[发明专利]一种基于联合的同批次试卷答案区域切割方法

说明书

本发明涉及图像处理技术领域，具体公开了一种基于联合的同批次试卷答案区域切割方法，包括单试卷的矫正，矩形框的检测，通过聚类方式生成同批试卷的模板试卷，利用线性回归的统计方法建立模板试卷与扫描试卷的平移关系，根据平移关系补全扫描试卷缺失的答案区域位置信息并切割。本发明通过聚类方式生成同批试卷的模板试卷，利用线性回归的统计方法建立模板试卷与扫描试卷的平移关系，根据平移关系补全扫描试卷缺失的答案区域位置信息并切割，以此有效解决识别不精准，打印模糊等原因导致识别答案区域缺失的问题，而且算法简单快捷，能切割出试卷全部答案区域。

技术领域

本发明涉及图像处理技术领域，具体公开了一种基于联合的同批次试卷答案区域切割方法。

背景技术

随着人工智能图像处理技术的持续发展，学生试卷的自动批改变得越来越可行。在试卷的自动批改中，其中一个极为重要的步骤是定位答案区域。由于答案区域比较大，学生在书写的过程中具有较大的自由度。常见的做法是在每个题目设计一个显式的矩形框作为答案区。试卷在印刷时会将矩形框与试题同时印刷。试卷在学生答题后，被扫描仪扫描形成数字化的图片，再直接利用图像处理的方法从试卷中定位答案区域，再进一步识别答案内容。

但是这种图像处理算法参数繁多，不同的参数针对不同的图像特点。难以找到一套参数可以适应所有的试卷图片。因此导致传统的图像识别算法严重依赖试卷的本身扫描情况，比如试卷可能倾斜，亮度不均匀，对比度偏差等都会导致难以在所有情况下100％的定位所有矩形框。

因此，需要一种能解决上述问题的方法。

发明内容

为了克服现有技术中存在的缺点和不足，本发明的目的在于提供一种基于联合的同批次试卷答案区域切割方法。

为实现上述目的，本发明采用如下方案。

一种基于联合的同批次试卷答案区域切割方法,包括：

利用傅里叶变换文本矫正算法结合锚点定位矫正算法，分别对扫描获得的单张试卷图像进行矫正；

利用图像边缘检测算法对答案区域矩形框进行检测，并记录每个答案区域矩形框的位置信息；

通过DBSCAN聚类算法生成同批次试卷的模板试卷；

利用线性回归法建立模板试卷与扫描试卷的平移关系，根据平移关系补全扫描试卷缺失的答案区域位置信息并切割答案区域。

进一步地，所述利用傅里叶变换文本矫正算法结合锚点定位矫正算法，分别对扫描获得的单张试卷图像进行矫正，包括：

将需要切割的试卷图像调整成一定的规格，转化成灰度图；对灰度图进行图像延扩，获得最优DFT尺寸图；

对最优DFT尺寸图进行傅里叶变换，获得频域图进行二值化，将二值化后获得的图像进行霍夫变换直线检测，计算获得的直线斜率并刷选，将刷选后的角度加权平均得到基于直线检测的旋转角度angle1；

对灰度图取反并计算自适应阈值，根据阈值进行二值化并对二值化后的图像进行形态学开操作和闭操作，将经形态学开操作和闭操作后的图像边缘区域划分为7份，识别并计算7个区域中各个轮廓的长宽比和面积，根据长宽比和面积刷选出符合预先设计锚点轮廓条件的锚点轮廓，将其中心坐标记为锚点P₁至锚点P₇并存储在列表中；若该区域无符合条件的锚点轮廓，则将对应锚点记为空锚点；

以各个锚点为基准计算对应的旋转角度，并将获得的各个旋转角度和所述旋转角度angle1加权平均获得旋转角度angle；

通过旋转角度angle得到旋转矩阵RotMat，同时用旋转矩阵RotMat对各个锚点进行旋转矫正,利用旋转矫正后的锚点对扫描获得的试卷图像进行缩放一定规格并进行移位。