填涂结果识别算法

举报
开拓者 发表于 2019/09/24 20:49:35 2019/09/24
【摘要】 识别涂点的基本原理为对矩形填涂区进行有效像素统计判定然后二值化处理,也即我们只需要识别当前填涂框已填涂和未填涂两种结果。这里我们需要设定一个灰度阈值Mgrav,然后计算出当前填涂框的大于灰度阈值Mgrav的像素点个数Q。设定填涂框有效填涂和无效填涂判定阈值为Qt,当Q值小于Qt值时,则认为该填涂框未被填涂,反之则认为已被填涂。在填涂识别基础上即可对比答案来识别答题正确与否

经过图像处理,我们可以得到了一张灰度化、去除噪声、二值化、综合校正过的待识别答题卡图像。每个填涂块在这张图像上的坐标和模板答题卡上的坐标是一致的,故我们可以匹配标准答题卡来分割这张待识别答题卡图像。答题卡上五道题为一组,共有八组,准考证号是一组四位填涂块,科目代码是一位代号。组内题目间距都是相等的,填涂框间距也是均等的,所有填涂框大小也是一样的。所以可以将答题卡分为若干个小区域,然后依次识别出答案。

这里先分割前五道题的空间区域[[i]]。根据坐标系可以计算出这个小区域的四个顶点坐标,当然通过简单的坐标运算结合答题卡的大小可以计算出其他小区域的顶点坐标。分割后需要对每个子区域的涂点进行识别[[ii]]。识别涂点的基本原理为对矩形填涂区进行有效像素统计判定然后二值化处理,也即我们只需要识别当前填涂框已填涂和未填涂两种结果。这里我们需要设定一个灰度阈值Mgrav,然后计算出当前填涂框的大于灰度阈值Mgrav的像素点个数Q设定填涂框有效填涂和无效填涂判定阈值为Qt,当Q值小于Qt值时,则认为该填涂框未被填涂,反之则认为已被填涂。在填涂识别基础上即可对比答案来识别答题正确与否


[[i]] 蒋欣欣, 钱盛友. 基于FCM的彩色车牌图像快速分割方法[J]. 通信技术, 2011, 44(3):72-73+85.

[[ii]] 韦达利. 城市交通的并行微观仿真研究[D]. 中国科学技术大学, 2010.


【版权声明】本文为华为云社区用户原创内容,未经允许不得转载,如需转载请自行联系原作者进行授权。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。