基于圖像處理的試題切割方法研究

張?jiān)佘?/p>

【摘 要】研究了基于圖像處理的試卷切割方法，根據(jù)試題題號(hào)、線框等在答題卡圖像中的紋理及邊距特征，使用投影法對(duì)試題進(jìn)行了精確分割。實(shí)驗(yàn)結(jié)果表明，該算法速度快、效率高，能夠滿足自動(dòng)化閱卷系統(tǒng)的實(shí)時(shí)性及準(zhǔn)確性要求。

【關(guān)鍵詞】試題切割;自動(dòng)化閱卷系統(tǒng);圖像處理

中圖分類號(hào)： TP391.41 文獻(xiàn)標(biāo)識(shí)碼： A文章編號(hào)： 2095-2457（2019）17-0077-002

DOI：10.19694/j.cnki.issn2095-2457.2019.17.037

Research on Paper Cutting Method Based on Image Processing

ZHANG Zai-jun

（School of mathematics and statistics， Qiannan Normal University for Nationalities， Guizhou Duyun 5580000， China）

【Abstract】This paper studies the paper cutting method based on image processing. According to the texture and margin features of question number and wireframe in the answer card image， the projection method is used to segment the question accurately. Experimental results show that the algorithm is fast and efficient， and can meet the real-time and accuracy requirements of automatic marking system.

【Key words】Examination questions; Automatic marking system; Image processing

0 引言

卷面考試已成為教學(xué)活動(dòng)中檢驗(yàn)學(xué)生成績(jī)的重要環(huán)節(jié)之一，傳統(tǒng)的人工閱卷方式不僅量大、速度慢、效率低，而且也容易出現(xiàn)客觀上的人為差錯(cuò)，浪費(fèi)了大量的人力物力。因此對(duì)考試后的閱卷形式進(jìn)行研究和改進(jìn)具有重要的意義。目前，市場(chǎng)上已經(jīng)出現(xiàn)了大量的自動(dòng)化閱卷系統(tǒng)，具有閱卷速度快，效率高等優(yōu)點(diǎn)，但這些系統(tǒng)大多采用的是OMR（Optical Mark Recognition）技術(shù)[1-3]，這種技術(shù)需要光電式閱讀機(jī)和專用機(jī)讀卡，具有成本高、操作復(fù)雜、設(shè)備利用率低、日久易出現(xiàn)故障的缺點(diǎn)，至今還未普及到各類學(xué)校?；趫D像處理的自動(dòng)化閱卷系統(tǒng)恰好彌補(bǔ)了光電式閱讀機(jī)閱卷系統(tǒng)的不足，它采用圖像處理的技術(shù)進(jìn)行自動(dòng)化閱卷，對(duì)相應(yīng)設(shè)備的要求也較為簡(jiǎn)單，只要能掃描出答題卡的圖像即可，成本低，操作方便。

試題切割是基于圖像處理的自動(dòng)化閱卷系統(tǒng)的關(guān)鍵步驟，主要完成的功能是將考生的整個(gè)答題卡圖像以題為單位分割成若干小部分，切割的好壞將直接影響后面電腦自動(dòng)閱卷的準(zhǔn)確率。文獻(xiàn)[2-4]等對(duì)此進(jìn)行了研究，它們側(cè)重于答題卡主觀題的分割與識(shí)別，對(duì)客觀題部分還未有涉及。因此，本文從圖像處理的角度出發(fā)，對(duì)答題卡圖像中的試題分割方法進(jìn)行了探討。

1 預(yù)備知識(shí)

1.1 顏色空間轉(zhuǎn)換

一般掃描得到的答題卡圖像為RGB圖像，為方便后續(xù)試題特征提取，將RGB圖像轉(zhuǎn)換到HSV顏色空間圖像，公式如下：

上式中r，g，b分別代表RGB顏色空間各顏色對(duì)應(yīng)的分量，max表示r，g，b中的最大值，min表示r，g，b中最小值。

1.2 Hough變換

基于Hough變換的傾斜校正算法是圖像處理的常用方法，其基本思想是點(diǎn)線的對(duì)偶性。采用極坐標(biāo)方程ρ=xcosθ+ysinθ，將原二維平面中的點(diǎn)對(duì)應(yīng)參數(shù)平面中的一條曲線。 二維平面中的直線則可由參數(shù)平面內(nèi)兩條曲線的交點(diǎn)確定[5]。

具體步驟為：（1）讀取圖像，并將其轉(zhuǎn)化為灰度圖像;（2）灰度圖像二值化，并對(duì)得到的結(jié)果進(jìn)行邊緣檢測(cè);（3）對(duì)邊緣檢測(cè)圖像作Hough變換，計(jì)算偏離角θ;（4）根據(jù)θ校正原圖像。

1.3 圖像投影

在試題圖像切割中，投影的作用是找出答題卡中不同頁(yè)碼和不同題目之間的邊距。圖像水平和垂直投影分別為對(duì)二值化后的圖像矩陣作橫向和縱向求和。

2 試題分割

2.1 試題粗分割

一般試題答題卡的每一面都有幾個(gè)頁(yè)面或者模塊，為區(qū)分每個(gè)頁(yè)面，將預(yù)處理后的答題卡圖像即傾斜校正后的二值化灰度圖像作垂直投影，根據(jù)投影矩陣找出各個(gè)頁(yè)面之間的邊距。

具體算法描述為：

（1）給定閾值T1，自左向右掃描投影圖像H，若H中的某個(gè)值大于T1，則記錄下這個(gè)值對(duì)應(yīng)的下標(biāo)i;

（2）繼續(xù)掃描，直至結(jié)束，最后得到了一個(gè)存放下標(biāo)的行矩陣;

（3）給定閾值T2，自左向右掃描此下標(biāo)行矩陣，若相鄰兩元素間的差值小于T2，則去掉其中一個(gè)值，另一值用這兩個(gè)元素的平均值代替，然后以此值為初始點(diǎn)繼續(xù)掃描行矩陣，直至結(jié)束;

（4）按此行矩陣角標(biāo)的順序?qū)υ紙D像進(jìn)行分割。

算法第（2）步得到的下標(biāo)行矩陣中可能會(huì)出現(xiàn)相鄰角標(biāo)之間對(duì)應(yīng)的投影值都大于閾值T1的情況，如果此時(shí)按角標(biāo)之間的順序?qū)υ紙D像進(jìn)行分割，就會(huì)出現(xiàn)若干細(xì)條，這會(huì)干擾和影響后面試題切割的準(zhǔn)確性，因此，對(duì)此行矩陣作了第（3）步處理，這樣就完成了對(duì)試題的頁(yè)碼分割。

由于答題卡圖像的不同試題之間會(huì)用題號(hào)或者內(nèi)容進(jìn)行標(biāo)識(shí)，為區(qū)別出不同題號(hào)，可對(duì)每個(gè)頁(yè)面的答題卡圖像作水平投影，算法同上，根據(jù)投影矩陣找出各題號(hào)對(duì)應(yīng)的位置。

2.2 試題精分割

由2.1中算法切割出的試題圖像較為粗糙，對(duì)一個(gè)題目有幾個(gè)小題的情況，該方法切割失效，會(huì)導(dǎo)致一個(gè)題目的幾個(gè)小題分別被切成幾個(gè)部分，從而造成切割的試題不完整。這部分結(jié)果將在后續(xù)實(shí)驗(yàn)部分進(jìn)行展示。為避免出現(xiàn)這種錯(cuò)誤，將2.1中算法進(jìn)行改進(jìn)，描述如下：

（1）對(duì)2.1步驟中得到的頁(yè)面圖像作垂直投影，切除邊框，尋找試題題號(hào)與線框距離的大致范圍;

（2）在上述范圍內(nèi)，從上到下，自左向右掃描圖像，將像素值不為0的點(diǎn)的行數(shù)記錄下來，并將其存放到一矩陣中，該行即為各試題對(duì)應(yīng)的起始行或上一題的終止行;

（3）再對(duì)圖像做水平投影，找到有關(guān)試題所在的行，將其存放到另一矩陣中;

（4）對(duì)兩行矩陣取交運(yùn)算，得到試題所對(duì)應(yīng)的完整行，然后按行的順序?qū)υ囶}進(jìn)行精分割。

改進(jìn)后的算法考慮了不同類型題目的邊距特征，避免了初分割中直接水平投影造成的試題分割不完整性，從而對(duì)不同題目進(jìn)行了精分割。

3 實(shí)驗(yàn)結(jié)果

為了驗(yàn)證算法的有效性，本文選取了32張答題卡圖像在一般實(shí)驗(yàn)室計(jì)算機(jī)平臺(tái)上，采用matlab軟件編寫代碼進(jìn)行實(shí)驗(yàn)，圖1顯示了其中一張答題卡的切割效果。掃描得到的答題卡圖像由于人工或機(jī)器等放置不當(dāng)，會(huì)出現(xiàn)不用程度的傾斜。因此，先將圖像用hough變換進(jìn)行校正，然后將該圖像轉(zhuǎn)換到HSV顏色空間，在H分量下對(duì)圖像二值化，接著對(duì)二值化的圖像作垂直投影，然后按文中粗分割方法對(duì)試題進(jìn)行頁(yè)碼和題目分割，最后按改進(jìn)方法進(jìn)行精分割。

從圖1中可以看出，粗分割方法對(duì)一個(gè)大題中含有幾個(gè)小題的題目切割不準(zhǔn)確，導(dǎo)致分割不完整，改進(jìn)的算法能夠有效避免這種情況。本實(shí)驗(yàn)所選取的32張答題卡圖像，運(yùn)用該算法都能準(zhǔn)確分割出其中的試題，且在實(shí)驗(yàn)室電腦上（內(nèi)存4G，處理器AMD.3.10GHZ）運(yùn)行的最大時(shí)間不超多7.1秒，能夠滿足自動(dòng)閱卷系統(tǒng)的實(shí)時(shí)性要求。

4 小結(jié)

試題切割作為基于圖像處理的自動(dòng)化閱卷系統(tǒng)的關(guān)鍵步驟，切割的好壞將直接影響系統(tǒng)的開發(fā)和測(cè)評(píng)。本文從圖像處理的角度出發(fā)，對(duì)答題卡圖像中的試題切割方法進(jìn)行了探究，在傾斜校正的基礎(chǔ)上，結(jié)合試題題號(hào)、線框等在答題卡圖像中的紋理及邊距特征，使用投影法對(duì)答題卡試題進(jìn)行了準(zhǔn)確分割。該方法的研究，為進(jìn)一步開發(fā)基于圖像處理的自動(dòng)化閱卷系統(tǒng)奠定了基礎(chǔ)。

【參考文獻(xiàn)】

[1]王紅玉.基于網(wǎng)上閱卷的OMR掃描圖像識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].武漢理工大學(xué)，2007.

[2]高育鵬，楊俊等.基于圖像識(shí)別的自動(dòng)閱卷研究[J].現(xiàn)代電子技術(shù).2006.30（11）：119-127.

[3]張香讓.擊中/擊不中變換在標(biāo)準(zhǔn)答題卡分割中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用，2004，24（10）：141-144.

[4]楊青燕，等.基于灰度圖像的答題卡識(shí)別技術(shù)[J].計(jì)算機(jī)工程與設(shè)計(jì)，2009.

[5]李慧鵬，朱偉偉，譚朦曦，鄭曉.基于改進(jìn)Hough變換的直線檢測(cè)算法[J].半導(dǎo)體光電，2017，38（04）：603-608.