摘 要：本文綜合運用圖像處理，模式識別的理論來構(gòu)建答題卡的識別系統(tǒng)。當(dāng)前使用的答題卡閱讀機，均采用光反射閱讀方式。要求使用指定的鉛筆，按嚴(yán)格的格式涂填。這與平時的習(xí)慣差距較大，容易發(fā)生人為失誤。這里，采用圖象處理和模式識別技術(shù)，對答題卡進行閱讀，希望解決對書寫工具約束、需要特制答題卡等問題。實現(xiàn)了答題卡的計算機識別 ，采用打鉤的方法答題，方便，快速。

關(guān)鍵詞：灰度分割；夾線法；小波變換；霍夫變換；區(qū)域連通

針對答題卡的識別，光電識別技術(shù)已是應(yīng)用多年的成熟技術(shù)，在世界范圍內(nèi)廣泛使用，而基于影像模式的OMR識別技術(shù)，識別準(zhǔn)確率超過了傳統(tǒng)光標(biāo)OMR閱讀機，但是其兩者都對其填題方式進行了限制，即應(yīng)用2B鉛筆填涂，超出答題區(qū)域在方框外答題的，答案無效，這很大程度上減慢了考生的填題時間，并都存在其誤率，如機械傳動機構(gòu)復(fù)雜、使用壽命短、維護量大、設(shè)備一致性差、答題卡出現(xiàn)污點[1]等。

本文設(shè)計的系統(tǒng)支持考生使用任何深色筆做答，且最大程度上放寬了對填圖區(qū)域的限制，最大優(yōu)點在于考生可以使用劃鉤子或其他方式來選擇答案，系統(tǒng)采用圖像處理和模式識別技術(shù)來自動識別答題卡信息，方便且快速。

1 系統(tǒng)設(shè)計流程

（一）讀取并顯示BMP圖象，讀取的BMP圖像如圖1所示。

圖1 原始答題卡

（二）運用雙峰算法計算閾值，二值化圖象，二值化后的圖像如圖2所示。

圖2 二值化后的圖像

（三）運用夾線法求水平與垂直的各投影線，處理后的圖像如圖3所示。

圖3 夾線法求水平與垂直的各投影線

（四）對圖象進行水平與垂直投影，小波變換求投影線中點坐標(biāo)，處理后的圖像如圖4所示。

圖4小波變換求投影線中點坐標(biāo)

（五）根據(jù)色調(diào)的不同，二值化提取鉤子，處理后的圖像如圖5所示。

圖5二值化提取鉤子

（六）識別圖像得到結(jié)果圖，如圖6所示。

圖6輸出結(jié)果圖

2 系統(tǒng)主要實現(xiàn)技術(shù)

（一）求水平和垂直投影線算法的實現(xiàn)

用兩條間距較小的水平夾線平移至線條兩端，橫向掃描兩條直線間的象素點，記錄每水平行象素點的個數(shù)，如果大于一定的值，則其為一直線，取其中一條象素點最多的作為水平投影線。這里采用visual c++編碼實現(xiàn)[5]，具體實現(xiàn)代碼省略。

（二）閾值確定算法的實現(xiàn)

圖象的二值化需要一個閾值，先對圖象進行縱向掃描，利用雙峰算法找到圖象中線條部分與空白部分的一系列中心坐標(biāo)，對各自的一系列中心坐標(biāo)點的灰度進行最大概率值計算，取各自概率最大的值的平均值，以此值作為閾值，二值化圖象。

（三）Hough變換算法的實現(xiàn)

Hough變換的應(yīng)用可用如下的方法實現(xiàn)：

在（x，y）域中每一離散數(shù)據(jù)點變換為域中的曲線。將和分成許多小段，每一個小段和每個小段構(gòu)成一個小單元。對應(yīng)于每一個小單元可設(shè)一累加器（可定義一個二維數(shù)組Accumulator）。在（x，y）域中可能落在直線上的每一點對應(yīng)于變換域中一條曲線。分別使等于0，，2，3…，便可求出相應(yīng)的值，并分別計算落在各個小單元的次數(shù)，待全部的（x，y）域內(nèi)數(shù)據(jù)點變換完后，可對小單元進行檢測，這樣，落入次數(shù)最多的單元（也就是求二維數(shù)組Accumulator元素的最大值），說明此點為較多曲線的公共點，而這些曲線對應(yīng)的（x，y）平面上的點可以認(rèn)為是共線的。檢測出（x，y）平面上n點后，將曲線交點坐標(biāo)，便可得到逼近n點的直線方程。

Hough變換的一個最大的優(yōu)點[2-3]就是其抑制噪聲的能力強，它能夠提取處在噪聲背景中的直線，并且能夠把斷了的線段連接起。

（四）連續(xù)小波變換的計算機實現(xiàn)

采用連續(xù)小波函數(shù)Marr小波，就可以根據(jù)連續(xù)小波變換的卷積定義對信號進行運算。計算機采集實際波形信號時必須以一定的時間間隔采樣數(shù)據(jù)，只要這個時間間隔滿足先農(nóng)采樣定理，就可以完全反映連續(xù)信號的全部信息[4]。鑒于計算機離散采樣的特點，在算法實現(xiàn)上必須考慮這一特點，即要按照數(shù)字信號處理的方法實現(xiàn)連續(xù)信號的處理，采用連續(xù)小波變換的離散化形式進行計算。

借鑒Mallat的定義方法，直接按卷積來定義小波變換，與之不同的是，我們?nèi)匀徊捎脷w一化系數(shù)，而不是Mallat定義的：

由于選取的Marr小波是關(guān)于t=0對稱的，即，因此

時移因子b的實際意義是平行移動，當(dāng)時移因子b>0時，沿橫向坐標(biāo)軸右移，否則向相反方向移動。因此，我們可以將上式改寫成以下形式，而不會改變小波變換的實際意義。

（1）

尺度a的選擇可以根據(jù)需要直接調(diào)整，計算是直接依賴于最原始的。Marr小波函數(shù)的系數(shù)只是影響波形的幅值，其有無不會使波形失真，因此選取的小波基函數(shù)為：

（2）

可以近似地認(rèn)為其支集為[-7，7]，在這個區(qū)間以外，Marr小波基本為0。由于涉及到指數(shù)函數(shù)的計算，我們采用插值的技術(shù)來計算Marr小波的近似值，即預(yù)先計算好從[0，7]的每隔0.05的值共141點（在程序初始化或某個類的構(gòu)造中如此選定），然后通過普通的插值來實現(xiàn)小波基函數(shù)的計算。又由于該小波基函數(shù)的對稱性，可以得到自變量小于0的各個函數(shù)值。求解Marr小波函數(shù)的具體算法如下：

由于Marr小波函數(shù)的對稱性，我們只離散化采樣其非負(fù)時間軸的值，并且認(rèn)為時Marr小波值為0。采樣時間為取采樣時間間隔（采樣步長）為0.05，由式（2），Marr小波離散化采樣值為：

（3）

當(dāng)Marr小波時間變量time不是0.05的整數(shù)倍時，需要用插值計算法求出。在此之前，要考慮time<0的情況。由于Marr小波是關(guān)于t=0對稱的，可作如下變換：

time= -time，time<0（4）

此時無論原始時間變量是否為正，time都已轉(zhuǎn)換成非負(fù)值。進一步：

（5）

設(shè)int[x]表示取的整數(shù)部分，引入整數(shù)變量：

（6）

此時，就可以用插值法完成對各個具體點的Marr小波函數(shù)值wave（time）的求?。?/p>

（7）

下面敘述如何用計算機實現(xiàn)式（1）定義的連續(xù)小波變換。采用最簡單的數(shù)值積分方法—矩形法，也就是按照數(shù)字信號處理的習(xí)慣將式（1）按時間，時移因子作處理：

其中，是采樣時間間隔，取，則：

其中f（j.dt），是待分析信號按照采樣時間間隔連續(xù)采集的數(shù)據(jù)，設(shè)存放于數(shù)組tp[j]中，將式（3）～（7）求出的小波函數(shù)的離散化形式帶入，得出：

（8）

上述小波變換結(jié)果存放在數(shù)組中，即：

（9）

（五） 區(qū)域填充的掃描線算法的實現(xiàn)

區(qū)域填充可以使用遞歸算法實現(xiàn)，其原理和程序都很簡單，但由于多次遞歸，費時、費內(nèi)存，效率不高。為了減少遞歸次數(shù)，提高效率可以采用采用掃描線算法。

算法的基本過程如下：當(dāng)給定種子點（x，y）時，首先填充種子點所在掃描線上的位于給定區(qū)域的一個區(qū)段，然后確定與這一區(qū)段相連通的上、下兩條掃描線上位于給定區(qū)域內(nèi)的區(qū)段，并依次保存下來。反復(fù)這個過程，直到填充結(jié)束。

區(qū)域填充的掃描線算法可由下列四個步驟實現(xiàn)：

（1）初始化：堆棧置空。將種子點（x，y）入棧。

（2）出棧：若?？談t結(jié)束。否則取棧頂元素（x，y），以y作為當(dāng)前掃描線。

（3）填充并確定種子點所在區(qū)段：從種子點（x，y）出發(fā)，沿當(dāng)前掃描線向左、右兩個方向填充，直到邊界。分別標(biāo)記區(qū)段的左、右端點坐標(biāo)為xl和xr。

（4）確定新的種子點：在區(qū)間[xl，xr]中檢查與當(dāng)前掃描線y上、下相鄰的兩條掃描線上的象素。若存在非邊界、未填充的象素，則把每一區(qū)間的最右象素作為種子點壓入堆棧，返回第（2）步。

上述算法對于每一個待填充區(qū)段，只需壓棧一次；而在遞歸算法中，每個象素都需要壓棧。因此，掃描線填充算法提高了區(qū)域填充的效率。

3 實驗結(jié)果與分析

實驗采用數(shù)碼相機拍攝答題卡圖像，進行圖像預(yù)處理、答題卡的標(biāo)定位置識別，答題卡的涂填處識別，判定矩形框中有無字符、是什么字符，最后對答題卡信息分析和統(tǒng)計。實驗采用80份試卷作為樣本，對12份試卷進行測試，結(jié)果識別率達到100%。

4 結(jié)論

本文采用圖象處理和模式識別技術(shù)，對答題卡進行閱讀。在實驗中以深色筆對答題卡進行勾選，經(jīng)過數(shù)碼相機拍攝答題卡，采集樣本，進行答題卡的自動識別。實驗表明識別率達到100%，解決了對書寫工具約束、采用打鉤的方法答題，方便，快速。

參考文獻

[1]吳元君，張婷，雷驚鵬.一種改進的OMR 技術(shù)在標(biāo)準(zhǔn)化考試中的應(yīng)用[J].計算機教育，2007（13）：250-272.

[2] 龐東虎，金偉杰.英文字符特征提取系統(tǒng)[J].計算機仿真，2007，24（12）：208-210.

[3] 楊玲，毛以芳，吳天愛.基于多特征多分類器的脫機手寫漢字識別研究[J].計算機與網(wǎng)絡(luò)，2008（01）：217-217.

[4] 覃勝，劉曉明.基于圖像的OMR技術(shù)的實現(xiàn)[J].電子技術(shù)應(yīng)用，2003，29（10）：17-19.

[5] 何斌，《Visual C++數(shù)字圖象處理》[M]，人民郵電出版社，2002-4

作者簡介

陳偉華（1977-），湖北襄樊， 講師， 碩士，主要研究方向：計算機教學(xué)與.net項目開發(fā)。