基于OpenCV的答題卡生成及批閱分析系統(tǒng)

韋溢輝 劉漢英

摘要：為降低閱卷的人力成本，提高考試情況分析的準(zhǔn)確率和效率，對答題卡模板生成以及答題卡識(shí)別的算法進(jìn)行研究和設(shè)計(jì)。實(shí)現(xiàn)動(dòng)態(tài)設(shè)置答題卡信息，用word文檔形式生成答題卡模板，以圖片形式讀入實(shí)物答題卡，通過圖像識(shí)別獲取答題卡填涂內(nèi)容，將識(shí)別結(jié)果與設(shè)定的答案信息進(jìn)行比對，得出考試結(jié)果。系統(tǒng)運(yùn)用OpenCV計(jì)算機(jī)視覺庫對答題卡圖片進(jìn)行灰度化、降噪、模板匹配、透視變換、二值化等一系列圖像處理，最終實(shí)現(xiàn)答題卡模板生成以及答題卡識(shí)別。

關(guān)鍵詞：答題卡生成;答題卡識(shí)別;OpenCV圖像處理;模板匹配

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）29-0023-05

1 背景

網(wǎng)上閱卷系統(tǒng)已經(jīng)應(yīng)用于中考、高考和國考等大規(guī)?？荚?，然而在復(fù)雜環(huán)境下的中小規(guī)?？荚嚾缭驴己蜏y試等，該系統(tǒng)并未得到廣泛應(yīng)用，基本上仍在進(jìn)行手工閱卷[1]。本文以桂林理工大學(xué)的答題卡樣式為例，設(shè)計(jì)一種可以根據(jù)使用者要求生成答題卡兼閱卷并對考試情況進(jìn)行分析的軟件，最大限度降低成本和軟件對設(shè)備的要求，如答題卡打印紙張采用普通A4紙即可，使用方式盡可能簡單，以減輕教師的工作負(fù)擔(dān)。

2 系統(tǒng)分析

答題卡生成與批閱分析系統(tǒng)可以依照使用者對答題卡信息、客觀題題型和題數(shù)的設(shè)置生成相應(yīng)的答題卡模板并導(dǎo)出word文檔，提供答題卡批量識(shí)別功能，根據(jù)使用者預(yù)設(shè)的答案數(shù)據(jù)得出答題卡的填涂結(jié)果，并根據(jù)預(yù)設(shè)的知識(shí)點(diǎn)類型，統(tǒng)計(jì)每個(gè)知識(shí)點(diǎn)和每道題的得分率。

3 系統(tǒng)設(shè)計(jì)

3.1 系統(tǒng)功能設(shè)計(jì)

本系統(tǒng)的整體功能圖如圖1所示。

3.1.1新建答題卡模板

在新建答題卡模板的功能里，使用者可以自定義答題卡的基本信息，如題目數(shù)量、題目選項(xiàng)數(shù)量、題目分值、知識(shí)點(diǎn)數(shù)量等;根據(jù)使用者的設(shè)置，生成相應(yīng)數(shù)量的文本框等控件讓用戶定義知識(shí)點(diǎn)、答案等，最后，以Word文檔形式生成相應(yīng)信息、題量的答題卡模板，以供使用者打印。

3.1.2已存答題卡模板

在已存答題卡的頁面，顯示使用者已創(chuàng)建的所有答題卡模板，可對答題卡模板進(jìn)行“批量識(shí)別”“導(dǎo)出”“刪除”等操作。

1）實(shí)現(xiàn)批量識(shí)別實(shí)物答題卡，將需要識(shí)別的答題卡單獨(dú)拍照，然后全部導(dǎo)人程序進(jìn)行識(shí)別，記錄答題卡識(shí)別結(jié)果。

2）實(shí)現(xiàn)答題卡模板導(dǎo)出功能，使用者可以重復(fù)導(dǎo)出答題卡。

3）實(shí)現(xiàn)刪除答題卡模板功能，使用者可以隨時(shí)刪除不需要的答題卡模板。

4）把實(shí)物答題卡識(shí)別結(jié)果與使用者定義的答案數(shù)據(jù)進(jìn)行比較、判斷，并輸出每張實(shí)物答題卡的得分和每道題的正確率以及每個(gè)知識(shí)點(diǎn)的得分率。

3.2 標(biāo)準(zhǔn)答題卡模板設(shè)計(jì)

本系統(tǒng)所設(shè)答題卡標(biāo)準(zhǔn)模板如圖2所示，圖中黑色圓塊作為整體定位錨點(diǎn)，最下邊和最右邊的黑色矩形作為學(xué)號(hào)區(qū)域和答題區(qū)的定位錨點(diǎn)，代表題目選項(xiàng)和學(xué)號(hào)選項(xiàng)位置的縱坐標(biāo)和橫坐標(biāo)。將答題卡模板生成時(shí)需要插入內(nèi)容的區(qū)域添加為書簽。

4 系統(tǒng)實(shí)現(xiàn)

4.1 答題卡模板生成的實(shí)現(xiàn)

創(chuàng)建答題卡模板的流程如圖3所示。

4.1.1 題目數(shù)量溢出判斷

判斷題目數(shù)量n是否超出限制，即題目數(shù)量是否在答題卡模板的題目容量范圍。根據(jù)答題卡標(biāo)準(zhǔn)模板的設(shè)計(jì)，用于插入題目選項(xiàng)內(nèi)容的區(qū)域共23行、19列，在每一行里，題號(hào)占一列，每個(gè)選項(xiàng)占一列，兩道題間的間距占一列，所以每道題所占列數(shù)為選項(xiàng)數(shù)量s+2，特殊的，每行最后一題無須留出與下一題的

4.2 答題卡識(shí)別的實(shí)現(xiàn)

答題卡識(shí)別，是把答題卡以照片形式導(dǎo)人，通過對圖片的一系列處理如轉(zhuǎn)換灰度圖、降噪、模板匹配、透視變換、區(qū)域投影、膨脹腐蝕、閾值判定等，從而得出答題卡的識(shí)別結(jié)果，再與標(biāo)準(zhǔn)答案數(shù)據(jù)比較，進(jìn)行結(jié)果分析[2]。答題卡識(shí)別流程如圖4所示。

4.2.1 模板匹配

根據(jù)答題卡模板的設(shè)計(jì)規(guī)則，把答題卡分割成左上、左下、右上、右下四個(gè)相等大小的區(qū)域時(shí)，每個(gè)區(qū)域上必然有且只有一個(gè)黑色圓點(diǎn)，分別對4個(gè)區(qū)域進(jìn)行模板匹配，就可以得出4個(gè)整體定位錨點(diǎn)的坐標(biāo)。在此以左上角的區(qū)域?yàn)槔M(jìn)行介紹。

在完成了對圖像的灰度化、高斯濾波降噪、二值化后，進(jìn)行模板匹配，算法主要流程如圖5所示。

1） OpenCV提供模板匹配函數(shù)matchTemplate匹配模板塊和輸入圖像[3]，圖6（a）是左上區(qū)域原始圖像，獲得匹配結(jié)果圖像，越亮的點(diǎn)匹配度越高，左上區(qū)域模板匹配結(jié)果如圖6（b）所小。

2）歸一化是把數(shù)據(jù)經(jīng)過處理后限制在需要的一定范圍內(nèi)，使得數(shù)據(jù)之間對比性明顯[4]。OpenCV提供函數(shù)normalize進(jìn)行歸一化處理，圖7為對模板匹配結(jié)果做歸一化處理。

3）OpenCV提供函數(shù)minMaxLoc在給定矩陣中獲取最大和最小值（包括它們的位置[5]。通過該函數(shù)可得匹配度最高的點(diǎn)的坐標(biāo)，再經(jīng)過計(jì)算得出該點(diǎn)在原圖的坐標(biāo)。

實(shí)現(xiàn)模板匹配獲取4個(gè)整體定位錨點(diǎn)坐標(biāo)的主要偽代碼為[6]：

void getlmageTag（Mat匹配原圖，Mat原圖局部圖片，Point2f坐標(biāo)容器[]）

f double寬}匹配原圖.rows;

double長}匹配原圖.cols;

double tmpLoc[4][4]={{0， 0}，

{cols/2，0），{0，rows/2}，

（cols/2，rows/2）};

Mat tmplmg[4]; //區(qū)域：0左上，1右上，2左下，3右下

Mat reslmg;

//匹配結(jié)果圖

double minVal， maxVal;//最小，大匹配值

Point minLoc， maxLoc;//最小，大匹配值坐標(biāo)

for （inti=0;i<4;i++）

{ tmplmgfil一匹配原圖（Rect（tmpLoc[i] [0]， tmpLoc[i] [1]，cols/2，rows/2》;

matchTemplate（tmplmg[i]，原圖局部圖片，reslmg，5）;

normalize（reslmg， reslmg，0，l，NORM_MINMAX， -1，Mat0）;

minMaxLoc（reslmg， &minVal， &maxVal， &minLoc， &max-Loc， Mat0）;

坐標(biāo)容器[i]= Point（maxLoc.x+ tmpLoc[i][O]，maxLoc.y+tmp-LocLilIID;））

4.2.2透視變換

透視變換（Perspective Transformation）是將圖片投影到一個(gè)新的視平面（Viewing Plane），也稱作投影映射（Projective Map-ping）[7]。

透視變換的數(shù)學(xué)公式為：

OpenCV提供getPerspectiveTransform函數(shù)和warpPerspec-tive函數(shù)進(jìn)行透視變換[8]。getPerspectiveTransform根據(jù)答題卡標(biāo)準(zhǔn)模板中4個(gè)整體定位錨點(diǎn)的坐標(biāo)與前文模板匹配所得到的4個(gè)坐標(biāo)計(jì)算出透視變換矩陣，warpPerspective根據(jù)所得透視變換矩陣對圖片執(zhí)行透視變換。透視變換效果如圖8所示。

4.2.3區(qū)域投影計(jì)算

學(xué)號(hào)選項(xiàng)和答案選項(xiàng)的定位，是通過答題底部和最右側(cè)的黑色矩形來確定坐標(biāo)。

投影計(jì)算的思路是計(jì)算區(qū)域中每一行或每一列非零像素的數(shù)量，再通過判斷閾值和區(qū)域連續(xù)確定每個(gè)黑色矩形的起始坐標(biāo)[9]。

區(qū)域投影計(jì)算流程如圖9所示。

以對底部黑色矩形區(qū)域的處理為例，根據(jù)模板匹配得到的整體定位錨點(diǎn)坐標(biāo)，對底部黑色矩形區(qū)域進(jìn)行裁剪。

為了方便計(jì)算像素灰度值，須將圖片處理成只有零（黑色）和非零值（白色），可以通過圖像二值化的方法實(shí)現(xiàn)。圖像二值化就是將圖像上的像素點(diǎn)的灰度值設(shè)置為兩個(gè)值，一般為0，255或者指定的某個(gè)值，這樣將使整個(gè)圖像呈現(xiàn)出明顯的黑白效果，從而能凸顯出目標(biāo)的輪廓[10]。

OpenCV提供了countNonZero函數(shù)獲取非零像素點(diǎn)數(shù)，而需要進(jìn)行識(shí)別的是黑色矩形（灰度值為0），所以先將圖像使用大津法OTSU進(jìn)行二值化，凸顯黑色矩形區(qū)域。

再將圖像用反二進(jìn)制閾值法THRESH BINARY INV進(jìn)行二值化，達(dá)到置目標(biāo)區(qū)域灰度值非零，效果如圖10所示。

對二值化處理后的圖像以列為單位進(jìn)行遍歷，通過count-NonZero得出每一列的非零像素點(diǎn)數(shù)，并按順序記錄到容器，然后遍歷容器里的數(shù)據(jù)，相鄰兩個(gè)數(shù)據(jù)做比較，設(shè)差異閾值為10，如兩個(gè)數(shù)據(jù)存在差異，則視此處為邊界，并記錄數(shù)據(jù)。

實(shí)現(xiàn)投影計(jì)算的主要偽代碼為[9]：

void getBordLocation （Mat源圖片，vector&上沿坐標(biāo)容器，vector&下沿坐標(biāo)容器，int排列類型，int間距值）

{

Mat原圖片←源圖片.clone（）;

vector像素值記錄容器;

int干擾線條最大寬度←10;//線條寬度影響

if0==排列類型then

{

fori一0to原圖片列數(shù)

（

Mat單列數(shù)據(jù)←原圖片.col（i）;

int非零像素?cái)?shù)量←countNonZero（單列數(shù)據(jù)）;

像素值記錄容器.push_back（非零像素?cái)?shù)量）;

）

）

else f

fori←0to原圖片行數(shù)

{

Mat單行數(shù)據(jù)←原圖片.row（i）;

int非零像素?cái)?shù)量←countNonZero（單行數(shù)據(jù)）;

像素值記錄容器.push_back（非零像素?cái)?shù)量）;

）

}

//整形，去除長度小于gap的零的空洞

if像素值記錄容器.size0<=間距值then retum;

for i←0 to像素值記錄容器.size0 間距值

{if像素值記錄容器[i]>=干擾線條最大寬度&&像素值記錄容器[i+間距值】>=干擾線條最大寬度then

{

f'or j ←i to i+間距值

{

像素值記錄容器[i]=干擾線條最大寬度;

}

i=i+間距值-1;

）

}

//記錄上下沿

for i←1 to像素值記錄容器.size0

{

if（像素值記錄容器[i一1]<干擾線條最大寬度&&像素值記錄容器[i]>=干擾線條最大寬度）

上沿坐標(biāo)容器.push_back（i）;

if（像素值記錄容器[i一1]>=干擾線條最大寬度&&像素值記錄容器[i]<干擾線條最大寬度）

下沿坐標(biāo)容器.push_back（i）;）

if上沿坐標(biāo)容器.size0<下沿坐標(biāo)容器.sizeo then

上沿坐標(biāo)容器.insert（上沿坐標(biāo)容器.begin0，0）;

}

）

4.2.4比較閾值判斷是否填涂

經(jīng)過對圖片的一系列處理以及錨點(diǎn)坐標(biāo)的獲取，可以找到選項(xiàng)所在的區(qū)域，并判斷是否填涂。要從答題卡獲得的有學(xué)號(hào)信息和作答信息，在進(jìn)行判斷之前先把透視變換后的圖片二值化，然后對圖像進(jìn)行膨脹和腐蝕，可以更進(jìn)一步降噪，凸顯目標(biāo)區(qū)域[10]。如圖11所示。

對于判斷是否填涂所用閾值，規(guī)定填涂區(qū)域大于黑色矩形尺寸的1/4時(shí)即視為填涂。

5 系統(tǒng)測試

軟件開發(fā)過程中對軟件進(jìn)行測試是必要的，在軟件開發(fā)過程中需要進(jìn)行多次測試，查明系統(tǒng)中的bug，然后分析和解決問題，以便最大限度地改善軟件。

5.1答題卡模板生成測試

在答題卡模板的生成中，影響題目排序的關(guān)鍵數(shù)據(jù)是單選題數(shù)量、單選題選項(xiàng)數(shù)量、多選題數(shù)量、多選題選項(xiàng)數(shù)量、判斷題數(shù)量，在不計(jì)較其他輸入的情況下用表1的數(shù)據(jù)進(jìn)行答題卡模板生成測試。測試效果顯示，答題卡模板生成結(jié)果與理論預(yù)測結(jié)果一致。

5.2 答題卡識(shí)別測試

本系統(tǒng)總共進(jìn)行了46次答題卡識(shí)別的實(shí)驗(yàn)，其中有37次完全識(shí)別;5次遺漏識(shí)別，原因是填涂模糊;4次無法識(shí)別，原因是照片陰影太重;0次誤判識(shí)別，識(shí)別率80.4%。答題卡識(shí)別完成后會(huì)給出分析結(jié)果，可以根據(jù)設(shè)置的數(shù)據(jù)來驗(yàn)證結(jié)果是否正確，在此列舉其中一次試驗(yàn)結(jié)果。

表2是測試答題卡預(yù)測結(jié)果數(shù)據(jù)，圖12（a）是答題卡，圖12（b）是答題卡識(shí)別效果，圖13是答題卡識(shí)別分析結(jié)果圖，其顯示結(jié)果與表2測試答題卡預(yù)測結(jié)果數(shù)據(jù)表的相應(yīng)數(shù)據(jù)完全一致，且在識(shí)別過程中對填涂區(qū)域的識(shí)別也非常準(zhǔn)確。

6 結(jié)束語

本系統(tǒng)實(shí)現(xiàn)了用戶自定義生成答題卡Word模板，通過對圖片的一系列處理來識(shí)別答題卡，并對識(shí)別結(jié)果進(jìn)行統(tǒng)計(jì)分析。由于是以拍照的形式獲取答題卡圖片，所以照片的完整性、清晰度越高，識(shí)別的準(zhǔn)確率就越高。因此，在答題卡損壞、模糊的情況下，識(shí)別結(jié)果出錯(cuò)是難以避免的。拋開這些因素，系統(tǒng)生成答題卡方便，可以識(shí)別答題卡以及分析考試情況，能夠極大程度上提高工作效率和準(zhǔn)確率。

參考文獻(xiàn)：

[1]孟超.網(wǎng)上閱卷系統(tǒng)中答題卡模板自動(dòng)生成技術(shù)研究[D].長沙：湖南師范大學(xué)，2013.

[2]張站，劉政怡，吳建國，等.基于圖像識(shí)別的閱卷系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].微型機(jī)與應(yīng)用，2011，30（4）：44-47.

[3] Laghrib A，Ezzaki M，El Rhabi M，et aI.Simultaneous deconvolu-tion and denoising using a second order variational approachapplied to image super resolution[J].Computer Vision and Im-age Understanding，2018，168：50-63.

[4]陳博華，戴少鵬.基于OpenCV的圖像處理方法[J].電子技術(shù)與軟件工程，2015（19）：125.

[5]李華琛，基于opencv圖像邊緣檢測技術(shù)[J].數(shù)字技術(shù)與應(yīng)用，2016（11）：40，42.

[6]唐良，何偉，秦波，等.一種基于OpenCV和MFC的圖像輸出方法[J].懷化學(xué)院學(xué)報(bào)，2018，37（5）：61-65.

[7]劉培軍，馬明棟，王得玉.基于OpenCV圖像處理系統(tǒng)的開發(fā)與實(shí)現(xiàn)[J].計(jì)算機(jī)技術(shù)與發(fā)展，2019，29（3）：127-131.

[8]軟件開發(fā)技術(shù)聯(lián)盟.visuaIC++開發(fā)實(shí)例大全（基礎(chǔ)卷）[M].北京：清華大學(xué)出版社，2016_

[9]軟件開發(fā)技術(shù)聯(lián)盟.Visual C++開發(fā)實(shí)例大全（提高卷）[M]，北京：清華大學(xué)出版社，2016.

[10]望熙榮，望熙貴.OpenCV和Visual Studio圖像識(shí)別應(yīng)用開發(fā)[M].李強(qiáng)，譯.北京：人民郵電出版社.2017.

【通聯(lián)編輯：謝媛媛】

作者簡介：韋溢輝（1996-），學(xué)士，主要研究方向?yàn)檐浖_發(fā);劉漢英，高級(jí)實(shí)驗(yàn)師，碩士，主要研究方向?yàn)閿?shù)字圖像處理。