CN113822267A - 一种基于权重分布的扫描填涂点识别方法及系统 - Google Patents

Abstract

本发明涉及图像扫描识别技术领域，具体为一种基于权重分布的扫描填涂点识别方法及系统。该方法包括获取空白答题卡扫描图像，并根据空白答题卡扫描图像建立答题卡扫描模板；获取考生答题卡扫描图像；根据答题卡扫描模板，获取考生答题卡扫描图像中的矩形填涂框；获取每个矩形填涂框的面积，并对矩形填涂框进行等面积分割，得到若干个分割模块；按照预设像素值赋值策略对矩形填涂框内的像素点进行赋值；统计分割模块的像素值；根据预设的分割模块权重系数计算矩形填涂框的识别系数，当识别系数小于预设阈值时，将矩形填涂框判定为被填涂。本发明通过填涂点的权重分布及图像多值化处理，能更快速的识别客观题的填涂点信息，且准确率较高。

Description

一种基于权重分布的扫描填涂点识别方法及系统

技术领域

本发明涉及图像扫描识别技术领域，具体为一种基于权重分布的扫描填涂点识别方法及系统。

背景技术

随着教育的发展，电脑阅卷越来越普及，目前基于纸质考试的网上阅卷系统是将考生的纸质答题卡进行图像灰度化处理后，得到处理图像，对处理图像的客观题填涂区域进行识别和判断填涂是否为有效填涂；专利CN112733644A提供一种基于扫描识别的填涂点识别系统和方法，能够快速识别客观题的填涂点信息，无需大量的人工干预，提高了工作效率和准确率。

然而，上述识别方法的识别精度仍有一定欠缺，比如会出现有效的填涂点被判断成无效填涂点等情况。

因此，亟需研发出一种新的扫描填涂点识别方法来提高识别精度，减少人工干预。

发明内容

为了解决上述背景技术中的问题，本发明提供一种基于权重分布的扫描填涂点识别方法及系统，通过填涂点的权重分布及图像多值化处理，能更快速的识别客观题的填涂点信息，且准确率很高。

本发明的第一个目的是提供一种基于权重分布的扫描填涂点识别方法，包括以下步骤：

获取空白答题卡扫描图像，并根据空白答题卡扫描图像建立答题卡扫描模板；

获取考生答题卡扫描图像；

根据答题卡扫描模板，获取考生答题卡扫描图像中的矩形填涂框；

获取每个矩形填涂框的面积，并对矩形填涂框进行等面积分割，得到若干个分割模块；

按照预设像素值赋值策略对矩形填涂框内的像素点进行赋值；

统计分割模块的像素值；

根据预设的分割模块权重系数计算矩形填涂框的识别系数，当识别系数小于预设阈值时，将矩形填涂框判定为被填涂。

一种实施例中，统计分割模块的像素值，包括：

选取分割模块内数量最多的像素点所对应的像素值作为分割模块内的像素值。

其他实施例中，统计分割模块的像素值，包括：

将分割模块划分为若干个像素组；

统计像素组内相同像素值的像素点的数量；

选取数量最多的像素点所对应的像素值作为该像素组的像素值；

统计分割模块内相同像素值的像素组的数量；

选取数量最多的像素组所对应的像素值作为该分割模块的像素值。

进一步的，选取数量最多的像素点所对应的像素值作为该像素组的像素值，包括：

数量相同且最多的像素点的组数至少有两组，选取多组中最小的像素值作为该像素组的像素值。

进一步的，选取数量最多的像素组所对应的像素值作为该分割模块的像素值，包括：

数量相同且最多的像素组的组数至少有两组，选取多组中最小的像素组的像素值作为该分割模块的像素值。

进一步的，获取空白答题卡扫描图像，并根据空白答题卡扫描图像建立答题卡扫描模板，包括：

在空白答题卡扫描图像上，框选定位标志点、矩形填涂框，标记框选矩形填涂框的坐标位置，生成一个xml文件答题卡扫描模板。

进一步的，根据答题卡扫描模板，获取考生答题卡扫描图像中的矩形填涂框，包括：

获取答题卡扫描模板和考生答题卡扫描图像；

根据定位标志点，使考生答题卡扫描图像和空白答题卡扫描图像处于同一坐标系；

根据答题卡扫描模板的矩形填涂框的坐标位置，获取考生答题卡扫描图像中的矩形填涂框的位置信息。

进一步的，按照预设像素值赋值策略对矩形填涂框内的像素点进行赋值，包括：

将矩形填涂框的灰度值范围平均分为N等分，

根据矩形填涂框的灰度值范围0～n划分为N个等长的灰度值区间；

以(n+1)/N为步长，在灰度值范围0～n中选取N个灰度值，令N个灰度值与N个灰度值区间一一对应；

为矩形填涂框内像素点的像素值重新取值，令像素点的像素值等于灰度值区间所对应的灰度值。

进一步的，根据预设的分割模块权重系数计算矩形填涂框的识别系数，包括：

统计若干个分割模块的像素值分别为A₁、A₂、A₃…A_n；

统计若干个分割模块的权重系数分别为B₁、B₂、B₃…B_n；

定义矩形填涂框的识别系数为R；

则R＝A₁*B₁+A₂*B₂+...+A_n*B_n；

本发明的第二个目的是提供一种基于权重分布的扫描填涂点识别系统，包括：

扫描模板制作模块，用于获取空白答题卡扫描图像，并根据空白答题卡扫描图像建立答题卡扫描模板；

获取模块，获取考生答题卡扫描图像；

答题卡信息识别模块，用于根据答题卡扫描模板，获取考生答题卡扫描图像中的矩形填涂框；

分割模块，用于获取每个矩形填涂框的面积，并对矩形填涂框进行等面积分割，得到若干个分割模块；

处理模块，用于按照预设像素值赋值策略对矩形填涂框内的像素点进行赋值；

统计模块，用于统计分割模块的像素值；

计算模块，用于根据预设的分割模块权重系数计算矩形填涂框的识别系数，当识别系数小于预设阈值时，将矩形填涂框判定为被填涂。

本发明提供的一种基于权重分布的扫描填涂点识别方法，根据预设的分割模块权重系数计算矩形填涂框的识别系数，通过识别系数与预设阀值进行比较，能够更快速的识别客观题矩形填涂框的填涂有效性，权重系数的计算方法提高了扫描识别的准确率，鲜少会出现识别不准需要人工干预的情况，有效保障了考试成绩的公平性。

附图说明

为了更清楚的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的介绍，显而易见的，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它附图。

图1为本申请实施例基于权重分布的扫描填涂点识别方法的流程图(一)；

图2为本申请实施例基于权重分布的扫描填涂点识别方法的流程图(二)；

图3为本申请实施例基于权重分布的扫描填涂点识别方法的流程图(三)；

图4为本申请实施例基于权重分布的扫描填涂点识别系统的模块组成图。

具体实施方式

下面将结合本发明中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，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，本领域普通的技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本发明的保护范围。

图1、图2为本申请一些实施例中的一种基于权重分布的扫描填涂点识别方法的流程图(一)和(二)。该识别方法包括以下步骤：

S101、获取空白答题卡扫描图像，并根据空白答题卡扫描图像建立答题卡扫描模板；

S102、获取考生答题卡扫描图像；

S103、根据答题卡扫描模板，获取考生答题卡扫描图像中的矩形填涂框；

S104、获取每个矩形填涂框的面积，并对矩形填涂框进行等面积分割，得到若干个分割模块；

S105、按照预设像素值赋值策略对矩形填涂框内的像素点进行赋值；

S106、统计分割模块的像素值；

S107、根据预设的分割模块权重系数计算矩形填涂框的识别系数，当识别系数小于预设阈值时，将矩形填涂框判定为被填涂。

其中，在步骤S101中，在空白答题卡扫描图像上，框选定位标志点、矩形填涂框，标记框选矩形填涂框的坐标位置，生成一个xml文件答题卡扫描模板，并将其存储到数据服务器中，以便对考生答题卡进行批量图像识别。

在步骤S102中，使用高速扫描仪将考生答题卡批量扫描成考生答题卡扫描图像，并把所得的考生答题卡扫描图像存储到数据服务器中。

在步骤S103中，从数据服务器中获取答题卡扫描模板和考生答题卡扫描图像，根据步骤S101中定位标志点，使考生答题卡扫描图像和空白答题卡扫描图像处于同一坐标系，根据答题卡扫描模板的矩形填涂框的坐标位置，获取考生答题卡扫描图像中的矩形填涂框的位置信息。

在步骤S104中，获取单个矩形填涂框的四个边角的坐标位置，计算矩形填涂框的横向边长和纵向边长，计算矩形填涂框的面积，并将面积进行Y等分，切割成Y个面积大小一样的模块(Y值一般取2到5之间的整数值，Y值可根据业务情况进行调整)。如Y值取3，则分别为分割模块1、分割模块2、分割模块3。

在步骤S105中，将考生答题卡图像转化成n个灰度级别的BMP格式的图像，并将矩形填涂框的灰度值范围平均分为N等分(N值一般取2到5之间的整数值，N值可以根据业务情况进行调整)，切割点为N-1，根据矩形填涂框的灰度值范围0～n划分为N个等长的灰度值区间；以(n+1)/N为步长，在灰度值范围0～n中选取N个灰度值，令N个灰度值与N个灰度值区间一一对应；为矩形填涂框内像素的像素值重新取值，令像素的像素值等于灰度值区间所对应的灰度值。

举例说明:矩形填涂框的灰度值范围为0到255，将这256个灰度值平均分成N等分，切割点为(N-1)个，数值从小到大分别为255/N、2*255/N、3*255/N、...、(N-1)*255/N(切割点数值四舍五入取整数)。则N段的数值范围分别为0～255/N、255/N～2*255/N、2*255/N～3*255/N、...、(N-2)*255/N～(N-1)*255/N、(N-1)*255/N～255，进而首末端两个数值0～255/N和(N-1)*255/N～255分别取0和255，其余(N-2)个数值范围取各自数值范围的中间值(510*N-765)/(2*N)(四舍五入取整数)。举例说明，N值取3，平均切割成3段，切割点的数量为2个，切割点的数值分别为85和170，进而分为3个数值范围分别是0～85、85～170、170～255，首末两个数值范围0～85和170～255分别取0和255，其余的1个数值范围取该数值范围的中间值128(四舍五入取整数)。

步骤S106中，包括步骤S1061:选取分割模块内数量最多的像素点所对应的像素值作为分割模块内的像素值。

步骤S107中，统计若干个分割模块的像素值分别为A₁、A₂、A₃…A_n；统计若干个分割模块的权重系数分别为B₁、B₂、B₃…B_n；定义矩形填涂框的识别系数为R；则R＝A₁*B₁+A₂*B₂+...+A_n*B_n。其中，B_n-1值是B_n值的M倍(一般M值取2，M值可以根据业务情况进行调整)，在矩形填涂框内中心的分割模块权重系数最大。如果求得的R值大于预设阀值，则判定该矩形填涂框没有被填涂；如果R值小于预设阀值，则判定该矩形填涂框被填涂。预设阀值可以根据业务情况进行调整。

参照图3，图3为本申请的一些实施例中的基于权重分布的扫描填涂点识别方法的流程图(三)，该实施例与上述实施例不同的是：统计分割模块像素组的方法不同，具体为：

本实施例在步骤S106中，包括步骤S1062：将分割模块划分成Z个形状相同的小矩形块(Z的值可以根据业务情况进行调整)，每一个小矩形块相当于一个像素组，统计像素组内相同像素值的像素点的数量，并选取数量最多的像素点所对应的像素值作为该像素组的像素值。

进一步的，如果数量相同且最多的像素点的组数至少有两组，选取多组中最小的像素值作为该像素组的像素值。

步骤S1063：统计分割模块内小矩形块的像素值，即像素组的像素值；统计分割模块内相同像素值的像素组的数量；选取数量最多的像素组所对应的像素值作为该分割模块的像素值。

进一步的，如果数量相同且最多的像素组的组数至少有两组，选取多组中最小的像素组的像素值作为该分割模块的像素值。

以上统计出各个分割模块的像素值A。

举例说明：如果单个小矩形块区域内中0像素值的数量是最多，则标记该小矩形块为0像素值矩形块,也即该像素组的像素值为0，下一步统计所在分割模块内最多相同的像素值的矩形块数量，如果0像素值矩形块是最多的，则取0像素值作为所在分割模块的像素值。同理，根据上述方法，统计出若干个分割模块的像素值。

由上可知，本申请实施例提供的基于权重分布的扫描填涂点识别方法，通过填涂点的权重分布及图像多值化处理，不仅能准确快速识别客观题的填涂点信息，无须大量的人工干预，而且能大大提高工作效率和准确率，有效保障了考试的严肃性、权威性、公正性，也保证了扫描工作的顺利进行。

参照图4，图4为本申请一些实施例中的一种基于权重分布的扫描填涂点识别系统的模块组成图，包括：

扫描模板制作模块10，用于获取空白答题卡扫描图像，并根据空白答题卡扫描图像建立答题卡扫描模板；

获取模块20，获取考生答题卡扫描图像；

答题卡信息识别模块30，用于根据答题卡扫描模板，获取考生答题卡扫描图像中的矩形填涂框；

分割模块40，用于获取每个矩形填涂框的面积，并对矩形填涂框进行等面积分割，得到若干个分割模块；

处理模块50，用于按照预设像素值赋值策略对矩形填涂框内的像素点进行赋值；

统计模块60，用于统计分割模块的像素值；

计算模块70，用于根据预设的分割模块权重系数计算矩形填涂框的识别系数，当识别系数小于预设阈值时，将矩形填涂框判定为被填涂。

本发明基于权重分布的扫描填涂点识别系统的相关功能可参考前述关于基于权重分布的扫描填涂点识别方法的实施例说明，此处不再赘述。

本发明实施例的基于权重分布的扫描填涂点识别系统，自动识别考生答题卡，进而准确的计算考生答题卡上客观题矩形填涂框的填涂信息，并根据分割模块的权重系数自动计算出识别系数，判定矩形填涂框是否被填涂，而无需大量的人工干预，大大提高了工作效率和准确率，从而有效保证阅卷的公正性和权威性。

在本申请所提供的实施例中，应该理解到，所揭露系统和方法，可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

以上借助具体实施例对本发明做了进一步描述，但是应该理解的是，这里具体的描述，不应理解为对本发明的实质和范围的限定，本领域内的普通技术人员在阅读本说明书后对上述实施例做出的各种修改，都属于本发明所保护的范围。

Claims (10)

1.一种基于权重分布的扫描填涂点识别方法，其特征在于，包括以下步骤：

获取空白答题卡扫描图像，并根据所述空白答题卡扫描图像建立答题卡扫描模板；

获取考生答题卡扫描图像；

根据所述答题卡扫描模板，获取所述考生答题卡扫描图像中的矩形填涂框；

获取每个所述矩形填涂框的面积，并对所述矩形填涂框进行等面积分割，得到若干个分割模块；

按照预设像素值赋值策略对所述矩形填涂框内的像素点进行赋值；

统计所述分割模块的像素值；

根据预设的分割模块权重系数计算所述矩形填涂框的识别系数，当所述识别系数小于预设阈值时，将所述矩形填涂框判定为被填涂。

2.根据权利要求1所述的基于权重分布的扫描填涂点识别方法，其特征在于，统计所述分割模块的像素值，包括：

选取所述分割模块内数量最多的像素点所对应的像素值作为所述分割模块的像素值。

3.根据权利要求1所述的基于权重分布的扫描填涂点识别方法，其特征在于，统计所述分割模块的像素值，包括：

将所述分割模块划分为若干个像素组；

统计所述像素组内相同像素值的像素点的数量；

选取数量最多的像素点所对应的像素值作为该像素组的像素值；

统计所述分割模块内相同像素值的像素组的数量；

选取数量最多的像素组所对应的像素值作为该分割模块的像素值。

4.根据权利要求3所述的基于权重分布的扫描填涂点识别方法，其特征在于，选取数量最多的像素点所对应的像素值作为该像素组的像素值，包括：

数量相同且最多的像素点的组数至少有两组，选取多组中最小的像素值作为该像素组的像素值。

5.根据权利要求3所述的基于权重分布的扫描填涂点识别方法，其特征在于，选取数量最多的像素组所对应的像素值作为该分割模块的像素值，包括：

数量相同且最多的像素组的组数至少有两组，选取多组中最小的像素组的像素值作为该分割模块的像素值。

6.根据权利要求1所述的基于权重分布的扫描填涂点识别方法，其特征在于，获取空白答题卡扫描图像，并根据所述空白答题卡扫描图像建立答题卡扫描模板，包括：

在所述空白答题卡扫描图像上，框选定位标志点、矩形填涂框，标记框选矩形填涂框的坐标位置，生成一个xml文件答题卡扫描模板。

7.根据权利要求6所述的基于权重分布的扫描填涂点识别方法，其特征在于，根据所述答题卡扫描模板，获取所述考生答题卡扫描图像中的矩形填涂框，包括：

获取所述答题卡扫描模板和所述考生答题卡扫描图像；

根据所述定位标志点，使所述考生答题卡扫描图像和所述空白答题卡扫描图像处于同一坐标系；

根据所述答题卡扫描模板的矩形填涂框的坐标位置，获取所述考生答题卡扫描图像中的矩形填涂框的位置信息。

8.根据权利要求1所述的基于权重分布的扫描填涂点识别方法，其特征在于，按照预设像素值赋值策略对所述矩形填涂框内的像素点进行赋值，包括：

将所述矩形填涂框的灰度值范围平均分为N等分，

根据所述矩形填涂框的灰度值范围0～n划分为N个等长的灰度值区间；

以(n+1)/N为步长，在灰度值范围0～n中选取N个灰度值，令N个灰度值与N个灰度值区间一一对应；

为所述矩形填涂框内像素点的像素值重新取值，令像素点的像素值等于所述灰度值区间所对应的灰度值。

9.根据权利要求1所述的基于权重分布的扫描填涂点识别方法，其特征在于，根据预设的分割模块权重系数计算所述矩形填涂框的识别系数，包括：

统计若干个所述分割模块的像素值分别为A₁、A₂、A₃…A_n；

统计若干个所述分割模块的权重系数分别为B₁、B₂、B₃…B_n；

定义所述矩形填涂框的识别系数为R；

则R＝A₁*B₁+A₂*B₂+...+A_n*B_n。

10.一种基于权重分布的扫描填涂点识别系统，其特征在于，包括：

扫描模板制作模块，用于获取空白答题卡扫描图像，并根据所述空白答题卡扫描图像建立答题卡扫描模板；

获取模块，获取考生答题卡扫描图像；

答题卡信息识别模块，用于根据所述答题卡扫描模板，获取所述考生答题卡扫描图像中的矩形填涂框；

分割模块，用于获取每个所述矩形填涂框的面积，并对所述矩形填涂框进行等面积分割，得到若干个分割模块；

处理模块，用于按照预设像素值赋值策略对所述矩形填涂框内的像素点进行赋值；

统计模块，用于统计所述分割模块的像素值；

计算模块，用于根据预设的分割模块权重系数计算所述矩形填涂框的识别系数，当所述识别系数小于预设阈值时，将所述矩形填涂框判定为被填涂。

Images