白来看,B 图是黑的,其它三个是白的。这第二个矩形就是所选的答案B。通过实验检测,图像越黑, M00值越小,即涂的越黑,分辨率就越高。M00值是本方法的核心之一。
本方法的“矩形定位”的原理:OpenCV中的FindContours()函数可以检索到图像的轮廓。在设计答题卡时,有意画一个大矩形(见说明书附图1标记1“定位矩形”),包围着选择区域。通过FindContours()函数可找到这个矩形,通过矩形的属性可获取到这个矩形的宽box.Size.Width、高box.Size.Height和中心坐标box.Center及本矩形与水平线的夹角box.Angle。夹角为0,表示矩形是端正的,图也就是端正的。夹角越大,图就越歪,也就说答题卡歪了。有了这个角度,使用OpenCV中的image.Rotate(angle)函数可以将这图旋转Angle角度,即把答题卡旋转端正,修正图形就是依据这个角。
再用FindContours()函数,查找端正图中的矩形,这个矩形中心坐标box.Center就可用为图的定位点(锚点)。本方法应用这个点,通过矩形的宽box.Size.Width、高box.Size.Height求得矩形左上角顶点的值作为定点坐标(见说明书附图1标记2“定点坐标”)。这样通过“定位矩形”,解决了歪图的修正和图像定位点问题。“定位矩形”是本方法核心之二。
有了定位点就能找到图像中每一题中的每一个选项图(小矩形图)见说明书附图5标记4,使用M00值对比,获取选项(见[0008]),再与标准答案对比,给予分数。
本方法使用Windows画图工具设计答题卡,使用C#编程,识别用普通扫描仪获取的答题卡图像,是将OpenCV中的一些函数进行创新组合,得到解决答题卡识别的一种新方法。
本发明提供一种答题卡信息识别方法及系统,旨在用电脑快速识别扫描仪获取的答题卡图像,从中提取出选择题的答案与标准答案对比,并给予相应分数。答题卡中的非选择题,可在电脑中由人工判定给分,并在图像中保存更改痕迹,以便查看。
现用的普通扫描仪已经能快速大量获取答题卡图像,而且图像没有形变,但图像有的端正,有的歪斜。本发明实施例就是先将歪斜图像修理端正,再从中获取选择题项并给予分数。解决上述问题的方法的科学原理见上述[0004]——[0009]。
解决上述问题的前期准备:用Windows画图工具按照指定的规则设计出一种附加矩形框的答题卡模版(见说明书附图1),获取模版扫描后图作为样版(见说明书附图2标记6“采样点”),再用Windows画图工具采集样本中各采样点坐标(定位矩形左上顶点为定位点,其它各采样点见说明书附图2标记6,X,Y值与定位点X,Y值的差)、选择框及移动框的宽和高为参数。还有第二种获取参数的方法见[0069]到[0071]。
修整图像:见说明书附图3为一幅歪斜还带有扫描黑边的图像,用
CaptureImagePath(string inName,string toPath)函数,将原图上、下、左、右各减少10 个像素,去除“黑边”,结果见说明书附图4。
public void CaptureImagePath(string inName,string toPath){ Image<Gray,byte>image=new Image<Gray,byte>(inName);
//设置一个从原图(10,10)为顶点宽和高比原图小20像素的矩形图
Rectangle rectangle=new Rectangle(10,10,image.Width-20,image.Height-20);
//获得剪去了每边10像素的图
Image<Gray,byte>Sub=image.GetSubRect(rectangle);
Sub.Save(toPath);//保存新图
image.Dispose();
Sub.Dispose();}。
调用获取矩形的方法List<RotatedRect>RectMethod(Image<Bgr,byte>src2)[0017],其中包括使用高斯滤波去除噪声GaussianBlur(grayImage2,grayImage2,newSize(3,3),3)、 Canny(grayImage2,cannyEdges,60,180)函数、查找轮廓函数FindContours(cannyEdges, contours,null,RetrType.External,ChainApproxMethod.ChainApproxSimple)来找到歪斜的定位矩形框。
调用GetrotateAng(string scr)函数,通过定位矩形的角度属性box.Angle值,获取到矩形歪斜的角度ang。
调用GetrotateImage_GraySave(string scr,float ang,string toPathName)函数,其中有Rotate(ang,new Gray())方法,将图像反向旋转ang,从而获得端正的图像。
public void GetrotateImage_GraySave(string scr,float ang,stringtoPathName){
Image<Gray,Byte>image=new Image<Gray,Byte>(scr);//读取图像
//将图像以(0,0)为中心旋转ang角
Image<Gray,Byte>imageAng=image.Rotate(ang,new Gray());
imageAng.Save(toPathName);//保存旋转后的图像
}。
旋转后图的边界变大了,产生新“黑边”,再次调用[0015]的同名函数[0023],使图恢复原来大小,消除黑边,并保存进新的文件夹,同时进行备份,见说明书附图5。
public void CaptureImagePath(string inName,string toName,Point p,intw,int h){
Image<Gray,byte>image=new Image<Gray,byte>(inName);
Rectangle rectangle=new Rectangle(p.X,p.Y,h,h);
Image<Gray,byte>Sub=image.GetSubRect(rectangle);Sub.Save(toName);
image.Dispose();
Sub.Dispose();
}。
到此,图像修整完毕,以下对图像的操作,包括上述的样板图均用修整后的备份图,而且不管原图是否端正,都要经过[0014]至[0023]过程并备份。上述操作只是对图像进行了旋转和修边,图像本身没有其它修改,保持了原有的灰度。
用GetdestScrPoint(Image<Bgr,byte>image)方法获取定点坐标,本方法再次调用了 [0017]来找到定位矩形框,并用其box.Center.X、box.Center.Y中心点属性获取到矩形的中心点坐标,和box.Size.Width、box.Size.Height矩形的宽和高,进一步推算出矩形左上角顶点的定位点坐标。有了定点坐标,再加上各采样点的参数就获取到各采样点的实际坐标,从而对各选项进行识别。
矩M00的获得方法[0029]及选项判定方法:在使用前,要事先检测出空白图的小矩形块的最小M00值,取值比最小的值还小5%-10%,为限定值。凡小于限定值则认定为所选项。如果有多个值小于限定值,则为多项选择,如果没有小于限定值的则定为没有选择。
限定值的大小与纸张的洁白度、选择块(见说明书附图2标记4“实选择块”)的大小、扫描仪的设定参数有关,一所学校如果纸张不变,答题卡模版不变,扫描仪参数设定不变那么这个参数选定之后就无须调整。
public static double GetM00(Image<Gray,byte>image,Point point,int w,int h){
//将选择框设置为矩形,相当于一幅图
Rectangle rectangle=new Rectangle(point.X,point.Y,w,h);
Image<Gray,byte>Sub=image.GetSubRect(rectangle);//获取矩形图
MCvMoments cvmoment=CvInvoke.Moments(Sub);//获取图的矩
return cvmoment.M00;//输出矩的M00值
}。
现从图像中取1—10题单项选择题答案,说明获取选择题答案serialAnswer_M00的使用方法:str为图像全名称,point点为第一题选择块左上角顶点坐标,其值为定点坐标+ 这点的采集参数。Maxj为选择题的题数=10,Maxi为选择项数=4,依序选项为A、B、C、D。
public string serialAnswer_M00(string str,Point point,int Maxj,intMaxi,int w,int h){
//Maxj为选择题的题数,Maxi为选择项数
Image<Gray,byte>image=new Image<Gray,byte>(str);//读图
string namber=null;//输出结果,一组选择题答案
//j表示本组题的题号,0代表第一题,从第一题开始操作
for(int j=0;j<Maxj;j++){
char answer;//一题的选项答案:\A\B\C\D
int[]pix=new int[Maxi];//用于保存选项的M00值
string ans=null;//输出结果,一题的选项答案
//i表示选项号,从第一选项开始
for(int i=0;i<Maxi;i++){
//获取选项起点坐标,随着i的增大,点从第一选项向下一选项移
Point p=new Point(point.X+i*AreaMoveWidth,point.Y+j*AreaMoveHight);//随着j的增大,从第一题向下一题移动(见说明书附图5标记5“选择移动块”)
//调用[0029]当i=0,j=0;就获取到第一题第一选项的M00值
pix[i]=(int)GetM00(image,p,w,h);
//这一循环下来,取得一题四个选项的M00值,并保存到数组中
}
int m=0;//取下标,用于获得选项的序号
int min=pix[0];//用于记录M00的最小值
for(int ii=0;ii<pix.Count();++ii)//获得最小值及此时的序号
if(min>pix[ii])
min=pix[ii];
m=ii;//获得最小M00值(涂的最黑)时的序号
}
}
//M00为界线值,取值比空白图的M00值略小见[0027]
if(min>M00)
ans="o";//输出“o”表示本题没选
else{
//65表示A字符,answer随m增大而转化为B/C/D
answer=(char)(m+65);
ans=answer.ToString();//将一题的答案,转换类型输出
}
Console.WriteLine("j="+j+"m="+m+""+ans);//用于查看
namber+=ans;//将答案累加,获得一组字符串结果
}
return namber;//j循环结束,就获得每题的答案字符串
}。
获取序列号数值的方法,同获取选择题答案[0031]方式一样。
对于其它各组选择题,同样方法调用[0031]即可获取答案。
上述方法所用到的定义字段和属性如下:
public string srcName{set;get;}//原图名称
public string srcPath{set;get;}//原图路径
public float rotateAng;//旋转角度
public Image<Bgr,byte>rotateBgrImage;//旋转后图用于获取新坐标
public Point destScrPoint{set;get;}//目标图标准点(定位)坐标
public int detectionPointX{set;get;}=497;//检测点X
public int detectionPointY{set;get;}=535;//检测点Y
public int serialNumberStartPointX{set;get;}=493;//序列号起始点X(左上内角点)相对,下同)
public int serialNumberStartPointY{set;get;}=116;//序列号起始点X(左上内角点))
public int audiometryStartPointX{set;get;}=34;//听力1始点X d
public int audiometryStartPointY{set;get;}=51;//听力1始点Y d
public int audiometryStartPointXX{set;get;}=34;//听力1始点X d public intaudiometryStartPointYY{set;get;}=409;//听力2始点Y d
public int readStartPointX{set;get;}=262;//阅读21始点X
public int readStartPointY{set;get;}=54;//阅读21点Y
public int readStartPointXX{set;get;}=262;//阅读31始点X
public int readStartPointYY{set;get;}=411;//阅读31点Y
public int readStartPointXXX{set;get;}=262;//阅读36始点X
public int readStartPointYYY{set;get;}=589;//阅读36点Y
public int languageStartPointX{set;get;}=638;//语言41始点X
public int languageStartPointY{set;get;}=48;//语言41始点Y
public int languageStartPointXX{set;get;}=638;//语言51始点X
public int languageStartPointYY{set;get;}=403;//语言51始点Y
static int choiceAreaWidth{set;get;}=40;//实选择块的宽
static int choiceAreaHight{set;get;}=24;//实选择块的高
static int AreaMoveWidth{set;get;}=50;//实选择块移动的宽
static int AreaMoveHight{set;get;}=36;//实选择块移动的高
static int M00{set;get;}=219990;//限定值关键!!!
public double Audition{set;get;}=1.5;//听力选项分值
public double Read{set;get;}=2.0;//阅读选项分值
public double Language{set;get;}=1.5;//语言选项分值
public string serialNumber{set;get;}//学生序列号
public string detection{set;get;}//检测值
public string teacherCoinceAnswer{set;get;}//标准答案
public string choiceAnswer{set;get;}//选择题答案序列
public double choiceGoal;//选择题总得分
public double fillingGoal;//填空题得分
public double errorGoal;//改错题得分
public double compositionGoal;//作文得分
public double totalPoints;//总分
说明:
上述各属性的初始值如audiometryStartPointX{set;get;}=34;表示“听力1始点X”到基准点的水平像素距离,它加上基准点X的值就是该点的实际坐标值;
属性初始值是第一次使用前,用Windows画图工具打开扫描图直接测量获得或使用[0062] 到[0066]方法。
为方便使用,将上述属性[0035]和相关方法,编写成一个类EnglishAnswer见说明书附图7。
为连续快速获取大量答题卡的结果,并将结果输出到数据库,还需编写流程见说明书附图6来完成任务。详见[0038]到[0071]具体实施方式。
操作流程见说明书附图6:将学生答题卡(双面)收集整理好,调节好扫描仪参数:150分辨率、双面扫描、灰色方式、其它取默认值,扫描到指定空文件夹中,如 "D:\sharefill\English\G2\G2(1)"。
起动应用程序,见(说明书附图8)页面功能图Form1功能是分离文件夹、获取非选择题分数,(见说明书附图9)程序结构图。
双击“选择文件”按钮找到保存答题卡图像的文件夹,(也可直接输入文件夹路径)如"D:\sharefill\English\G2\G2(1)"。
双击“分离A、B面”按钮,方法见[0042]结果是将图像文件分类复制到A文件夹,和B文件夹中。可查看确认
如"D:\sharefill\English\G2\G2(1)A"、"D:\sharefill\English\G2\G2(1)\G2(1)B"。
继续Form1操作,将B面非选择题分数存入Excel表格中:先建立好一个Excel文件,其中有3个表格,sheel3用于保存非选择分数。输入文件名如:G2(1).xlsx,然后双击“选择Excel文件夹”按钮,找到相应的文件夹路径,如"E:\sharefill\English\成绩"。双击“打开Excel获取试卷”按钮,这时会运行[0044]事件。[0044]调用Windows画图工具打开B面的当前图像,老师可用画图工具改试卷,保存,见说明书附图5。
将本题的分数输入分数框,点击“确认分数进Excel”按钮,当前图的文件名和分数会通过[0046]事件保存到Excel的表格中。
点击“上一张”或“下一张”按钮,会调用[0048]或[0049]事件,调用Windows画图工具打开相应图像,以供改卷、给分、存分。重复操作至试卷完成。
试卷批改完成后,点击“保存分数到Excel并退出”[0051]按钮,将答题卡文件名及相对应分数保存进Excel表格中,并退出。
也可将分数保存入mysql数据库中。
点击进入Form2功能页面(见说明书附图8)来完成整理图片、取选择题答案和分数工作:点击“选择A面文件夹”按钮,触发[0054]事件,选择保存A面图像的文件夹或直接填入。
private void button4_Click(object sender,EventArgs e){
FolderBrowserDialog folder=new FolderBrowserDialog();
folder.Description="选择所有文件存放目录";
if(folder.ShowDialog()==DialogResult.OK)
textBox1.Text=folder.SelectedPath;//显示文件名
}。
点击“整理图片确定”按钮,触发[0056]事件,本事件将完成图像整理工作,并将整理好的图像存入一个新建的文件夹中。
标准答案可以直接填入答案框中,也可将教师标准答案和学生答题卡一并进行处理:点击“选择标准答案文件名”按钮,选择标答文件后,点击“获取标准答案”按钮,触发[[0058] 事件,获取到标准答案并显示出来。
点击“选择整图后文件夹”,选择相应文件夹路径如: "D:\sharefill\English\G2\G2(1)\G2(1)A\pic",点击“Excel文件夹”按钮,选择保存答案分数的 Excel文件夹,在输入框中输入Excel文件名之后,点击“获取选择题答案及分数到Excel”按钮,调用[0060]事件,将选择题答案及分数存到Excel中,并得到简单的分析结果。
最后,打开Excel表格,统计输出结果。
自动获取参数的方法:首先选择一张端正的样卷图,复制4份,用Windows图画工具改为如下图所示:文件名分别为:01.jpg、02.jpg、03.jpg、04.jpg并保存在执行文件同目录下(见说明书附图11--15)。
起动程序,选择Form3功能页面(见说明书附图8),在定点图名、X点图名、Y点图名、M00图名、检测图名对应框中分别填入01.jpg、02.jpg、03.jpg、01.jpg、04.jpg。在输入保存参数文件名对应框中填入01.xlsx,在Audition、Read、Language对应框中分别填入分值如:1.5、2.0、1.5。而后点击“获取参数列表”按钮,触发[0071]事件,获取参数并显示,点击“参数保存”按键,触发[0064]事件,将参数保存至Excel表格中
注意:为检测到小矩形,02.jpgt和03.jpg图大矩形必须“开口”。否则只能检测到外部的大矩形。
测量结果为B,表示获取的参数正确可以使用,否则参数无效。
答题卡设计规则:每个选择块必须大小一致;选择块之间的间距(上下左右)必须一致;整个选择区域必须有个大矩形框,框边必须加粗(5-7像素)。使用注意事项:保持答题卡整洁;特别保持大矩形框的完整性,边框不得有断裂处,也不得有多余处(有其它线条与框相连),否则检测不到矩形,也就识别不了图像。
附图说明:
图1是模版图;图2是样版图;图3是歪斜黑边的原图;图4是去除黑边框后的图;图5是修整后的图;图6是操作流程图;图7是类结构图;图8是页面功能图;图9是页面Form1程序结构图;图 10是页面Form2程序结构图;图11是页面Form3程序结构图;图12是用于获取最小M00值;图13 是用于定位X点和获取移动块宽高;图14是用于获取选择块宽和高及下部采样点Y的坐标值;图15 是用于检测。标记1是定位矩形;标记2定点坐标;,标记3是四个小矩形;标记4是小矩形/实选择块;标记5是选择移动块;标记6是采样点。
Claims (5)
1.使用OpenCV库中的图像矩M00值对填涂有答案的答题卡进行识别、提取并给予分数的方法。
2.使用OpenCV库中矩形的角度属性对图像进行旋转修整的方法。
3.使用OpenCV库中矩形的属性值,中心坐标box.Center、矩形的宽box.Size.Width、高box.Size.Height进行图像定位方法。
4.将矩形定位方法和图像矩的M00识别方法结合,找出每题选项答案的方法。
5.调用Windows画图工具来改卷的方法,能保留改后痕迹,指出错误之处。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910090660.6A CN111507127A (zh) | 2019-01-30 | 2019-01-30 | 一种基于“矩m00”+“矩形定位”对答题卡进行识别的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910090660.6A CN111507127A (zh) | 2019-01-30 | 2019-01-30 | 一种基于“矩m00”+“矩形定位”对答题卡进行识别的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111507127A true CN111507127A (zh) | 2020-08-07 |
Family
ID=71875704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910090660.6A Pending CN111507127A (zh) | 2019-01-30 | 2019-01-30 | 一种基于“矩m00”+“矩形定位”对答题卡进行识别的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111507127A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102760225A (zh) * | 2011-04-29 | 2012-10-31 | 贵州师范大学 | 一种基于矩形包围框的试卷客观题答题卡定位方法 |
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 |
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 |
-
2019
- 2019-01-30 CN CN201910090660.6A patent/CN111507127A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102760225A (zh) * | 2011-04-29 | 2012-10-31 | 贵州师范大学 | 一种基于矩形包围框的试卷客观题答题卡定位方法 |
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 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111507251B (zh) | 试题图像中作答区域的定位方法、装置、电子设备及计算机存储介质 | |
CN104143094B (zh) | 一种无需答题卡的试卷自动阅卷处理方法及系统 | |
US5179649A (en) | Method for generating title information entry format and method for filing images in image filing device | |
EP0490687B1 (en) | Method and apparatus for image processing | |
CN110597806A (zh) | 一种基于批阅识别的错题集生成与答题统计系统及方法 | |
US20040139391A1 (en) | Integration of handwritten annotations into an electronic original | |
JP3594228B2 (ja) | 枠消し装置、枠消し方法、およびオーサリング装置 | |
US5101447A (en) | Method and apparatus for optically reading pre-printed survey pages | |
US20150187219A1 (en) | Systems and methods for computer-assisted grading of printed tests | |
US20060215232A1 (en) | Method and apparatus for processing selected images on image reproduction machines | |
US20070269109A1 (en) | Method and apparatus for processing selected images on image reproduction machines | |
RU2656573C2 (ru) | Методы обнаружения введенных пользователем контрольных меток | |
Deng et al. | A low-cost OMR solution for educational applications | |
Chabchoub et al. | SmartATID: A mobile captured Arabic Text Images Dataset for multi-purpose recognition tasks | |
US20040017940A1 (en) | Document information input apparatus, document information input method, document information input program and recording medium | |
JP2007005950A (ja) | 画像処理装置及びネットワークシステム | |
CN113487702A (zh) | 一种模板生成、图片识别方法及装置 | |
US11908213B2 (en) | System and method to facilitate extraction and organization of information from paper, and other physical writing surfaces | |
CN111507127A (zh) | 一种基于“矩m00”+“矩形定位”对答题卡进行识别的方法 | |
Ahad et al. | Information retrieval from damage OMR sheet by using image processing | |
CN113903039A (zh) | 一种基于颜色的答题卡答案区域采集的方法 | |
CN107886808B (zh) | 一种盲文方辅助标注方法及系统 | |
CN111079562A (zh) | 多阶段数据生成自循环财务发票文本智能识别系统及方法 | |
Hutchison et al. | Fourier–Mellin registration of line-delineated tabular document images | |
JP2000187705A (ja) | 文書読取装置および方法および記憶媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200807 |