luozhao

第３７卷第３期 计算机应用与软件Ｖｏｌ３７Ｎｏ．３

２０２０年３月 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅＭａｒ．２０２０

基于Ｈｏｕｇｈ变换的答题卡识别

罗朝阳１ 张鹏超２

 姚晋晋１ 王 彦１ 赵瑞杰１

１（陕西理工大学机械工程学院 陕西汉中７２３０００）

２（陕西省工业自动化重点实验室 陕西汉中７２３０００）

收稿日期：２０１９－０３－２２。陕西省工业科技攻关项目（２０１６ＧＹ０７０）；陕南秦巴山区生物资源综合开发协同创新项目（ＱＢＸ１７７）。

罗朝阳，硕士生，主研领域：图像处理。张鹏超，教授。姚晋晋，硕士生。王彦，硕士生。赵瑞杰，硕士生。

摘 要 针对光电式阅卷机价格昂贵，使用成本高，设备利用率低的缺点，提出一种基于Ｈｏｕｇｈ变换的答题卡

识别方法。运用数字图像处理的手段，对答题卡图像进行灰度拉伸、图像滤波、图像二值化等预处理；依据Ｈｏｕｇｈ

变换的直线建立选项网；根据填涂区域的几何属性进行识别判断。测试结果表明，该算法对于答题卡的识别具有

高效率、高准确率、使用方便、成本低廉的特点，具有一定的应用价值。

关键词 Ｈｏｕｇｈ变换 自动阅卷 图像识别 答题卡

中图分类号 ＴＰ３９１．４３ 文献标志码 Ａ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０２０．０３．０４２

ＡＮＳＷＥＲＳＨＥＥＴＲＥＣＯＧＮＩＴＩＯＮＢＡＳＥＤＯＮＨＯＵＧＨＴＲＡＮＳＦＯＲＭ

ＬｕｏＺｈａｏｙａｎｇ１ ＺｈａｎｇＰｅｎｇｃｈａｏ２

 ＹａｏＪｉｎｊｉｎ１ ＷａｎｇＹａｎ１ ＺｈａｏＲｕｉｊｉｅ１

１（ＳｃｈｏｏｌｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＳｈａａｎｘｉＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈａｎｚｈｏｎｇ７２３０００，Ｓｈａａｎｘｉ，Ｃｈｉｎａ）

２（ＳｈａａｎｘｉＫｅｙＬａｂｏｒａｔｏｒｙｏｆＩｎｄｕｓｔｒｉａｌＡｕｔｏｍａｔｉｏｎ，Ｈａｎｚｈｏｎｇ７２３０００，Ｓｈａａｎｘｉ，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ Ａｉｍｉｎｇａｔｔｈｅｄｉｓａｄｖａｎｔａｇｅｓｏｆｔｈｅｏｐｔｉｃａｌｍａｒｋｒｅａｄｅｒ，ｓｕｃｈａｓｈｉｇｈｐｒｉｃｅ，ｈｉｇｈｃｏｓｔａｎｄｌｏｗｕｔｉｌｉｚａｔｉｏｎ

ｒａｔｅｏｆｅｑｕｉｐｍｅｎｔ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｎａｎｓｗｅｒｓｈｅｅｔｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｔｈｅＨｏｕｇｈｔｒａｎｓｆｏｒｍａｔｉｏｎ．Ｂｙｍｅａｎｓ

ｏｆｄｉｇｉｔａｌｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ，ｇｒｅｙｓｃａｌｅｓｔｒｅｔｃｈｉｎｇ，ｉｍａｇｅｆｉｌｔｅｒｉｎｇ，ｉｍａｇｅｂｉｎａｒｉｚａｔｉｏｎａｎｄｏｔｈｅｒｐｒｅｔｒｅａｔｍｅｎｔｓｗｅｒｅ

ｃａｒｒｉｅｄｏｕｔｏｎｔｈｅａｎｓｗｅｒｓｈｅｅｔｉｍａｇｅｓ．ＡｃｃｏｒｄｉｎｇｔｏｌｉｎｅｏｆｔｈｅＨｏｕｇｈｔｒａｎｓｆｏｒｍａｔｉｏｎ，ｔｈｅｓｅｌｅｃｔｉｏｎｎｅｔｗｏｒｋｗａｓ

ｅｓｔａｂｌｉｓｈｅｄ．Ｆｉｎａｌｌｙ，ｗｅｒｅｃｏｇｎｉｚｅｄａｎｄｉｄｅｎｔｉｆｉｅｄｏｎｔｈｅｂａｓｉｓｏｆｔｈｅｇｅｏｍｅｔｒｉｃｐｒｏｐｅｒｔｉｅｓｏｆｔｈｅｆｉｌｌｅｄａｒｅａ．Ｔｈｅｔｅｓｔ

ｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅａｌｇｏｒｉｔｈｍｈａｓｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｈｉｇｈｅｆｆｉｃｉｅｎｃｙａｎｄｈｉｇｈａｃｃｕｒａｃｙｆｏｒｔｈｅｒｅｃｏｇｎｉｔｉｏｎｏｆｔｈｅ

ａｎｓｗｅｒｓｈｅｅｔ．Ａｎｄｉｔｉｓｅａｓｙｔｏｕｓｅａｎｄｌｏｗｃｏｓｔ，ａｎｄｈａｓｃｅｒｔａｉｎａｐｐｌｉｃａｔｉｏｎｖａｌｕｅ．

Ｋｅｙｗｏｒｄｓ Ｈｏｕｇｈｔｒａｎｓｆｏｒｍ Ａｕｔｏｍａｔｉｃｓｃｏｒｉｎｇ Ｉｍａｇｅｒｅｃｏｇｎｉｔｉｏｎ Ａｎｓｗｅｒｓｈｅｅｔ

０ 引 言

考试是教育测量的重要手段，也是目前选拔人才

的重要手段。所以公平、公正就显得非常重要，这不仅

体现在考试的过程中，还体现在评卷的过程中。以前，

这些试卷都是进行人工翻阅批改，其中评卷老师的水

平、状态、情绪都能影响评卷的结果，这种不确定性有

失公平公正。随着信息技术的不断发展，计算机功能

的不断强大，出现了答题卡的计算机阅卷设备，通过电

子扫描技术将纸质的答题卡转化为数值化的形式，再

对其自动评阅，这不仅解决了评卷公正性、准确性的要

求还提高了评卷的工作效率。

目前答题卡识别方式主要有两种：一种是基于光

电设备，另一种是基于图像处理技术。光标阅读机

（

ＯＭＲ）是根据光电设备将不同区域的感光能力转换

为计算机处理的电信号，再依据电信号来识别。这种

识别系统具有高效率、高准确率、低功耗的优点，但它

的缺点也很突出，即必须采用光标阅卷机和专用的答

题卡，购买成本和使用成本都非常高昂，且这种形式的

答题卡规格一旦确定就难以修改，所适用的范围小。

图像处理技术是将图兔子怎么做好吃 像采集设备所获得的图像供计算

２５２ 计算机应用与软件２０２０年

机分析识别，从而获取答题卡上的有效信息。这种识

别方式不仅可以完成阅卷工作，还具有成本低廉、使用

方便的优点，而且可通过软件方便修改答题卡的结构，

以适应英语四级词组 不同的需求。

针对获得的数字化图像数据，陈淑红等［１］提出基

于纵向同步头和模板匹配的方法进行定位识别；杜聪［２］

提出模板匹配的识别方法；郝平［３］提出基于ＯｐｅｎＣＶ

耦合模板定位识别。他们都是采用模板匹配的方法来

识别，识别的精度全取决于模板。本文提出一种基于

Ｈｏｕｇｈ变换答题卡识别算法，以此构建基于图像识别

的阅卷系统。

１ 方法设计

通过相机或扫描仪采集答题卡的原始图像，当系

统获取到图像之后，先对其进行预处理操作；通过

Ｈｏｕｇｈ直线变换获取图像的矫正角度，并将图像进行

矫正操作，矫正后对图像进行区域分割，获得答题区域

和准考证区域以及考试科目信息区域；对这些区域进

行识别判断，以完成阅卷步骤，流程如图１所示。

图１ 阅卷流程图

本文所描述的算法通过ＭＡＴＬＡＢ２０１７ｂ软件实

现，通过在ｍａｉｎ函数中调用其他子函数来实现图１流

程框图中的内容。

算法主程序：

Ｉ＝ｉｍｒｅａｄ（ｐ）；％ｐ为答题卡图像的路径和名字

［Ｉ１，ｂｗ１］＝Ｉｍａｇｅ＿Ｐｒｅｐｒｏｃｅｓｓｉｎｇ（Ｉ）；％图像预处理

［～，～，ｘｙ＿ｌｏｎｇ］＝Ｈｏｕｇｈ＿Ｐｒｏｃｅｓｓ（ｂｗ１）；

％ｈｏｕｇｈ直线检测

ａｎｇｌｅ＝Ｃｏｍｐｕｔｅ＿Ａｎｇｌｅ（ｘｙ＿ｌｏｎｇ）；％计算倾斜角度

［Ｉ２，ｂｗ２］＝Ｉｍａｇｅ＿Ｒｏｔａｔｅ（Ｉ１，ｂｗ１，ａｎｇｌｅ）；％图像矫正

［ｂｗ３，Ｌｏｃ］＝Ｍｏｒｐｈ＿Ｐｒｏｃｅｓｓ（ｂｗ２）；％形态学滤波

［Ｌｅｎ，ＸＹｚ，ｘｙ＿ｌｏｎｇ］＝Ｈｏｕｇｈ＿Ｐｒｏｃｅｓｓ（ｂｗ３）；％

［ｂｗ４，ｂｗ５］＝Ｉｍａｇｅ＿Ｓｅｇｍｅｎｔａｔｉｏｎ（ＸＹｚ，ｂｗ３）；％图像分割

［ｓｔａｔｓ１，ｓｔａｔｓ２，Ｌｉｎｅ］＝Ｒｅｇｉｏｎ＿Ｌａｂｅｌ（ｂｗ４，ｂｗ５，ＸＹｚ，Ｌｏｃ）；

％区域标记

［Ａｎｓｓ（ｉ）．Ａｎｓｗｅｒ，Ａｎｓｓ（ｉ）．Ｂｎ］＝Ａｎａｌｙｓｉｓ（ｓｔａｔｓ１，ｓｔａｔｓ２，

Ｌｉｎｅ，Ｉ２）；％区域分析

Ｈｏｕｇｈ检测子程序：

ｆｕｎｃｔｉｏｎ［Ｌｅｎ，ＸＹｚ，ｘｙ＿ｌｏｎｇ］＝Ｈｏｕｇｈ＿Ｐｒｏｃｅｓｓ（ｂｗ）

［Ｈ，Ｔ，Ｒ］＝ｈｏｕｇｈ（ｂｗ）；％ｈｏｕｇｈ矩阵

Ｐ＝ｈｏｕｇｈｐｅａｋｓ（Ｈ，４，′ｔｈｒｅｓｈｏｌｄ′，ｃｅｉｌ（０．３ｍａｘ（Ｈ（：））））；

％ｈｏｕｇｈ峰值

ｌｉｎｅｓ＝ｈｏｕｇｈｌｉｎｅｓ（ｂｗ，Ｔ，Ｒ，Ｐ，′ＦｉｌｌＧａｐ′，５０，′ＭｉｎＬｅｎｇｔｈ′，６）；

％ｈｏｕｇｈ直线

ｍａｘ＿ｌｅｎ＝０；

ｆｏｒｉ＝１：ｌｅｎｇｔｈ（ｌｉｎｅｓ）

ｘｙ＝［ｌｉｎｅｓ（ｉ）．ｐｏｉｎｔ１；ｌｉｎｅｓ（ｉ）．ｐｏｉｎｔ２］；

ｌｅｎ＝ｎｏｒｍ（ｌｉｎｅｓ（ｉ）．ｐｏｉｎｔ１ｌｉｎｅｓ（ｉ）．ｐｏｉｎｔ２）；

％计算直线长度

Ｌｅｎ（ｉ）＝ｌｅｎ；

ｉｆｌｅｎ＞ｍａｘ＿ｌｅｎ

ｍａｘ＿ｌｅｎ＝ｌｅｎ；

ｘｙ＿ｌｏｎｇ＝ｘｙ；

ｅｎｄ％判断最长直线

ＸＹ｛ｉ｝＝ｘｙ；％存储直线坐标

ｅｎｄ

［Ｌｅｎ，ｉｎｄ］＝ｓｏｒｔ（Ｌｅｎ（：），′ｄｅｓｃｅｎｄ′）；％直线长度排序

ｆｏｒｊ＝１：ｌｅｎｇｔｈ（ｉｎｄ）

ＸＹｚ｛ｊ｝＝ＸＹ｛ｉｎｄ（ｊ）｝；

ｅｎｄ

ｘ＝ｘｙ＿ｌｏｎｇ（：，１）；

ｙ＝ｘｙ＿ｌｏｎｇ（：，２）；

ｉｆａｂｓ（ｄｉｆｆ（ｘ））＜ａｂｓ（ｄｉｆｆ（ｙ））

ｘ＝［ｍｅａｎ（ｘ）；ｍｅａｎ（ｘ）］；

ｅｌｓｅ

ｙ＝［０．７５ｙ（１）＋０．２５ｙ（２）；０．２５ｙ（１）＋０．７５ｙ（２）］；

ｅｎｄ％坐标调整

ｘｙ＿ｌｏｎｇ＝［ｘｙ］；％输出调整后的直线坐标

识别判断子程序（部分）：

ｆｕｎｃｔｉｏｎ［Ａｎｓｗｅｒ，Ｂｎ］＝Ａｎａｌｙｓｉｓ（ｓｔａｔｓ１，ｓｔａｔｓ２，Ｌｉｎｅ，Ｉｍｇ）

ａｗ＝［′Ａ′′Ｂ′′Ｃ′′Ｄ′］；

ｆｏｒｉ＝１：ｌｅｎｇｔｈ（ｓｔａｔｓ１）％循环所有的题目

ｔｅｍｐ＝ｓｔａｔｓ１（ｉ）．Ｃｅｎｔｒｏｉｄ；

％获取当前填涂区域的坐标

ｆｏｒｉ１＝１：ｌｅｎｇｔｈ（Ｄｏｍ）％循环答题区域

Ｌｏｃ＝Ｄｏｍ（ｉ１）．Ｌｏｃ；

％获取ｉ１区域中的范围坐标

ｉｆｔｅｍｐ（２）＞＝Ｌｏｃ（１）＆＆ｔｅｍｐ（２）＜＝Ｌｏｃ（２）

ｘ＝Ｄｏｍ（ｉ１）．ｘ；

ｙ＝Ｄｏｍ（ｉ１）．ｙ；

ｉ＿ｙ＝（ｉ１－１）２０；％统计当前的题数

ｆｏｒｉ２＝１：ｌｅｎｇｔｈ（ｘ）％循环ｉ１区域中的题组

ｘｔ＝ｘ｛ｉ２｝；

ｆｏｒｉ３＝１：ｌｅｎｇｔｈ（ｘｔ）－１

％循环题组中的题号

ｉｆｔｅｍｐ（１）＞＝ｘｔ（ｉ３）＆＆ｔｅｍｐ（１）

＜＝ｘｔ（ｉ３＋１）

ｉ＿ｘ＝（ｉ２－１）５＋ｉ３；

％统计题号

ｂｒｅａｋ；

ｅｎｄ

第３期 罗朝阳，等：基于Ｈｏｕｇｈ变换的答题卡识别２５３

ｅｎｄ

ｅｎｄ

ｉ＿ｎ＝ｉ＿ｙ＋ｉ＿ｘ；

ｆｏｒｉ４＝１：ｌｅｎｇｔｈ（ｙ）－１

％循环当前题号选项的个数

ｉｆｔｅｍｐ（２）＞＝ｙ（ｉ４）＆＆ｔｅｍｐ（２）＜＝

ｙ（ｉ４＋１）

ｉ＿ａ＝ａｗ（ｉ４）；％给出答案

ｂｒｅａｋ；

ｅｎｄ

ｅｎｄ

ｅｎｄ

ｅｎｄ

Ａｎｓｗｅｒ（ｉ＿ｎ）．Ｌｏｃ＝［Ａｎｓｗｅｒ（ｉ＿ｎ）．Ｌｏｃ；ｔｅｍｐ］；％

Ａｎｓｗｅｒ（ｉ＿ｎ）．ｎｏ＝ｉ＿ｎ；％保存题号

Ａｎｓｗｅｒ（ｉ＿ｎ）．ａｗ＝［Ａｎｓｗｅｒ（ｉ＿ｎ）．ａｗｉ＿ａ］；

％保存答案

ｅｎｄ

２ 图像预处理

答题卡自动阅卷系统是将图像采集设备获得的答

题卡图像传输给计算机，供其分析识别。但在获取答

题卡的数字图像过程中，常常会受到环境、设备等因素

的影响而产生噪声，从而影响阅卷的准确性。因此，要

对获取到的图像进行预处理操作，包括对图像进行灰

度拉伸、高斯滤波、图像二值化，然后再将二值化的图

像进行反转，这样就可以大大减少计算的数据量。处

理结果如图２所示。

（ａ）预处理后的答题卡图像

（ｂ）二值反转后的答题卡图像

图２ 预处理与二值反转后的答题卡图像

３ Ｈｏｕｇｈ直线倾斜矫正

３．１ Ｈｏｕｇｈ变换

霍夫变换是由ＰａｕｌＨｏｕｇｈ于１９６２年首次提出，仅

仅用于图像中直线的检测。现在使用的广义霍夫变换

不仅能检测直线，还可以检测其他形状的几何特征。

因为直角坐标的线与参数坐标中的点具有对偶性，从

而可将直角坐标中的线转换为参数坐标中的点。霍夫

变换就利用这一原理，将曲线的检测问题转化为寻找

峰值的问题。

在笛卡尔坐标系中一条过点（ｘ

０

，ｙ

０

）的直线可以

用斜截式表示：

ｙ

０

＝ｋｘ

０

＋ｂ（１）

式中：斜率ｋ和截距ｂ都是参数。若将ｘ

０

和ｙ

０

视为常

数，而将参数ｋ和ｂ视作变量，则式（１）改写为：

ｂ＝－ｋｘ

０

＋ｙ

０

（２）

这就将直角空间中的直线转换成了参数空间中的

点。同理直角空间中的点也可以转换为参数空间的直

线，变换如图３所示。

图３ 点线对偶性

但斜截式的直线方程不能表示所有的直线，如斜

率不存在的直线，为了能表示所有的直线，采用极坐标

形式的方程来表示直线，则将式（１）改写为：

＝ｘ

０

ｃｏｓ

＋ｙ

０

ｓｉｎ

（３）

式中：

是原点到直线上最近点的距离，

是ｘ轴与连

接原点和最近点直线之间的夹角，如图４所示。因此，

将图像中的直线与一对参数（

，

）相关联，这个参数

（

，

）平面就被称为霍夫空间。

图４ 直角空间与霍夫空间

２５４ 计算机应用与软件２０２０年

３．２ 图像矫正

经Ｈｏｕｇｈ变换后，会得到很多条直线的横纵坐标，

经式（４）计算，选出其中最长的一条直线，如图５（ａ）所

示，并根据此直线按式（５）求出矫正角度

，最后将原

图像按式（６）矫正，矫正后的效果如图５（ｂ）、（ｃ）

所示。

ｌ＝（ｘ

２

－ｘ

１

）２＋（ｙ

２

－ｙ

１

）槡２（４）

′＝ａｒｃｔａｎ

ｙ

２

－ｙ

１

ｘ

２

－ｘ()

１

１８０

＝９０－

{′

（５）

ｘ

ｙ

















１

＝

ｃｏｓ

－ｓｉｎ

０

ｓｉｎ

ｃｏｓ

０













杜甫的简介



００１

ｘ

０

ｙ

０





















１

（６）

（ａ）检测的最长直线

（ｂ）矫正后的原图（ｃ）矫正后的二值图像

图５ 检测的直线图与矫正后的原图和二值图

４ 形态学滤波

形态学的本质是结构元素与图像矩阵之间的相互

作用，这种早安问好 作用包括基础的膨胀和腐蚀，也包括由这两

种复合而成的开和闭。

在形态变换中，若用Ｅ（Ｘ）表示二值图像，Ｂ（Ｘ）

表示结构元素，

和

两种符号分别表示形态学运算

中的膨胀运算和腐蚀运算，则：

膨胀定义为：

Ｅ

Ｂ＝｛ｘ：Ｂ（ｘ）

∩

Ｅ

≠

｝（７）

腐蚀定义为：

Ｅ

Ｂ＝｛ｘ：Ｂ（ｘ）



Ｅ｝（８）

设和



分别是开运算和闭运算的符号，则：

开运算定义为：

Ｅ



Ｂ＝（Ｅ

Ｂ）

Ｂ（９）

闭运算定义为：

ＥＢ（Ｅ

Ｂ）

Ｂ（１０）

因此，本文采用的结构元素定义为：

Ｂ

１

＝

０００

１１１

















０００

Ｂ

２

＝

０００００

１１１１１

















０００００

滤波算法定义为：

ｆ＝Ｅ

Ｂ

２

Ｂ

１

（１１）

采用此算法对图５（ｃ）中的二值图像进行形态学

滤波处理，并将处理后的图像中的答题边界符去除，结

果如图６所示。

（ａ）滤波前的二值图（ｂ）滤波后的二值图

图６ 滤波结果

５ 图像分割

图像分割是指将图像划分成具有相似性质的若干

区域的过程。现有的分割方法有基于阈值分割、基

于区域分割结石疼起来怎么缓解 、基于边缘分割以及基于特定理论的分

割等［４］。

答题卡的有效信息位于图像中的特定区域，包括

准考证号区域、答题区域以及科目代号区域，对这些区

域精准定位就可以获取答题卡中的有效信息。本文采

用了基于直线的边界检测和区域分割的方法，将答题

卡化分为信息区域和答题区域两部分，分割效果如图

７所示。

第３期 罗朝阳，等：基于Ｈｏｕｇｈ变换的答题卡识别２５５

（ａ）直线边界检测

（ｂ）信息区巴厘岛图片 域

（ｃ）答题区域

图７ 分割结果

６ 识别判断

识别包含对信息区域中准考证号的识别、科目代

号的识别，也包含对答题区域选项的单选识别、多选识

别。通过ｂｗｌａｂｅｌ获取答题区域和信息区域的标记矩

阵，通过ｒｅｇｉｏｎｐｒｏｐｓ获取区域的Ｃｅｎｔｒｏｉｄ属性，然后根

据此属性判断填涂的选项。

根据前文Ｈｏｕｇｈ变换获得的直线，将答题区域和

信息区域中的每个选项、信息通过网格划分出来。然

后采用图８的识别算法进行识别。

图８ 识别算法

对图７（ｂ）、（ｃ）进行识别，识别结果如表１、表２

所示，将表１、表２中的信息叠加到原图中的效果如图

９所示。

表１ 信息区域识别出的结果

试卷类型准考证号科目代号

Ａ１７１９２３５１４化学

表２ 答题区域识别出的结果

题号１２３４５６７８９

答案ＢＡＢＤＢＡＡＢＤ

题号１０１１１２１３１４１５１６１７１８

答案ＢＡＢＢＣＣＣＢＤ

题号１９２０２１２２２３２４２５２６２７

答案ＢＡＢＣＢＡＤＤＣ

题号２８２９３０３１３２３３３４３５３６

答案ＢＡＢＣＢＢＣＣＢ

题号３７３８３９４０４１４２４３４４４５

答案ＡＣＣＡＡＢＢＣＡＢＣＢＤＡＣＤ

２５６ 计算机应用与软件２０２０年

图９ 识别结束后的效果

７ 测试与分析

测试环境：处理器型号为Ｉｎｔｅｌ（Ｒ）Ｃｏｒｅ（ＴＭ）ｉ５

４２１０ＵＣＰＵ＠１．７０ＧＨｚ２．４０ＧＨｚ，内存４ＧＢ，Ｗｉｎｄｏｗｓ

１０操作系统。仿真软件为ＭＡＴＬＡＢ２０１７ｂ。答题卡图

像是用ＣＣＤ相机在室内拍摄的１００张标准答题卡，每

幅图像的大小５ＭＢ，分辨率为４０００３０００。图像以

ＪＰＧ格式保存，对拍摄的图像进行压缩，产生了马赛克

噪声，且相机本就包含ＣＣＤ噪声，导致图像中也含有

了ＣＣＤ噪声。

本方法是根据答题卡图像中的直线特征来识别答

题区域和信息区域，它影响着这些区域的定位精度。

直线特征在算法中有着举足轻重的作用，在本算法中

若用其他特征代替直线特征将很难定位答题区域和信

息区域。

实验共进行１００份答题卡测试，每份４５道题，测

试结果如表３所示。

表３ 不同份数的测试结果

测试份数１０２０５０１００

运行时间／ｓ８．９６５１７．９０６４４．５６１８９．０４２

识别准确率１００％１００％１００％１００％

识别速度／（ｓ份－１）

０．８９６０．８９５０．８９１０．８９０

表４ 不同方法的识别速度

测试方法文献［１］文献［５］文献［８］本文算法

识别速度／（ｓ份－１）

２．９５６１．９３４０．９０９０．８９３

从表３中可以得知每份答题卡平均耗时０．８９３

秒，正确率达到１００％，从表４中可以知道本文算法相

比于文献［１］平均耗时２．９５６秒、文献［５］平均耗时

１．９３４秒、文献［８］平均耗时０．９０９秒具有明显优势，

充分说明本文算法具有高效性。

８ 结 语

本实验实现了答题卡的正确识别，不需要专用的

识别设备和答题卡，在普通ＰＣ机上就可实现。这不

仅降低了购买成本、使用成本，还紧张的英语 扩大了应用范围，并

且该方法的识别正确率达到了１００％，识别速度为每

份０．８９３ｓ。因此，本文所描述的识别方法是一种廉

价、高效、便捷、实用的阅卷方法，具有实际应用价值。

参考文献

［１］程淑红，尚果超．基于视觉的答题卡自动判分系统设计

［Ｊ］．计量学报，２０１８，３９（６）：８０４－８１０．

［２］杜聪．基于图像字符识别的答题卡客观题识别方法［Ｊ］．

信息与电脑（理论版），２０１６（１５）：４９－５１．

［３］郝平．图像处理耦合模板定位的答题卡识别研究与应用

［Ｊ］．计算技术与自动化，２０１５，３４（４）：１０５－１０９．

［４］侯广峰，王媛媛，郭禾．基于ＣＵＤＡ的图像分割并行算法

设计与实现［Ｊ］．数字技术与应用，２０１３（３）：１４１－１４４．

［５］孙琳，张琪，罗念祖，等．一种适用于移动设备在线阅卷的

答题卡自动识别算法［Ｊ］．计算机测量与控制，２０１８，２６

（１０）：２５５－２５９．

［６］刘洋，黄欣．基于图像识别的网上阅卷系统的设计［Ｊ］．电

子技术与软件工程，２０１６（１９）：９０－９１．

［７］韩涛，杨洋．基于Ｈｏｕｇｈ变换的图像目标检测与识别［Ｊ］．

计算机与数字工程，２０１９，４７（２）：４１２－４１６．

［８］孙建芳，李万秋，张国辉，等．扫描阅卷系统中模板定制和

图像聚类方法的研究［Ｊ］．计算技术与自动化，２０１７，３６

（３）：１０５－１０８．

［９］吴翔，夏英杰，李金屏．一种答题卡的自动阅读方法［Ｊ］．

济南大学学报（自然科学版），２０１４，２８（４）：２４６－２５０．

［１０］张站，刘政怡，吴建国，等．基于图像识别的阅卷系统的设

计与实现［Ｊ］．微型机与应用，２０１１，３０（４）：４４－４７．

［１１］吕鸣，陈治平．提高自学考试答题卡识别准确率的探讨及

实践［Ｊ］．中国考试，２０１１（５）：３８－４１．

［１２］阮秋琦，阮宇智．数字图像处理［Ｍ］．３版．北京：电子工业

大学出版社，２０１１：４０２－４３１．

［１３］刘衍琦，詹富于．ｍａｔｌａｂ计算机视觉与深度学习［Ｍ］．北

京：电子工业大学出版社，２０１７：１５－３３．