CN107679479A - 一种基于图像形态学处理的客观填涂识别方法 - Google Patents
一种基于图像形态学处理的客观填涂识别方法 Download PDFInfo
- Publication number
- CN107679479A CN107679479A CN201710890852.6A CN201710890852A CN107679479A CN 107679479 A CN107679479 A CN 107679479A CN 201710890852 A CN201710890852 A CN 201710890852A CN 107679479 A CN107679479 A CN 107679479A
- Authority
- CN
- China
- Prior art keywords
- filling
- full
- image
- answering card
- picture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
- G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种基于图像形态学处理的客观填涂识别方法,包括如下步骤:对答题卡进行影像扫描,获取答题卡影像图片,所述答题卡影像图片中包含有多个填涂黑点;对所述答题卡影像图片中的所述填涂黑点进行图像形态学识别处理,找出正常填涂黑点;根据所述正常填涂黑点判断与其对应答案是否正确,并根据预设积分规则计分,直至所有正常填涂黑点完成计分,结束处理流程。本发明对图像进行灰度变换、边缘检测、二值化、膨胀、腐蚀等图像形态学处理识别后对客观题进行联机批量阅卷,能够比较准确的识别考生的填涂黑点,能轻松的辨别异常填涂,在保证阅卷准确率的前提下同时也保证了阅卷效率,同时尽可能减少学生因为填涂不规范造成的意外丢分。
Description
技术领域
本发明涉及教育用的图像处理的教育技术领域,尤其涉及一种基于图像形态学处理的客观填涂识别方法。
背景技术
随着教育的发展,电脑阅卷越来越普及。由于电脑阅卷效率比较高,可以替代大量的人工劳动,因此受到全面的推广。但是,由于图片传输、压缩、处理效率、可视等多重原因,常见的供阅卷图片为黑白图片,现有的网阅产品都只支持黑白扫描,这种方式扫描出来的图片格式为TIF格式,只有黑色和白色,一个像素只需要一个二进制位就能表示出来,即0表示黑,1表示白,其处理速度最快,图像格式(存储大小)是最小的,因为将各种干扰色彩都进行了黑白处理,在处理过程中,很有可能出错,导致阅卷的结果不能完全反应考试的正常水平,有失公平。另外,传统的电脑阅卷需要光电阅读机和专用机读卡,而且答题卡一般为高质量的彩色答题卡,成本较高且普及困难,并且参数多,配置复杂,操作繁琐,鲁棒性不够,容错不够友好的答题卡不易识别,识别精度低。
发明内容
有鉴于此,本发明所解决的技术问题在于提供一种基于图像形态学处理的客观填涂识别方法,用于识别参数过多,配置复杂,操作繁琐,鲁棒性不够,容错不够友好的答题卡,将图像识别技术用于电脑阅卷,不仅可以节约成本而且识别精度较高。
本发明通过以下技术方案来解决上述技术问题:
一种基于图像形态学处理的客观填涂识别方法,包括如下步骤:
S1.对答题卡进行影像扫描,获取答题卡影像图片,其中,所述答题卡影像图片中包含有多个填涂黑点;
S2.对所述答题卡影像图片中的所述填涂黑点进行图像形态学识别处理,找出正常填涂黑点;
S3.根据所述正常填涂黑点判断与其对应答案是否正确,并根据预设积分规则计分,直至所有正常填涂黑点完成计分,结束处理流程。
由上,能够比较准确的识别考生的填涂黑点,能轻松的辨别异常填涂,在保证阅卷准确率的前提下同时也保证了阅卷效率,减少了大量人力和时间,同时尽可能减少了学生因为填涂不规范造成的意外丢分。
可选的,在步骤S1中,获取所述答题卡影像图片后,还对所述答题卡影像图片进行灰度变换、边缘检测、二值化、膨胀、腐蚀处理。
进一步地,所述灰度变换为256灰度变换,用于使图像动态范围加大,使图像对比度扩展,图像更加清晰;所述二值化从原始图像中检测出对象物,将图像分成对象物和背景两个区域;所述边缘检测将突出图像的边缘,边缘以外的图像区域被削弱甚至被完全去掉。
可选的,所述二值化、膨胀、腐蚀处理包括如下步骤:
步骤S21:通过二值化和膨胀、腐蚀获得填涂区域;
步骤S22:通过二值化和膨胀、腐蚀获得选项框区域;
步骤S23:查找所述选项框以及前面题号的轮廓;
步骤S24:对轮廓进行至上而下的排序,找出正常填涂黑点。
由上,通过上述通过二值化和膨胀腐蚀获得选项框区域处理方式可以对所述答题卡影像图片中所述填涂黑点进行准确识别,对正常黑点和可疑黑点分别处理,与传统方式相比,大大提高了识别效率,也提高了识别的准确率。
可选的,根据Canny算法检测所述轮廓,区分填涂与非填涂轮廓。
可选的,对所述轮廓进行至上而下和从左至右依次排序,校验轮廓以及几何矫正。
可选的,所述步骤S1中,获取所述答题卡影像图片后,还对所述答题卡影像图片进行纠偏和等比例还原处理:识别所述答题卡影像图片中的多个特征点,并将其与标准卷样比较,计算偏转角度和缩放比例,再按照对应的偏转角度进行纠偏处理,以及按照对应的缩放比例径向等比例还原处理;其中,所述多个所述特征点为在印制答题卡时,在所述答题卡的卷面内印制。
由上,通过对所述答题卡影像图片进行纠偏和等比例还原处理,使得所述答题卡影像图片尽可能与所述标准卷样的大小和角度保持一致,可以提高后续对所述答题卡影像图片中填涂黑点的识别效率和识别升功率,保证阅卷的准确性。
进一步地,在对所述答题卡影像图片进行纠偏和等比例还原处理后,还对所述答题卡影像图片进行滤波处理。
由上,通过对所述答题卡影像图片进行滤波处理,可以去除扫描过程中产生由于干扰因素产生的图像杂质,提高所述答题卡影像图片的真实度,使其更加容易被识别。
所述步骤1中,获取所述答题卡影像图片后,还对所述答题卡影像图片进行图像压缩增强矫正处理,以提高图像处理的整体性能。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下结合优选实施例,并配合附图,详细说明如下。
附图说明
图1为本发明的基于图像形态学处理的客观填涂识别方法的流程示意图;
图2为本发明的基于图像形态学处理的客观填涂识别方法中步骤S22的流程示意图。
具体实施方式
下面结合附图详细说明本发明,其作为本说明书的一部分,通过实施例来说明本发明的原理,本发明的其他方面、特征及其优点通过该详细说明将会变得一目了然。在所参照的附图中,不同的图中相同或相似的部件使用相同的附图标号来表示。
如图1所示,本发明实施例提供的一种基于图像形态学处理的客观填涂识别方法,包括如下步骤:
S1.对答题卡进行影像扫描,获取答题卡影像图片,其中,所述答题卡影像图片中包含有多个填涂黑点;
S2.对所述答题卡影像图片中的所述填涂黑点进行图像形态学识别处理,找出正常填涂黑点;
S3.根据所述正常填涂黑点判断与其对应答案是否正确,并根据预设积分规则计分,直至所有正常填涂黑点完成计分,结束处理流程。
本发明的基于图像形态学处理的客观填涂识别方法可以根据异常填涂黑点的填涂边界将所述异常填涂黑点中的正常填涂黑点和无效填涂黑点进行快速分开,方便后续根据所述正常填涂黑点进行答案判别并计分。能够比较准确的识别考生的填涂黑点,能轻松的辨别异常填涂,在保证阅卷准确率的前提下同时也保证了阅卷效率,减少了大量人力和时间,同时尽可能减少了学生因为填涂不规范造成的意外丢分。
在步骤S1中,获取所述答题卡影像图片后,还对所述答题卡影像图片进行灰度变换、边缘检测、二值化、膨胀、腐蚀处理。其中,所述灰度变换为256灰度变换,用于使图像动态范围加大,使图像对比度扩展,图像更加清晰;所述二值化从原始图像中检测出对象物,将图像分成对象物和背景两个区域;所述边缘检测将突出图像的边缘,边缘以外的图像区域被削弱甚至被完全去掉。
所述二值化、膨胀、腐蚀处理包括如下步骤:
步骤S21:通过二值化和膨胀、腐蚀获得填涂区域。
步骤S22:通过二值化和膨胀、腐蚀获得选项框区域。
步骤S23:查找所述选项框以及前面题号的轮廓,根据Canny算法检测所述轮廓,区分填涂与非填涂轮廓。
步骤S24:对轮廓进行至上而下的排序,找出正常填涂黑点,对所述轮廓进行至上而下和从左至右依次排序,校验轮廓以及几何矫正。
如图2所示,所述步骤S22中通过二值化和膨胀、腐蚀获得选项框区域包括如下步骤:
步骤221:根据灰度直方图确定参数;
步骤222:完全自定义自适应阀值,无须用户参与;
步骤223:选项区域腐蚀;
步骤224:选项区域膨胀。
通过上述图像形态学处理方式可以对所述答题卡影像图片中所述填涂黑点进行准确识别,对正常黑点和可疑黑点分别处理,与传统方式相比,大大提高了识别效率,也提高了识别的准确率。通过步骤221和步骤222可进一步地平滑噪声和平滑图像,可以根据所述填涂黑点的饱和度将正常填涂黑点和可疑黑点快速分开,方便后续对可疑黑点进行进一步识别,准确高效。通过步骤223的选项区域腐蚀和步骤224的选项区域膨胀可突出特征,根据所述可疑黑点的明度将正常填涂黑点和异常填涂黑点快速分开,方便后续对异常填涂黑点进行进一步识别,准确高效;并可以根据所述异常填涂黑点的填涂边界将所述异常填涂黑点中的正常填涂黑点和无效填涂黑点进行快速分开,方便后续根据所述正常填涂黑点进行答案判别并计分。本实施例中,通过自适应的阈值配合识别所述答题卡影像图片的不同参数,可以对所述答题卡影像图片中的填涂黑点进行识别,进一步提高识别效率。
本发明的基于图像形态学处理的客观填涂识别方法中的步骤S1中,获取所述答题卡影像图片后,还对所述答题卡影像图片进行纠偏和等比例还原处理:识别所述答题卡影像图片中的多个特征点,并将其与标准卷样比较,计算偏转角度和缩放比例,再按照对应的偏转角度进行纠偏处理,以及按照对应的缩放比例径向等比例还原处理;其中,所述多个所述特征点为在印制答题卡时,在所述答题卡的卷面内印制。通过对所述答题卡影像图片进行纠偏和等比例还原处理,使得所述答题卡影像图片尽可能与所述标准卷样的大小和角度保持一致,可以提高后续对所述答题卡影像图片中填涂黑点的识别效率和识别升功率,保证阅卷的准确性。
在对所述答题卡影像图片进行纠偏和等比例还原处理后,还对所述答题卡影像图片进行滤波处理,通过对所述答题卡影像图片进行滤波处理,可以去除扫描过程中产生由于干扰因素产生的图像杂质,提高所述答题卡影像图片的真实度,使其更加容易被识别。
本发明的基于图像形态学处理的客观填涂识别方法利用具有自动进纸功能的扫描仪得到答题卡图像的句柄,对图像进行灰度变换、边缘检测、二值化、膨胀、腐蚀等图像形态学处理识别后对客观题进行联机批量阅卷,最后将识别信息和考生信息读入数据库,利用软硬件结合技术实现电脑阅卷。采用图像形态学处理能够比较准确的识别考生的填涂黑点,能轻松的辨别异常填涂,在保证阅卷准确率的前提下同时也保证了阅卷效率,减少了大量人力和时间,同时尽可能减少了学生因为填涂不规范造成的意外丢分。能够比较准确的识别考生的填涂黑点,能轻松的辨别异常填涂,在保证阅卷准确率的前提下同时也保证了阅卷效率,减少了大量人力和时间,同时尽可能减少了学生因为填涂不规范造成的意外丢分。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.一种基于图像形态学处理的客观填涂识别方法,其特征在于,包括如下步骤:
S1.对答题卡进行影像扫描,获取答题卡影像图片,其中,所述答题卡影像图片中包含有多个填涂黑点;
S2.对所述答题卡影像图片中的所述填涂黑点进行图像形态学识别处理,找出正常填涂黑点;
S3.根据所述正常填涂黑点判断与其对应答案是否正确,并根据预设积分规则计分,直至所有正常填涂黑点完成计分,结束处理流程。
2.根据权利要求1所述的基于图像形态学处理的客观填涂识别方法,其特征在于:在步骤S1中,
获取所述答题卡影像图片后,还对所述答题卡影像图片进行灰度变换、边缘检测、二值化、膨胀、腐蚀处理。
3.根据权利要求2所述的基于图像形态学处理的客观填涂识别方法,其特征在于:所述灰度变换为256灰度变换,用于使图像动态范围加大,使图像对比度扩展,图像更加清晰;所述二值化从原始图像中检测出对象物,将图像分成对象物和背景两个区域;所述边缘检测将突出图像的边缘,边缘以外的图像区域被削弱甚至被完全去掉。
4.根据权利要求2所述的基于图像形态学处理的客观填涂识别方法,其特征在于,所述二值化、膨胀、腐蚀处理包括如下步骤:
步骤S21:通过二值化和膨胀、腐蚀获得填涂区域;
步骤S22:通过二值化和膨胀、腐蚀获得选项框区域;
步骤S23:查找所述选项框以及前面题号的轮廓;
步骤S24:对轮廓进行至上而下的排序,找出正常填涂黑点。
5.根据权利要求4所述的基于图像形态学处理的客观填涂识别方法,其特征在于,在步骤S23中,
根据Canny算法检测所述轮廓,区分填涂与非填涂轮廓。
6.根据权利要求4所述的基于图像形态学处理的客观填涂识别方法,其特征在于,在步骤S24中,
对所述轮廓进行至上而下和从左至右依次排序,校验轮廓以及几何矫正。
7.根据权利要求1所述的基于图像形态学处理的客观填涂识别方法,其特征在于,所述步骤S1中,获取所述答题卡影像图片后,还对所述答题卡影像图片进行纠偏和等比例还原处理:
识别所述答题卡影像图片中的多个特征点,并将其与标准卷样比较,计算偏转角度和缩放比例,再按照对应的偏转角度进行纠偏处理,以及按照对应的缩放比例径向等比例还原处理;其中,所述多个所述特征点为在印制答题卡时,在所述答题卡的卷面内印制。
8.根据权利要求7所述的基于图像形态学处理的客观填涂识别方法,其特征在于,在对所述答题卡影像图片进行纠偏和等比例还原处理后,还对所述答题卡影像图片进行滤波处理。
9.根据权利要求1至8中任一项所述的基于图像形态学处理的客观填涂识别方法,其特征在于,所述步骤1中,获取所述答题卡影像图片后,还对所述答题卡影像图片进行图像压缩增强矫正处理,以提高图像处理的整体性能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710890852.6A CN107679479A (zh) | 2017-09-27 | 2017-09-27 | 一种基于图像形态学处理的客观填涂识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710890852.6A CN107679479A (zh) | 2017-09-27 | 2017-09-27 | 一种基于图像形态学处理的客观填涂识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107679479A true CN107679479A (zh) | 2018-02-09 |
Family
ID=61137576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710890852.6A Pending CN107679479A (zh) | 2017-09-27 | 2017-09-27 | 一种基于图像形态学处理的客观填涂识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107679479A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108960235A (zh) * | 2018-06-25 | 2018-12-07 | 芝麻云信(武汉)科技有限公司 | 一种用于识别答题卡填涂块的方法 |
CN110647879A (zh) * | 2019-08-06 | 2020-01-03 | 安徽学云教育科技有限公司 | 一种答题卡客观题识别方法 |
CN112734705A (zh) * | 2020-12-30 | 2021-04-30 | 广东德诚大数据科技有限公司 | 一种答题卡的异常检测方法、装置、电子设备及存储介质 |
CN112733829A (zh) * | 2020-12-31 | 2021-04-30 | 科大讯飞股份有限公司 | 一种特征块识别方法、电子设备及计算机可读存储介质 |
CN113033535A (zh) * | 2021-03-11 | 2021-06-25 | 山东智多分教育科技有限公司 | 一种计算机网络阅卷***及阅卷方法 |
CN114416260A (zh) * | 2022-01-20 | 2022-04-29 | 北京字跳网络技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103559490A (zh) * | 2013-10-11 | 2014-02-05 | 华南理工大学 | 基于二值图像连通域统计的答题卡自动评分方法 |
CN104239850A (zh) * | 2014-07-16 | 2014-12-24 | 华南理工大学 | 基于图像综合特征的答题卡填涂信息自动识别方法 |
CN104331709A (zh) * | 2014-11-11 | 2015-02-04 | 程涛 | 一种答题卡识别装置及其识别方法 |
CN204229423U (zh) * | 2014-11-11 | 2015-03-25 | 王燕燕 | 一种答题卡识别装置 |
CN105243383A (zh) * | 2015-09-10 | 2016-01-13 | 上海五和文化传播有限公司 | 答题卡处理方法及*** |
CN105760869A (zh) * | 2016-02-29 | 2016-07-13 | 武汉颂大教育科技股份有限公司 | 一种基于图像灰度识别及处理的阅卷方法 |
-
2017
- 2017-09-27 CN CN201710890852.6A patent/CN107679479A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103559490A (zh) * | 2013-10-11 | 2014-02-05 | 华南理工大学 | 基于二值图像连通域统计的答题卡自动评分方法 |
CN104239850A (zh) * | 2014-07-16 | 2014-12-24 | 华南理工大学 | 基于图像综合特征的答题卡填涂信息自动识别方法 |
CN104331709A (zh) * | 2014-11-11 | 2015-02-04 | 程涛 | 一种答题卡识别装置及其识别方法 |
CN204229423U (zh) * | 2014-11-11 | 2015-03-25 | 王燕燕 | 一种答题卡识别装置 |
CN105243383A (zh) * | 2015-09-10 | 2016-01-13 | 上海五和文化传播有限公司 | 答题卡处理方法及*** |
CN105760869A (zh) * | 2016-02-29 | 2016-07-13 | 武汉颂大教育科技股份有限公司 | 一种基于图像灰度识别及处理的阅卷方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108960235A (zh) * | 2018-06-25 | 2018-12-07 | 芝麻云信(武汉)科技有限公司 | 一种用于识别答题卡填涂块的方法 |
CN108960235B (zh) * | 2018-06-25 | 2022-07-12 | 芝麻云信(武汉)科技有限公司 | 一种用于识别答题卡填涂块的方法 |
CN110647879A (zh) * | 2019-08-06 | 2020-01-03 | 安徽学云教育科技有限公司 | 一种答题卡客观题识别方法 |
CN110647879B (zh) * | 2019-08-06 | 2023-04-07 | 安徽学云教育科技有限公司 | 一种答题卡客观题识别方法 |
CN112734705A (zh) * | 2020-12-30 | 2021-04-30 | 广东德诚大数据科技有限公司 | 一种答题卡的异常检测方法、装置、电子设备及存储介质 |
CN112734705B (zh) * | 2020-12-30 | 2024-06-07 | 广东德诚科教有限公司 | 一种答题卡的异常检测方法、装置、电子设备及存储介质 |
CN112733829A (zh) * | 2020-12-31 | 2021-04-30 | 科大讯飞股份有限公司 | 一种特征块识别方法、电子设备及计算机可读存储介质 |
CN113033535A (zh) * | 2021-03-11 | 2021-06-25 | 山东智多分教育科技有限公司 | 一种计算机网络阅卷***及阅卷方法 |
CN114416260A (zh) * | 2022-01-20 | 2022-04-29 | 北京字跳网络技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN114416260B (zh) * | 2022-01-20 | 2024-06-04 | 北京字跳网络技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107679479A (zh) | 一种基于图像形态学处理的客观填涂识别方法 | |
CN111474184B (zh) | 基于工业机器视觉的aoi字符缺陷检测方法和装置 | |
CN102360419B (zh) | 计算机扫描阅读管理方法及*** | |
CN108918526B (zh) | 一种柔性ic封装基板线路的缺口缺陷检测方法 | |
CN102426649B (zh) | 一种简单的高准确率的钢印数字自动识别方法 | |
CN107203990A (zh) | 一种基于模板匹配与图像质量评估的标贴破损检测方法 | |
JP5387193B2 (ja) | 画像処理システム、画像処理装置およびプログラム | |
CN112183038A (zh) | 一种表格识别套打方法、计算机设备及计算机可读存储介质 | |
CN109426814B (zh) | 一种***图片特定板块的定位、识别方法、***、设备 | |
WO2018086233A1 (zh) | 一种字符分割方法和装置、及元件检测方法和装置 | |
CN110765992B (zh) | ***鉴别方法、介质、设备及装置 | |
CN112348019B (zh) | 一种答题卡矫正方法、装置、电子设备及存储介质 | |
CN108235115B (zh) | 一种歌曲视频中人声区域定位的方法及终端 | |
CN105760869B (zh) | 一种基于图像灰度识别及处理的阅卷方法 | |
CN112446262A (zh) | 文本分析方法、装置、终端和计算机可读存储介质 | |
CN112419207A (zh) | 一种图像矫正方法及装置、*** | |
CN104112123A (zh) | 一种用于子弹表观缺陷检测的aoi***的缺陷特征提取与识别方法 | |
CN113569859B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN116110069A (zh) | 基于编码标志点的答题卡识别方法、装置及其相关介质 | |
JP4492258B2 (ja) | 文字・図形の認識方法および検査方法 | |
CN114494142A (zh) | 一种基于深度学习的移动终端中框缺陷检测方法及装置 | |
CN107688812A (zh) | 一种基于机器视觉的食品生产日期喷墨字体修复方法 | |
CN110189345A (zh) | 一种数据图中数据点坐标信息的提取方法 | |
TWI467499B (zh) | 樹葉辨識方法 | |
JP2008269131A (ja) | 画像処理装置及び画像処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180209 |
|
RJ01 | Rejection of invention patent application after publication |