基于圖像處理的學(xué)生文檔管理系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體指一種在紙質(zhì)文檔條件下的基于圖像處理的 學(xué)生文檔管理系統(tǒng)。
【背景技術(shù)】
[0002] 中學(xué)生在日常學(xué)習(xí)中，通常都會(huì)做大量的習(xí)題和試卷，這些紙質(zhì)材料日積月累地 積累下來，最后將會(huì)成為一個(gè)很有用的復(fù)習(xí)資料。學(xué)生可以通過回顧以前做過的練習(xí)，進(jìn)行 查漏補(bǔ)缺，尤其能彌補(bǔ)自己的弱項(xiàng)。但是，學(xué)生們在管理傳統(tǒng)紙質(zhì)學(xué)習(xí)資料的過程中，會(huì)遇 到一個(gè)最大的問題：長期積累的紙質(zhì)材料數(shù)量很龐大，非常不便于有針對性的查閱、檢索、 復(fù)習(xí)。當(dāng)然，有一些常用手段可以提高查閱效率，如將資料按科目、時(shí)間進(jìn)行分類和排序等， 更有學(xué)生專門維護(hù)一本錯(cuò)題本，將做錯(cuò)的題目抄寫下來，但更多的學(xué)生只能在作業(yè)和試卷 的海洋中地毯式地搜索。而且，為了維護(hù)一本錯(cuò)題本，學(xué)生通常也需要耗費(fèi)更多額外的精 力，這無疑給他們造成了很大的負(fù)擔(dān)。
[0003] 對于老師而言，如何充分利用好學(xué)生日常作業(yè)和考試試卷這類資源，其實(shí)也存在 不足。由于紙質(zhì)資料中的內(nèi)容很難進(jìn)行自動(dòng)化的統(tǒng)計(jì)，因此老師很難獲得關(guān)于學(xué)生學(xué)習(xí)質(zhì) 量的量化信息。老師單憑借自己的記憶，難以準(zhǔn)確了解每個(gè)學(xué)生的長項(xiàng)和弱點(diǎn)，更難摸清學(xué) 生每個(gè)階段的學(xué)習(xí)狀態(tài)等等。解決很多學(xué)習(xí)上的問題，很多時(shí)候要對癥下藥，如果能很好地 跟蹤學(xué)生的作業(yè)考試情況，必然對教學(xué)產(chǎn)生巨大幫助。
[0004] 現(xiàn)有的針對教學(xué)的數(shù)字化管理技術(shù)，主要集中在閱卷和批卷。譬如使用答題卡批 改選擇題，這種方案一定程度實(shí)現(xiàn)了數(shù)字化。但是，這種技術(shù)的局限性也非常明顯，它無法 應(yīng)用于填空問答等需要書寫的題目。又譬如通過掃描進(jìn)行電子閱卷，方便了考試成績的統(tǒng) 計(jì)，甚至可以實(shí)現(xiàn)學(xué)校間合作批改。但對于學(xué)生而言，這套系統(tǒng)對他們沒有直接的幫助，他 們?nèi)匀恢荒芡ㄟ^傳統(tǒng)的手段管理紙質(zhì)文檔，如整理錯(cuò)題、歸類文檔等。而且將這樣一套系統(tǒng) 直接用于日常作業(yè)也并不合適，老師每天需要電腦批閱，負(fù)擔(dān)更重。因此，在紙質(zhì)文檔數(shù)字 化管理的領(lǐng)域，尚未有成熟的系統(tǒng)可以供老師和學(xué)生使用。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)存在的缺失和不足，提出了一種基于圖像處理的 學(xué)生文檔管理系統(tǒng)，通過將批改好的作業(yè)、考試的試卷集中進(jìn)行掃描，然后通過圖像識(shí)別來 自動(dòng)判別試卷中的錯(cuò)題，最后由電腦自動(dòng)收集和歸類錯(cuò)題，從而實(shí)現(xiàn)資料數(shù)字化和智能的 分類。
[0006] 一種基于圖像處理的學(xué)生文檔管理系統(tǒng)，工作流程（步驟）：
[0007] 第一、掃描學(xué)生文檔獲得圖像，輸入系統(tǒng)。
[0008] 第二、進(jìn)行文檔圖像去噪。
[0009] 第三、從文檔圖像中劃分出每道題目的位置。
[0010] 第四、對文檔圖像像素進(jìn)行顏色分類，篩選出紅色像素點(diǎn)，進(jìn)而找出教師于文檔上 批注的符號(hào)。 toon] 第五、找到每道題目區(qū)域中的符號(hào)并進(jìn)行識(shí)別。
[0012] 第六、將每道題目的圖像，以及對應(yīng)的教師反饋信息，存入至數(shù)據(jù)庫。
[0013] 由于現(xiàn)實(shí)中，試卷的排版、老師批改試卷的方式千差萬別，可能遠(yuǎn)遠(yuǎn)超出了一般圖 像處理技術(shù)可以解決的范疇，因此需要對應(yīng)用環(huán)節(jié)增加一些限制，恰當(dāng)?shù)亩x，使得它能夠 描述實(shí)際應(yīng)用中的大部分場合，并且在這個(gè)條件下能找到簡潔和優(yōu)美的解決方案。
[0014] 據(jù)此，定義如下：
[0015] 1.試卷以A4紙的大小為一頁。實(shí)際中，絕大多數(shù)的試卷都是每面印一頁或兩頁， 對于后者，本發(fā)明可以在掃描后將其自動(dòng)拆分成兩個(gè)單頁，從而可以專注于單頁試卷的處 理上。
[0016] 2.試卷上的題目從上到下排列，文字書寫順序從左到右。上下兩道題目之間有相 對充裕的間隔或留白，學(xué)生在題目下方空白處解答題目，并且空白部分通常足夠?qū)W生寫完 答案。頁面內(nèi)部不進(jìn)行分欄。
[0017] 3.試卷采用黑色字跡，手寫或印刷均可。學(xué)生的字跡顏色為黑色或者藍(lán)色，而老師 的批閱結(jié)果由紅色筆書寫。
[0018] 4.每道題目，老師采用打鉤或者打叉來進(jìn)行評判。
[0019] 5.試卷通過彩色掃描儀批量轉(zhuǎn)化成數(shù)字圖像格式。試卷在掃描時(shí)允許適當(dāng)?shù)膬A 斜，但傾斜角度一般不超過5度。
[0020] 在這項(xiàng)任務(wù)中，輸入是同一次作業(yè)或考試的所有學(xué)生的試卷。本發(fā)明通過掃描儀 獲得數(shù)字化的試卷圖像。所期望的結(jié)果是，系統(tǒng)自動(dòng)化地將試卷上的每一道題目的區(qū)域識(shí) 別出來，并且在該試題所在區(qū)域中檢測出老師的批改記號(hào)，再對批改記號(hào)進(jìn)行模式識(shí)別，從 而知道該題的正誤。
[0021] 本發(fā)明系統(tǒng)概述如下：
[0022] 系統(tǒng)，加上外部設(shè)備，主要包含的六個(gè)工作流程（如附圖1所示）：
[0023] 首先進(jìn)行試卷掃描，接下來將依次進(jìn)行文檔圖像去噪、題目位置識(shí)別、顏色分類、 符號(hào)識(shí)別四個(gè)核心步驟（工作流程）。
[0024] 為了更直觀地展示本發(fā)明的系統(tǒng)，下面用一個(gè)真實(shí)的掃描之后的試卷作為例子， 來展示本發(fā)明所能達(dá)到的效果。
[0025] 首先本發(fā)明進(jìn)行文檔圖像去噪，得到一張更為干凈的圖像。然后本發(fā)明嘗試從試 卷中劃分出每一道題目的位置，這樣本發(fā)明將每道題目的區(qū)域單獨(dú)取出來，便作為之后歸 檔管理的最小單位。接下來，本發(fā)明對試卷上的像素進(jìn)行顏色分類，留下紅色的像素點(diǎn)，然 后將它們合并成完整的符號(hào)，并在圖像上用矩形來描述其位置和大小。接下來，本發(fā)明找到 每道題目區(qū)域中的符號(hào)并進(jìn)行識(shí)別，從而知道它是勾還是叉，即對還是錯(cuò)。最后，本發(fā)明獲 得了所有題目的圖像，以及每道題的正誤信息，就可以將它們存至數(shù)據(jù)庫，以便將來錯(cuò)題分 類和各項(xiàng)統(tǒng)計(jì)。
[0026] 文檔圖像去噪
[0027] 試卷通過掃描而獲得的數(shù)字文檔圖像，與人眼看到的真實(shí)圖像之間，其實(shí)是有差 異的，其中除了亮度、色調(diào)等整體性的差異之外，還有一些細(xì)微的失真表現(xiàn)，使得在處理數(shù) 字圖像時(shí)會(huì)遇到一些問題。這種失真的表現(xiàn)，就是需要關(guān)注的噪聲。
[0028] 掃描過程中最典型的噪聲，是由于紙面的粗糙引起的暗紋。粗糙的紙面會(huì)形成漫 反射，在光線的掃描下會(huì)出現(xiàn)明暗的變化：突起的地方會(huì)顯得更亮，而凹下去的地方則顯得 更暗。這使得本發(fā)明觀察掃描結(jié)果的時(shí)候，會(huì)看到許多細(xì)小的暗點(diǎn)。這樣一些暗點(diǎn)，會(huì)影響 到后續(xù)工作的準(zhǔn)確性。
[0029] 為了去除這些暗點(diǎn)，本發(fā)明采用了高斯濾波的方式。如所周知，高斯濾波就是對文 檔圖像的局部進(jìn)行加權(quán)平均的過程，即在每個(gè)像素點(diǎn)上，本發(fā)明將其像素值和周圍臨近的 像素值進(jìn)行加權(quán)平均，算出一個(gè)新的值出來，而這種方式計(jì)算出的新的文檔圖像就是濾波 之后的文檔圖像。在本發(fā)明中暗的點(diǎn)與較為明亮的背景加權(quán)平均之后，會(huì)更接近背景的顏 色，因此在新的文檔圖像中看不出明顯的差異。
[0030] 在OpenCV庫中，本身實(shí)現(xiàn)了這一函數(shù)，因此只需選取合適的參數(shù)并調(diào)用相應(yīng)的函 數(shù)即可。參數(shù)為窗口大小，含義是每個(gè)像素與周圍多少距離內(nèi)的像素進(jìn)行加權(quán)平均。窗口 形狀為矩形，因此要設(shè)置長寬兩個(gè)數(shù)值。由于輸入圖片本身尺寸較大，因此窗口也比較大， 經(jīng)實(shí)驗(yàn)，設(shè)置長寬為9可以達(dá)到最好的效果。
[0031] 最后需要提一句，該參數(shù)的設(shè)定，是與掃描儀的質(zhì)量和文檔圖像大小密切相關(guān)的。 對于不同的掃描儀，該參數(shù)的最佳設(shè)置也未必一樣。在實(shí)際使用系統(tǒng)的時(shí)候，該參數(shù)需要和 掃描儀一起預(yù)先進(jìn)行調(diào)試，才能保證后續(xù)步驟穩(wěn)定地運(yùn)行。
[0032] 題目位置識(shí)別
[0033] 為了解決識(shí)別試卷上每一道題目的位置，本發(fā)明采用統(tǒng)計(jì)方法。
[0034] 由于在掃描試卷時(shí)限制了傾斜角度要在一定范圍內(nèi)，并且通常題目在文檔圖像上 所占據(jù)的行里的像素較多，因此統(tǒng)計(jì)文檔圖像每一像素行中黑色像素的數(shù)量，可以畫出一 張直方圖。圖中