劉洋++黃欣

摘 要

在網上閱卷系統(tǒng)中，需要將紙質的試卷和答題卡掃描成數(shù)字化圖像數(shù)據(jù)，以此提取考生答題及其個人的信息特征。本文針對掃描后的數(shù)字化圖像數(shù)據(jù)，運用Hough變換，提出一種新的圖像傾斜角檢測算法，以此為基礎，對網上閱卷系統(tǒng)進行重新設計，將系統(tǒng)核心功能分為答題卡圖像信息預處理和答題卡信息識別兩大模塊。該系統(tǒng)的設計，能夠有效地降低評卷誤差，提高系統(tǒng)的檢測率，促進了評卷的科學化和規(guī)范化。

【關鍵詞】圖像識別 網上閱卷系統(tǒng) 圖像處理技術 Hough變換

1 引言

網上閱卷是借助計算機網絡技術，將紙質的試卷和答題卡通過電子掃描技術和圖像處理技術轉化為數(shù)字化的形式，呈現(xiàn)給特定的教師進行評閱，已經成為高效、準確、公平的現(xiàn)代化閱卷方式。較之傳統(tǒng)閱卷方式，網上閱卷具有很多優(yōu)點，比如成績“多評制”、全程計算機管理、實時高效監(jiān)控和管理閱卷的質量和進度、實現(xiàn)了考試信息的數(shù)字化和閱卷工作的科學化管理。本文針對掃描后的數(shù)字化圖像數(shù)據(jù)，提出了一個新的基于圖像邊緣檢測的傾斜角檢測算法，以此為基礎對網上閱卷系統(tǒng)進行設計，構建了基于圖像識別的網上閱卷系統(tǒng)。

2 相關技術

2.1 網上閱卷的核心分析

網上閱卷的流程與傳統(tǒng)閱卷非常相似，有所不同的是需要對圖像化的試卷進行切割處理，以便實現(xiàn)任務的分發(fā)和指配。其核心流程如圖1所示。

下面對這些核心步驟進行說明：

2.1.1 圖像數(shù)字化

在網上閱卷中，通過網絡傳輸?shù)氖菙?shù)字化的圖像信息，所以，首先需要借助掃描設備對紙質的考生試卷和答題卡進行掃描，生成數(shù)字化的圖像信息。

2.1.2 圖像預處理

為了后續(xù)的處理，需要對圖像進行預處理，包括消除圖像中無關的信息、增強圖像信息的可檢測性等。

2.1.3 獲取圖像信息

通過對圖像進行分析處理，以確定不同圖像信息代表不同的考試信息數(shù)據(jù)。

2.1.4 信息處理

在上述工作的基礎上，對圖像信息進行加工、匹配、整理，完成圖像信息的處理。

2.1.5 特征提取

通過閱卷系統(tǒng)建立的標識信息，從而正確地獲取試卷信息和答題卡信息等之間的對應，實現(xiàn)圖像信息的特征提取。

2.2 數(shù)字圖像處理

數(shù)字圖像處理是計算機研究領域一個非常重要的內容，主要是對圖像進行去噪、增強、復原等操作所涉及到的具體技術和方法，其主要目的是提高圖像的視感質量、獲取圖像的特殊信息以及圖像的編碼壓縮。在實際應用中，數(shù)字圖像處理常用的方法有：圖像編碼壓縮、圖像增強和旋轉、圖像分割、和圖像識別等。

3 圖像邊緣檢測算法的設計

將答題卡通過掃描生成數(shù)字圖像后，數(shù)字圖像或多或少會產生一定角度的傾斜，為了確保后續(xù)工作的正確性，需要對數(shù)字圖像進行傾斜角度檢測和圖像矯正處理。目前，在圖像傾斜角檢測上，應用較多的是以Hough變換為基礎的系列優(yōu)化算法，在功能和性能上都有不錯的表現(xiàn)效果。為了最大程度的保證邊緣點的平滑，本節(jié)提出基于圖像邊緣檢測的傾斜檢測算法，以達到優(yōu)化圖像矯正流程的目的，能夠滿足實際應用的要求。

3.1 基于圖像邊緣檢測的傾斜檢測研究

本節(jié)在基于垂直邊緣提取的Hough優(yōu)化算法和基于鄰域統(tǒng)計分析的Hough優(yōu)化算法的基礎上，結合兩種算法的優(yōu)點，實現(xiàn)圖像邊緣的傾斜檢測。

3.1.1 圖像的邊緣檢測

邊緣檢測主要目的是利用導數(shù)及微分的性質，確定圖像上的一組曲線，即圖像的邊緣，該邊緣是圖像上那些在亮度上急劇變化、中間有間斷的像素點所形成的集合，通過此邊緣可以提取圖像的一些關鍵信息，比如圖像表面方向的不連續(xù)等，在一定程度上簡化了圖像的處理過程。以答題卡定位區(qū)域為例，如圖2所示。

通過對該區(qū)域的分析就可以判定考生個人信息和其答題區(qū)域。通過對圖像的邊緣進行檢測，可以大大降低計算量，有效彌補基于鄰域統(tǒng)計分析的Hough優(yōu)化算法計算量大的缺點。

3.1.2 圖像的邊緣檢測方法

圖像邊緣檢測的步驟一般包含濾波、增強、檢測、定位。從目前的檢測方法來看，大部分基于圖像亮度之上的導數(shù)計算，以此來判定圖像中的邊緣位置。該方法對于圖像邊緣的檢測跟設定的閥值有關系，閥值大小會影響到判定結果。事實上，邊緣檢測是通過算法來提取圖像中對象和背景間的交界線，通過圖像灰度分布的梯度來獲得邊緣檢測算子。以下是幾種常見的圖像邊緣檢測算子：

（1）Roberts算子：Roberts 算子是一種最簡單的算子，適用于邊緣明顯且噪聲較少的圖像分割，對具有陡峭的低噪聲的圖像效果最好，但處理后結果邊緣不是很平滑。

（2）Prewitt算子：利用像素點上下、左右鄰點的灰度差，在邊緣處達到極值檢測邊緣，去掉部分偽邊緣，對噪聲具有平滑作用。該算子對噪聲有抑制作用，但對邊緣的定位仍不夠理想。

（3）Sobel算子：是一個離散的一階差分算子，對靠近中心的點加權以突出邊緣點。該算子通過梯度與差分原理實現(xiàn)，用來運算圖像亮度函數(shù)的梯度的近似值。當精度要求很高時，該算子提取的圖像輪廓仍然不甚理想。

（4）Canny算子：是一個多階段的優(yōu)化算子，在濾波、增強和檢測方面要優(yōu)于其他的算子，是一種既能抗噪又能保持弱邊緣的算子，但實現(xiàn)起來較為麻煩。

3.2 基于圖像邊緣檢測的傾斜檢測算法

3.2.1 矩形連通域檢測

在檢測圖像的傾斜角度時，需要提取一個典型的定位塊，以此定位塊來分析整個答題卡的傾斜角度。這里采用鄰域跟蹤法識別出一個完整的矩形連通區(qū)域，其工作過程如下：

（1）以從上到下和從左到右的順序以此掃描二值化圖像，這里令起始邊界點為W（x0，y0），以此點為基礎跟蹤下一個邊界點。為了下面描述的方面，這里假定首次跟蹤鄰域方向為d=0。

（2）在W的鄰域內判斷是否有跟W同像素的點（這里假定W為黑色像素），如果沒有，調整跟蹤方向d=（d+1） mod 8，如果有，則該點為下一個邊界點。在跟蹤方向的選定上，如果（d mod 2）==0，則調整方向d=（d + 6） mod 8；否則，d=（d + 7）mod 8。

（3）重復步驟（2），直到找到四個矩形邊界點為止，那么該矩形塊就是一個完好的定位塊。

3.3 矩形邊緣Hough檢測

利用Hough變換，能快速實現(xiàn)傾斜角的檢測和圖像矯正。其思想是把圖像平面上的點對應到參數(shù)平面上的線，對原始圖像子抽樣處理和邊緣線提取，最后通過統(tǒng)計特性來解決問題。

3.4 圖像傾斜矯正

通過Hough變換找到圖像傾斜角度θ后，就可以進行坐標的變換，實現(xiàn)圖像傾斜的矯正。其變換公式為：

4 基于圖像掃描識別的網上閱卷系統(tǒng)的處理流程設計

作為網上閱卷系統(tǒng)而言，要在短時間內實現(xiàn)大批量的閱卷，這對系統(tǒng)要求很高，需要具備準確性、穩(wěn)定性、可靠性、易用性、實時性和安全性等特征。在功能上，要求對掃描后的數(shù)字化圖像文件進行存儲、切割，以便實現(xiàn)試卷的評閱。本文側重網上閱卷系統(tǒng)的基礎數(shù)據(jù)收集部分，主要是通過圖像識別完成對掃描后的數(shù)字化圖像數(shù)據(jù)的加工處理，這也是網上閱卷系統(tǒng)的核心。因此，可以將系統(tǒng)分為兩大核心模塊，分別是答題卡圖像信息預處理和答題卡信息識別，二者在業(yè)務流程上是相互關聯(lián)的。在圖像存入緩存后，流程會轉向答題卡圖像預處理，預處理完成之后才轉向答題卡信息識別模塊處理，需要說明的是，二者處理完后都需要進行異常的檢測。

其中，答題卡圖像預處理包括一系列的過程，比如圖像的灰度化處理、二值化處理、去噪處理和圖像矯正，以增強答題卡圖像特征信息可分辨能力和可提取能力，預處理的結果最終得到一幅經過Hough變換后的二值化圖像；而答題卡信息識別主要是利用圖像定位技術，根據(jù)答題卡模板中的設置對答題卡圖像進行區(qū)域分割，以便完成考生基本信息識別、客觀題識別、主觀題識別等操作。

5 結束語

本文對基于圖像識別的網上閱卷系統(tǒng)進行了設計，包括算法和系統(tǒng)兩個方面的設計。通過圖像識別和圖像處理技術，可以準確地對掃描后的數(shù)字化圖像數(shù)據(jù)進行切割，高效完成答題卡及試卷上不同信息的識別。由于網上閱卷系統(tǒng)主要是對數(shù)字化圖像數(shù)據(jù)進行處理，所以本文運用Hough變換，提出了一種基于圖像邊緣檢測的傾斜角檢測算法，以此為基礎設計系統(tǒng)的業(yè)務處理流程。該系統(tǒng)的設計，使得閱卷工作更加規(guī)范化、制度化、科學化、現(xiàn)代化，有效提高閱卷的效率和準確性。

參考文獻

[1]滕今朝，邱杰.利用Hough變換實現(xiàn)直線的快速精確檢測[J].中國圖象圖形學報，2008（02）.

[2]李清.基于圖像識別的網上閱卷系統(tǒng)的設計實現(xiàn)與優(yōu)化[D].長春：東北師范大學，2013.

[3]張站，劉政怡，吳建國等.基于圖像識別的閱卷系統(tǒng)的設計與實現(xiàn)[J].微型機與應用，2011（04）.

[4]楊青燕，彭延軍.基于灰度圖像的答題卡識別技術[J].山東科技大學學報（自然科學版），2009（03）.

作者單位

1.長春工業(yè)大學信息化建設工作辦公室 吉林省長春市 130012

2.中國移動通信集團吉林有限公司長春分公司 吉林省長春市 130000