【答题卡识别】识别答题卡答案选项、与正确答案对照、判别并计算分数、将结果写入Excel文件、接近100%识别率（Matlab代码实现）

最新推荐文章于 2025-03-20 10:27:12 发布

宇哥预测优化代码学习

最新推荐文章于 2025-03-20 10:27:12 发布

阅读量806

点赞数 30

文章标签： excel matlab 数据挖掘

本文链接：https://blog.youkuaiyun.com/w56782888/article/details/145531029

版权

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

⛳️赠与读者

💥1 概述

答题卡智能识别系统需求分析

功能需求

技术要求

过程演示

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

⛳️赠与读者

👨‍💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能解答你胸中升起的一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。

或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎

💥1 概述

答题卡智能识别系统需求分析

在教育领域，随着考试规模的不断扩大，人工批改答题卡的工作量日益繁重且容易出错。为了提高批改效率和准确性，开发一款答题卡智能识别系统显得尤为重要。本系统旨在通过先进的图像处理技术，快速、准确地识别答题卡上的答案选项，并与标准答案进行比对，最终将结果高效地输出到Excel文件中，为教育工作者提供便捷、可靠的辅助工具。

功能需求

答案选项识别：系统能够精准识别答题卡上的答案选项，涵盖各种常见的填涂方式，无论是圆形、方形还是其他形状的选项框，都能准确捕捉填涂痕迹，确保识别过程不受选项形状和布局的限制。
答案对照与分数计算：识别出的答案选项将与预先设定的标准答案进行严格对照。系统会自动判别每个选项的正确与否，并根据设定的评分规则，快速计算出考生的总分以及各题的得分情况，为后续的成绩分析提供准确的数据支持。
结果输出与存储：识别和评分的结果将被清晰地写入Excel文件中。文件中不仅包含考生的姓名、考号等基本信息，还会详细列出每道题的答案、得分情况以及总分，方便教师进行成绩统计、分析和存档。同时，系统支持对多个考生的答题卡进行批量处理，自动生成统一格式的Excel表格，提高工作效率。
高识别率保障：系统致力于实现接近100%的识别率，通过优化图像处理算法和增强识别模型的训练，确保在各种复杂条件下（如答题卡的印刷质量差异、填涂深浅不一、扫描或拍照的清晰度不同等）都能准确识别答案选项，最大程度减少误判情况的发生。

技术要求

图像预处理：在识别答题卡之前，系统会对图像进行一系列预处理操作，包括灰度化、二值化等。灰度化能够将彩色图像转换为灰度图像，降低图像数据的复杂度，同时保留图像的基本结构信息；二值化则将灰度图像进一步简化为黑白两色图像，突出填涂痕迹与空白区域的对比，为后续的识别和分析提供更清晰的图像基础，有效提高识别的准确性和效率。
倾斜校正：由于答题卡在扫描或拍照过程中可能会出现倾斜的情况，影响识别的准确性。系统采用Hough变换技术进行倾斜校正，通过检测图像中的直线，计算出答题卡的倾斜角度，并将其调整至水平状态，确保后续的定位和识别操作能够在正确的图像坐标系下进行，避免因倾斜导致的误判和定位偏差。
畸变校正：除了倾斜问题，答题卡还可能因扫描设备的光学畸变或拍摄角度不正而产生畸变。系统通过角点检测和投影变换技术进行畸变校正。首先，利用角点检测算法精确定位答题卡的四个角点，即使在角点部分存在遮挡或模糊的情况下，也能通过优化算法准确找到关键点；然后，根据检测到的角点坐标，运用投影变换将畸变的答题卡图像映射到一个标准的矩形区域，恢复其原始的几何形状，为准确划分填涂区域和识别答案选项提供保障。
精准识别与定位：系统具备较低的误识别率，能够准确定位答题卡上的填涂痕迹。在识别过程中，结合多种图像特征和先进的识别算法，对填涂区域进行细致分析，区分出真正的填涂痕迹与可能存在的干扰因素（如污渍、折痕等），确保识别结果的准确性和可靠性。同时，通过优化算法和模型训练，不断提高识别速度，满足实际应用中对效率的要求。
答案比对与分析：识别出的答案选项将与标准答案进行逐一对比，系统不仅会给出每个选项的正确与否，还会对整体答题情况进行综合分析。例如，统计每道题的正确率、错误选项的分布情况等，为教师提供更全面、深入的教学反馈信息，帮助教师了解学生的学习情况，针对性地调整教学策略。

过程演示

以下是答题卡智能识别系统的关键处理过程演示图，展示了从图像采集到结果输出的完整流程：

灰度化：将彩色答题卡图像转换为灰度图像，为后续处理做准备。
预处理：对灰度图像进行二值化等操作，突出填涂痕迹，便于后续识别。
边缘检测：通过边缘检测算法，提取答题卡的轮廓信息，为定位和校正提供依据。
定位感兴趣区域轮廓：在边缘检测的基础上，进一步定位答题卡上包含答案选项的感兴趣区域轮廓，缩小识别范围，提高效率。
倾斜校正：运用Hough变换技术对倾斜的答题卡图像进行校正，使其恢复到水平状态，确保后续处理的准确性。
再次精确定位感兴趣区域：在倾斜校正后的图像中，进一步精确确定答题卡上答案选项区域的位置，为后续的识别和划分提供更准确的定位信息。
闭运算：通过闭运算操作，填补填涂痕迹中的小空隙，使填涂区域更加完整，提高识别的准确性。
角点检测：检测答题卡的四个角点，为畸变校正提供关键坐标信息。
精确定位4个角点：在角点检测的基础上，进一步精确确定答题卡的四个角点位置，其中左上角的两个角点只需定位一个即可满足校正需求，确保畸变校正的准确性。
畸变校正（投影变换）：根据检测到的角点坐标，运用投影变换技术对畸变的答题卡图像进行校正，恢复其标准的矩形形状，为准确划分填涂区域和识别答案选项奠定基础。
划分填涂区域：在经过校正的答题卡图像中，按照预设的规则和布局，精准划分出每个答案选项的填涂区域，为后续的识别操作提供明确的范围。
识别结果输出到Excel文件：将识别出的答案选项、得分情况等结果清晰地写入Excel文件中，方便用户查看、统计和存档。

通过以上需求分析和技术实现，本答题卡智能识别系统将为教育工作者提供高效、准确的答题卡处理解决方案，助力教育信息化的发展。

📚2 运行结果

运行结果图比较多，就不一一展示。

部分代码：

%确定p_ul对应的是左上角哪一个角点
%用两个点确定一条直线，一是ur（右上角点）和bl（左下角点）的中点，二是br（右下角点）,如果ul在直线上方，就是‘L’类型，否之为'R'
mid_ur_bl = zeros(1,2);
mid_ur_bl(1,1)=round((p_ur(1,1)+p_bl(1,1))/2);
mid_ur_bl(1,2)=round((p_ur(1,2)+p_bl(1,2))/2);
x1=mid_ur_bl(1,1);
y1=mid_ur_bl(1,2);
x2=p_br(1,1);
y2=p_br(1,2);
Y=(y2-y1)*(p_ul(1,1)-x1)/(x2-x1)+y1;%(X-x1)(y2-y1)=(Y-y1)(x2-x1)-->Y=(y2-y1)(X-x1)/(x2-x1)+y1
if Y>=0
ul_type = 'L';
else
ul_type = 'R';
end
%返回 p_ul，p_ur，p_bl，p_br，ul_type

%% 投影变换，解决透视变形问题
SHOW = 1;
%原来的点
x = [p_ul(1) p_ur(1) p_br(1) p_bl(1)];
y = [p_ul(2) p_ur(2) p_br(2) p_bl(2)];
%校正后的点
[height,width] = size(rotated_ROIofBW);
if ul_type=='L'
ul_x=1;ul_y=round(150.0/3530*height);
else
ul_x=(140.0/2472*width);ul_y=1;
end
X=[ ul_x width width 1 ];
Y=[ ul_y 1 height height ];
tform = fitgeotrans([ x' y'],[ X' Y'],'Projective');
outputView = imref2d([height,width]);

corrected_im_gray = imwarp(rotated_ROI_ORI,tform, 'OutputView', outputView);%这个图只是为了展示用，实际识别没有用到
corrected_img = ~imwarp(~rotated_ROIofBW,tform, 'OutputView', outputView);%这里的两次取反操作细节是反复实验的结果，
%仿射变换会使总体的灰度值降低，降低图像质量，
%先取反，再做仿射变换，再取反反而会增强原信号 %
%显示
if SHOW
figure,subplot(121),imshow(rotated_ROIofBW,'InitialMagnification','fit');title('畸变校正(投影变换)前');
subplot(122),imshow(corrected_img,'InitialMagnification','fit');title('畸变校正(投影变换)后');
end

%% 填涂区域划分
SHOW =1;
bw_im = ~corrected_img;
[h,w]=size(bw_im);
%寻找锚点/定位点
x_start = w-int32(380/3774*w);
anchor_region=bw_im(1:h,x_start:w-10);
[rh,rw]=size(anchor_region);
anchor_region = bwareaopen(anchor_region,floor(rh/200*rw/12));%去掉小的连通域
% figure,imshow(anchor_region);
STATS = regionprops(anchor_region,'basic');%basic:Area,Centroid,BoundingBox