基于圖像處理的答題卡自動識別系統設計

趙金龍 寧媛

摘 要： 目前答題卡識別主要分為人工閱卷和機器閱卷兩種，但是人工閱卷存在效率低、勞動強度大和準確率不高等問題;而傳統的機器閱卷主要是光標閱卷機，其對答題卡的要求較高，存在通用性較差、使用成本高和使用率低等缺點。針對這一問題，設計一款基于數字圖像處理技術的自動識別答題卡系統，該系統通過Matlab GUI編程，操作簡單方便，在普通計算機上就可以實現答題卡自動識別功能，既減輕了教師的閱卷壓力，又克服了光標閱卷機必須專卡專用的缺點。結果表明該系統對答題卡具有識別精度高、魯棒性強和成本低廉等優點，具有很高的使用價值。

關鍵詞： 答題卡; 網上閱卷; 圖像處理; Matlab GUI; Hough變換

文章編號： 2095-2163（2021）03-0190-06 中圖分類號：TP391 文獻標志碼：A

【Abstract】At present， answer sheet recognition is mainly divided into manual scoring and machine scoring. However， manual scoring has problems such as low efficiency， high labor intensity and low accuracy. The traditional machine scoring is mainly a cursor scoring machine， which has higher requirements for answer sheets. There are disadvantages such as poor versatility， high use cost and low use rate. In response to this problem， an automatic answer sheet recognition system based on digital image processing technology is designed. The system is programmed by Matlab GUI， and the operation is simple and convenient. The automatic answer sheet recognition function can be realized on an ordinary computer， which not only reduces the pressure on the teacher to mark the exam， but also overcomes the shortcoming that the cursor marking machine must be dedicated to a special card. The results show that the system has the advantages of high recognition accuracy， robustness and low cost for answering question sheets， and has high use value.

【Key words】 answer sheet; online marking; image processing; Matlab GUI; ?Hough transform

0 引 言

時下，隨著各類考試數量的不斷增多，試后的閱卷工作量也有明顯增加。傳統的人工閱卷弊端較為突出，不僅效率低下，還會耗費閱卷人大量的時間和精力，同時繁重的閱卷工作也很容易給閱卷老師造成大腦疲勞和視覺疲勞，由此就會帶來閱卷錯誤。當前，互聯網科技及新興技術的蓬勃發展則使得傳統的人工閱卷已經不能滿足現代化需求，網上閱卷系統應運而生。而傳統的光標閱卷機（Optical Mark Reader，OMR）雖然可以克服人工閱卷的弊端，但是其購買和維護成本均頗為可觀，并且對答題卡有很高的要求，通用性較差，難以在高校內部中小型考試中普及使用。

近年來，隨著數字圖像處理技術和計算機視覺的飛速進步，基于數字圖像處理技術的自動閱卷系統也開始逐漸興起，楊青燕等人[1]提出基于灰度圖像的答題卡定位識別;郝平[2]提出耦合模板定位答題卡識別;付清雨等人[3]提出基于模板匹配的答題卡識別系統;韋溢輝等人[4]基于OpenCV來實現答題卡生成及批閱。但卻都是基于模板匹配的方法來定位識別答題卡，算法應用有很大的局限性。本文提出一種基于Hough變換算法來實現答題卡自動識別系統，以Matlab GUI編程實現閱卷系統搭建。

1 系統設計

基于圖像處理的答題卡自動識別系統主要分為答題卡采集、答題卡預處理、答題卡校正、答題卡分割與答題卡識別等部分。首先，通過手機相機或掃描儀來采集答題卡圖像信息，并將其保存為jpg或mbp格式作為答題卡自動識別系統的輸入圖像;其次，系統將獲取到的答題卡圖像信息進行圖像預處理，預處理操作主要包括答題卡圖像歸一化、答題卡圖像灰度化、答題卡圖像二值化和答題卡圖像濾波等操作;接著，對預處理后的答題卡圖像應用Hough變換算法檢測出圖像中較長的3條直線，其中最長的直線與特征直線位置可以判斷出答題卡傾斜的角度，根據計算所得到的角度可以實現答題卡圖像的校正;然后，對校正后的答題卡圖像進行區域分割，可以得到考生信息與答題卡客觀題信息區域;最后，對分割后的答題卡填涂信息進行分析識別，完成系統閱卷操作。答題卡自動識別系統的流程圖如圖1所示。

該系統算法通過Matlab GUI實現，系統主界面如圖2所示。

該系統的菜單欄由“文件”、“答題卡處理”和“成績統計”三部分所組成，點擊“文件”命令后可顯示下一級子菜單，包括“打開”、“保存”和“退出”三個命令;點擊“答題卡處理”命令會出現“答題卡預處理”、“答題卡校正”和“答題卡標記”三個命令，其中“答題卡預處理”命令又包含3個子菜單，分別為：“答題卡歸一化”、 “答題卡濾波”、“答題卡灰度化”和“答題卡二值化”;點擊“成績統計”命令，會在系統界面功能區左側顯示答題卡分析識別后的結果圖像，在功能區右側顯示經過系統分析識別后答題卡使用者的準考證號、考試科目和成績信息。相關菜單欄界面如圖3所示。

2 圖像預處理

用戶在使用本系統時，存在設備參數不一、攝像角度不同和光照環境各異等問題使得答題卡在拍攝過程中受到外界因素的影響而會出現傾斜、變形和噪聲等不利因素，若直接將其傳輸到系統會嚴重影響系統識別的準確度，因此在系統對填涂信息識別前需要進行必要的預處理操作以盡量減小噪聲和人為操作對填涂信息識別的影響。圖像預處理包括圖像歸一化、圖像濾波、圖像灰度化和圖像二值化等操作。對此擬展開研究論述如下。

2.1 圖像歸一化

圖像歸一化是對數字圖像信息進行處理后將其限制在特定的某一范圍內，使得數據間對比性更加明顯。Matlab中，提供歸一化函數mapminmax進行處理。

2.2 圖像濾波

答題卡在采集過程中難免會出現噪聲，噪聲的出現會嚴重降低后續答題卡識別的準確度，因此答題卡去噪是圖像預處理中的關鍵一步，常見的濾波方法有中值濾波、均值濾波和高斯濾波等。其中，中值濾波是將數字圖像中像素鄰域的像素值排序取中位數值作為中心像素的新灰度值。答題卡的噪聲大多是隨機噪聲干擾，該噪聲主要是鄰域內亮度隨機發生突變的像素點，經過排序后會出現在序列的隊首或隊尾，因此本系統采用中值濾波可有效消除隨機噪聲。

2.3 圖像灰度化

灰度圖像是只有像素信息而沒有顏色信息的圖像，灰度圖像只需要一個數據矩陣來表示，矩陣中每個元素對應像素的灰度值。直接應用答題卡采集的彩色圖像計算量相對復雜，為了提高系統識別答題卡填涂信息的速度，需要將彩色圖像轉換為灰度圖像，即可降低圖像矩陣所占據的內存空間，又提高系統的計算速度。本系統采用加權分量法將其轉換為灰度圖像，轉換過程是從三維矩陣轉換為二維矩陣，但矩陣中元素類型不變，轉換后的灰度仍可以表示系統所需要的所有圖像信息特征。所謂加權分量法就是根據人眼對紅、綠和藍三原色的敏感度不同，分別賦予不同的權值系數進行加權，此處涉及的數學公式為：

2.4 圖像二值化

經過灰度化處理后的圖像每個像素僅有一個灰度值，灰度值也決定了像素的明暗程度，圖像二值化是為了將目標信息從圖像內容中提取更加方便。由于不同考生填涂答題卡的深淺度不同，每張答題卡二值化的閾值也并不相同，因此本系統采用局部平均閾值法來確定閾值，該算法在不同圖像區域所選擇的閾值會自動調整，可以消除光照不均勻等外在因素的干擾。當每張答題卡圖像確定好一個閾值threshold后，會遍歷整幅圖像的像素值，當源圖像某一像素灰度值src（x，y）大于閾值threshold，將該像素置為255，否則置為0，運算公式見（2）：

圖像預處理相關操作見圖4。

3 圖像校正

3.1 Hough變換算法

本系統采用Hough變換算法來檢測傾斜角度，再利用坐標變換得到校正后的圖像信息。Hough變換算法是1962年由Paul Hough首次提出的，初期僅是用于檢測圖像中的直線，但缺點是需要預先知道目標邊界的解析方程，后來經過改進，現在廣義的Hough變換算法可以在不知道邊界的情況下檢測出直線和曲線，且具有不錯的穩定性。其原理主要是基于表決原理的參數估計技術，將提取直線上點的坐標轉換為過直線的系數域，利用共線和直線相交的關系，使直線提取問題轉換為計數問題。

直角坐標系中直線由兩點A=x1，y1 和B=x2，y2 定義，經A點的所有直線可以由y1=kx1+q表示，其中k和q為參數值。也就是說，同一方程可以解釋為參數空間k，q的方程，因此通過A點的所有直線可以表示為方程q=-x1k+y1，類似地，點B可以表示為q=-x2k+y2，在參數空間k，q中，2條直線的公共點就是原圖像空間中表示連接點A和B的直線[5]，Hough變換原理圖如圖5所示。

也就是說，原圖像中的任意一條直線可在參數空間中由單獨的一個點來表示，但由于在直角坐標系中具有斜率不存在的直線，所以多是應用極坐標的方程來表示直線，即：

采用極坐標的表達形式Hough變換沒有這些限制，極坐標系下的直線經過變換后還是會變為單獨的點，如圖6所示。

基于Hough變換算法會檢測出很多直線，從中選取一條最長的直線，如圖7所示。

3.2 傾斜角度檢測

基于Hough變換算法可以檢測出圖像中存在的直線，按長度排序找到最長的那條直線，并根據特征直線位置計算傾斜角度，再按照所得到的角度進行校正，圖8為答題卡圖像的傾斜校正結果。

4 區域分割

由于考生信息區與答案填涂區位置是固定的，可繼續采用Hough變換算法檢測直線來分割上區域（考生信息區）和下區域（答案填涂區），再經過圖像二值化和形態學濾波后可以得到上下區域，并通過畫線來確定每個小格的界限，其中藍色橫線分割出來的為上區域、主要包括考生信息和考試科目等，紅色橫線分割出來的為下區域、主要是答案填涂區，每個答案填涂位置都嚴格分布在分割出來的小網格中，便于后續分析識別。區域分割結果如圖9所示。

5 填涂區標記

通過上面得到的區域分割結果，應用Matlab中自帶的bwlabel函數來標記答案填涂區域，并以此來確定填涂位置及識別。啟動系統，點擊答題卡處理菜單下的答題卡標記命令，可得到標記后的答題卡如圖10所示。

6 成績統計

成績統計需要預先設置好各個題號所對應的正確答案和分值，系統識別到填涂區域的答案后與正確答案依次做對比，如果答案匹配則存入一個數組，否則跳過，繼續執行循環指令，則循環結束后可以統計出考生正確答案，再將各個正確題目與所對應的分數值相乘，最后將各個題目得分依次相加就可以實現成績統計。啟動系統，點擊“成績統計”命令，左側區域顯示的是考生各個題目所對應的答案，右側區域顯示考生的準考證號、考試科目和考試分數，執行成績統計命令后如圖11所示。

7 結束語

本系統實現了應用Matlab GUI搭建答題卡自動識別系統，主要應用Hough變換算法來實現答題卡校正和答題卡區域分割，進一步可以實現精確定位答題區坐標，再利用bwlabel函數來識別填涂點，最后通過和后臺設置的標準答案依次做對比來實現分數自動統計識別。實驗結果表明該系統操作簡單便捷、識別率高，在普通計算機上就可以實現，具有廣泛的應用前景和使用價值。

參考文獻

[1] 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），2009，28（3）：99-102.

[2] 郝平. 圖像處理耦合模板定位的答題卡識別研究與應用[J]. 計算技術與自動化，2015，34（4）：105-109.

[3] 付清雨，陳婧. 基于OpenCV的答題卡識別系統[J]. 數字化用戶，2018，24（10）：249.

[4] 韋溢輝，劉漢英. 基于OpenCV的答題卡生成及批閱分析系統[J]. 電腦知識與技術，2020，16（29）：23-27.

[5] 韓濤，楊洋. 基于Hough變換的圖像目標檢測與識別[J]. 計算機與數字工程，2019，47（2）：412-416.