本发明涉及图像处理技术领域，尤其涉及一种基于图像灰度识别及处理的阅卷方法。
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。它的处理速度最快，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。为此，需要开一种更加智能的阅卷方法，在保证阅卷准确率的情况下，同时提高阅卷效率。
技术实现要素：
本发明所要解决的技术问题是针对上述现有技术的不足，提供一种基于图像灰度识别及处理的阅卷方法。
本发明解决上述技术问题的技术方案如下：一种基于图像灰度识别及处理的阅卷方法，包括如下步骤：
步骤1：对试卷进行影像扫描，获取试卷影像图片，其中，所述试卷影像图片中包含有多个填涂黑点；
步骤2：对所述试卷影像图片中的所述填涂黑点进行灰度识别处理，找出正常填涂黑点；
步骤3：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。
本发明的有益效果是：本发明的一种基于图像灰度识别及处理的阅卷方法，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。
在上述技术方案的基础上，本发明还可以做如下改进：
进一步：所述步骤1中获取所述试卷影像图片后，还对所述试卷影像图片进行纠偏和等比例还原处理。
进一步：对所述试卷影像图片进行纠偏和等比例还原的具体实现为：识别所述试卷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，多个所述特征点为在印制试卷时，在所述试卷的卷面内印制。
上述进一步方案的有益效果是：通过对所述试卷影像图片进行纠偏和等比例还原处理，使得所述试卷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试卷影像图片中填涂黑点的的识别效率和识别升功率，保证阅卷的准确性。
进一步：在对所述试卷影像图片进行纠偏和等比例还原处理处理后，还对所述试卷影像图片进行滤波处理。
上述进一步方案的有益效果是：通过对所述试卷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，提高所述试卷影像图片的真实度，使其更加容易被识别。
进一步：所述步骤2中灰度识别处理包括如下步骤：
步骤2.1：采用中间灰度值依次对所述试卷影像图片中所述填涂黑点进行黑点扫描，获取填涂区域内的填涂黑点数量；
步骤2.2：依次判断每个所述填涂黑点是否为可疑黑点，如果是，则进入步骤2.3；否则将所述填涂黑点标记为正常填涂黑点；
步骤2.3：采用高灰度值依次对每个所述可疑黑点进行黑点扫描，判断所述可疑黑点是否为异常填涂黑点，如果是，则进入步骤2.4，否则将所述可疑黑点标记为正常黑点；
步骤2.4：采用低灰度值依次对每个所述异常填涂黑点进行黑点扫描，判断所述异常填涂黑点是否为填涂在有效区域内，如果是，则将其标记为正常填涂黑点，否则标记为无效填涂黑点。
上述进一步方案的有益效果是：通过上述灰度处理方式可以对所述试卷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。
进一步：低灰度值的取值范围为110-130，中间灰度值的取值范围为140-160，高灰度值的取值范围为170-190。
上述进一步方案的有益效果是：通过不同的灰度值配合识别所述试卷影像图片的不同参数，可以对所述试卷影像图片中的填涂黑点进行分层过滤识别，进一步提高识别效率。
进一步：所述步骤2.2中，判断所述填涂黑点中是否为可疑黑点的具体过程为：将每个所述填涂黑点与预设标准填涂黑点进行比对，识别所述填涂黑点的饱和度，并将其与预设饱满度阈值比较，如果所述可疑黑点的饱满度小于预设饱满度阈值，则所述填涂黑点为可疑黑点。
上述进一步方案的有益效果是：通过上述方式，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。
进一步：所述步骤2.3中，判断所述可疑黑点是否为异常填涂黑点的具体实现为：将每个所述可疑黑点与预设标准填涂黑点进行比对，识别每个所述可疑黑点的明度，并将其与预设明度阈值比较，如果所述可疑黑点的明度小于预设明度阈值，则所述可疑黑点为异常填涂黑点。
上述进一步方案的有益效果是：通过上述方式，可以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。
进一步：所述步骤2.4中，判断所述异常填涂黑点是否为填涂在有效区域内的具体实现为：识别所述异常填涂黑点的填涂边界，并将其与对应区域内四周相邻的填涂边界比对，如果所述异常填涂黑点的填涂边界没有越过四周相邻的任意一个填涂边界，则所述异常填涂黑点在有效区域内。
上述进一步方案的有益效果是：通过上述方式，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。
进一步：所述步骤1中，获取所述试卷影像图片后，还对所述试卷影像图片进行图像压缩处理，以减小其占用的存储空间。
上述进一步方案的有益效果是：通过所述图像压缩处理，可以减小其占用的存储空间，方便进行传输和存储。
附图说明
图1为本发明的一种基于图像灰度识别及处理的阅卷方法流程示意图；
图2为本发明的一种基于图像灰度识别及处理的阅卷方法中步骤2的流程示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，一种基于图像灰度识别及处理的阅卷方法流程示意图，包括如下步骤：
步骤1：对试卷进行影像扫描，获取试卷影像图片，其中，所述试卷影像图片中包含有多个填涂黑点；
步骤2：对所述试卷影像图片中的所述填涂黑点进行灰度识别处理，找出正常填涂黑点；
步骤3：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。
优选地，所述步骤1中获取所述试卷影像图片后，还对所述试卷影像图片进行纠偏和等比例还原处理。
具体地，所述对所述试卷影像图片进行纠偏和等比例还原的具体实现为：识别所述试卷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，多个所述特征点为在印制试卷时，在所述试卷的卷面内印制。通过对所述试卷影像图片进行纠偏和等比例还原处理，使得所述试卷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试卷影像图片中填涂黑点的的识别效率和识别升功率，保证阅卷的准确性。
优选地，在对所述试卷影像图片进行纠偏和等比例还原处理处理后，还对所述试卷影像图片进行滤波处理。通过对所述试卷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，提高所述试卷影像图片的真实度，使其更加容易被识别。
如图2所示，本实施例中，所述步骤2中灰度识别处理包括如下步骤：
步骤2.1：采用中间灰度值依次对所述试卷影像图片中所述填涂黑点进行黑点扫描，获取填涂区域内的填涂黑点数量；
步骤2.2：依次判断每个所述填涂黑点是否为可疑黑点，如果是，则进入步骤2.3；否则将所述填涂黑点标记为正常填涂黑点；
步骤2.3：采用高灰度值依次对每个所述可疑黑点进行黑点扫描，判断所述可疑黑点是否为异常填涂黑点，如果是，则进入步骤2.4，否则将所述可疑黑点标记为正常黑点；
步骤2.4：采用低灰度值依次对每个所述异常填涂黑点进行黑点扫描，判断所述异常填涂黑点是否为填涂在有效区域内，如果是，则将其标记为正常填涂黑点，否则标记为无效填涂黑点。
通过上述灰度处理方式可以对所述试卷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。
本实施例中，低灰度值的取值范围为110-130，中间灰度值的取值范围为140-160，高灰度值的取值范围为170-190。通过不同的灰度值配合识别所述试卷影像图片的不同参数，可以对所述试卷影像图片中的填涂黑点进行分层过滤识别，进一步提高识别效率。
本实施例中，所述步骤2.2中，判断所述填涂黑点中是否为可疑黑点的具体过程为：将每个所述填涂黑点与预设标准填涂黑点进行比对，识别所述填涂黑点的饱和度，并将其与预设饱满度阈值比较，如果所述可疑黑点的饱满度小于预设饱满度阈值，则所述填涂黑点为可疑黑点。通过上述方式，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。
需要指出的是，这里的饱和度为是指每个所述填涂黑点的面积占标准填涂面积的百分比，上限取1。
本实施例中，所述步骤2.3中，判断所述可疑黑点是否为异常填涂黑点的具体实现为：将每个所述可疑黑点与预设标准填涂黑点进行比对，识别每个所述可疑黑点的明度，并将其与预设明度阈值比较，如果所述可疑黑点的明度小于预设明度阈值，则所述可疑黑点为异常填涂黑点。通过上述方式，可以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。
需要指出的是，这里的明度是指每个所述填涂黑点的填涂色深与标准填涂黑色转化为二进制后的比值，上限取0.8。
本实施例中，所述步骤2.4中，判断所述异常填涂黑点是否为填涂在有效区域内的具体实现为：识别所述异常填涂黑点的填涂边界，并将其与对应区域内四周相邻的填涂边界比对，如果所述异常填涂黑点的填涂边界没有越过四周相邻的任意一个填涂边界，则所述异常填涂黑点在有效区域内。通过上述方式，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。
优选地，所述步骤1中，获取所述试卷影像图片后，还对所述试卷影像图片进行图像压缩处理，以减小其占用的存储空间。通过所述图像压缩处理，可以减小其占用的存储空间，方便进行传输和存储。这里，对所述试卷影像图片进行图像压缩处理在对所述试卷影像图片进行滤波处理之后。
本发明的一种基于图像灰度识别及处理的阅卷方法，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。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。