基于网格化图像处理的答卷生成及阅卷方法与流程

本发明涉及答卷生成及批改技术领域，更具体地说，本发明涉及一种基于网格化图像处理的答卷生成及阅卷方法。

背景技术：

随着计算机阅卷由大型考试向小型考试的推广，迫切需要采用一种低成本的、快速的阅卷方式来进行大型模拟考试或者小规模月考的正式考试，这就为计算机阅卷带来了低成本、制卷简便、阅卷速度快、阅卷精度高以及是否保留阅卷痕迹等要求。

现有技术中，第一方面，由于模拟考、月考的特殊性，答卷纸张应支持普通纸的双面或单面(黑白)油印或复印、支持普通扫描仪进行答卷扫描，而目前市面上的一些答卷产品有些对纸张有要求，有些需要匹配专门的扫描仪；第二方面，对于普通教师来说，制作答卷是比较复杂的，最好的方式是系统自动读取并生成答卷；而目前市面上的答卷产品一般都是用word来制作答卷，效果不是很理想，对老师的制卷技术要求也比较高；第三方面，答卷识别，传统的OMR三线识别方式必须匹配专门的扫描设备，不适于普通学校的黑白单色印刷，给客观题判断带来困难，答卷识别同时也应满足对橡皮擦过后的纸薄透光进行识别，这就给答卷识别带来了挑战；第四方面，传统的网上阅卷由于在试卷上没有阅卷痕迹(或者可标记但是影响阅卷速度)，这对像模拟考、月考这样考后要讲评试卷的考试来说是个灾难，因为学生的答卷跟没有批过一样，没有批改痕迹，不利于试卷的讲评。

技术实现要素：

针对上述技术中存在的不足之处，本发明提供一种基于网格化图像处理的答卷生成方法，基于网格化图像生成，可实现快速组卷、高精度自动生成答卷，降低教师对制卷的技术要求；

本发明还提供一种基于网格化图像处理的答卷的阅卷方法，教师对填空题和解答题手工评分后扫描输入计算机，计算机对客观题自动识别评分以及整个答卷的汇总计分与分析，适合频次较高、保留教师批改痕迹以及快速阅卷要求的月考、模拟考等小考；

本发明还提供一种基于网格化图像处理的答卷的阅卷方法，整个答卷扫描输入计算机，计算机基于网格化图像集对答卷进行分割、评分任务分发、汇总计分以及分析：主观题由计算机自动评分、填空题和解答题由教师在线评分，适合频率较低、无需保留教师批改痕迹以及快速阅卷要求的大型考试。

为了实现根据本发明的这些目的和其它优点，本发明通过以下技术方案实现：

本发明提供一种基于网格化图像处理的答卷生成方法，其包括以下步骤：

设置图像模型库，所述图像模型库包括著录项目和若干种题型的图像模型，所述图像模型可编辑；

根据word电子试卷的试题结构自动分析或纸件试卷的手工录入，输出题目集合，根据题目集合的题型种类、题目数量，选择匹配的答卷纸张类型；

对纸件试卷或word电子试卷的著录项目、题目集合内的每个题目内容及其答题空间分别呈现在答卷纸张的位置进行定位计算，生成匹配的网格化图像；

根据纸件试卷或word电子试卷中的著录项目、题目集合内的每个题目内容及其答题空间分别对应呈现在网格化图像上的位置，从图像模型库中选择对应的若干个图像模型进行描绘匹配，形成答卷并存储。

优选的是，所述定位计算包括步骤：在所述答卷纸张的边侧设置若干个识别标记；若干个识别标记之间横纵连线形成坐标识别。

优选的是，若干个识别标记包括：分别并列排列在所述答卷纸张的至少两个相邻边侧的标尺和识别点；或，颜色深浅交替排列在所述答卷纸张的至少两个相邻边侧的识别点。

优选的是，所述定位计算还包括步骤：对所述试卷纸张进行分页选择；所述分页选择的类型至少包括一页和两页。

优选的是，所述答题空间包括：

客观题的答题选项空间；

填空题的答题空间和位于所述填空题答题空间后侧的批改方框；以及，

解答题的答题空间、附图空间以及分数选项框。

优选的是，所述分数选项框包括选择至少一个进行评分的若干个不同分值的选项框。

一种基于网格化图像处理的答卷的阅卷方法，其包括以下步骤：

教师分别对填空题和解答题的答题区域进行手工评分；

对手工评分的答卷进行扫描，输出答卷扫描电子件；

计算机根据识别标记以及每题对应的位置与空间，对答卷扫描电子件进行网格化图像分割，输出网格化图像集；

计算机对网格化图像集进行客观题的识别与评分、手工评分识别，并将识别的手工评分和客观题评分汇总计算，输出成绩以及答题情况分析报告。

优选的是，所述网格化图像分割之前，还包括对所述答卷扫描电子件进行图像预处理步骤；所述图像预处理包括依次的降噪、畸变矫正、二值化、细化以及轮廓检测。

一种基于网格化图像处理的答卷的阅卷方法，其包括以下步骤：

对已经完成做答的答卷进行扫描，输出答卷扫描电子件；

计算机根据识别标记以及每题对应的位置与空间，对所述答卷扫描电子件分别进行客观题、填空题以及解答题的识别和网格化图像分割，输出网格化图像集；

计算机对网格化图像集中的客观题进行识别与评分；

计算机对网格化图像集中的填空题和解答题分别进行识别，并分别发送给教师在线评分；

计算机将客观题、填空题以及解答题的评分分别汇总计算，输出成绩以及答题情况分析报告。

优选的是，对所述答卷扫描电子件分别进行客观题、填空题以及解答题的识别之前，还包括对所述答卷扫描电子件进行图像预处理步骤；所述图像预处理包括依次的降噪、畸变矫正、二值化、细化以及轮廓检测。

本发明至少包括以下有益效果：

1)本发明提供的基于网格化图像处理的答卷生成方法，根据word电子试卷试题结构分析形成的或纸件试卷手工录入的题目集合中题目类型、题目数量、答卷纸张类型，对纸件试卷或word电子试卷的著录项目、题目集合内的每个题目内容及其答题空间分别对应呈现在答卷纸张的位置进行定位计算以生成匹配的网格化图像，从图像模型库中选择对应的若干个图像模型匹配到网格化图像，形成答卷并存储；可实现快速组卷、高精度自动生成答卷，降低对教师的制卷技术要求；

2)在答卷纸张的边侧设置横纵连线形成坐标识别的若干个识别标记，配合精确地定位计算；

3)解答题设置若干个分数选项框，可以选择其中一个进行评分或几个组合进行评分；

4)本发明还提供一种基于网格化图像处理的答卷的阅卷方法，教师对填空题和解答题手工评分后扫描输入计算机，计算机对客观题自动识别评分以及整个答卷的汇总计分与分析，适合频次较高、保留教师批改痕迹以及快速阅卷要求的月考、模拟考等小考；

5)本发明还提供一种基于网格化图像处理的答卷的阅卷方法，整个答卷扫描输入计算机，计算机基于网格化图像集对答卷进行分割、评分任务分发、汇总计分以及分析：客观题由计算机自动评分、填空题和解答题由教师在线评分，适合频率较低、无需保留教师批改痕迹以及快速阅卷要求的大型考试。

6)设置包括依次的降噪、畸变矫正、二值化、细化以及轮廓检测的图像预处理步骤，提高计算机对网格化图像识别的精确性。

本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

附图说明

图1为本发明所述的基于网格化图像处理的答卷生成方法的流程图；

图2(a)-图2(b)为本发明所述的简答题图像模型编辑的示例；

图3(a)-图3(d)为本发明所述的基于网格化图像处理生成的答卷的整体及局部放大示例图；

图4(a)-图4(b)为本发明所述的两种不同试题来源的答卷生成流程示例图；

图5(a)-图5(b)为本发明所述的定位计算包含的两种不同的方法示意图；

图6为本发明所述的基于网格化图像处理生成的答卷的一种阅卷方法的流程图；

图7为本发明所述的基于网格化图像处理生成的答卷的一种阅卷方法中预处理方法示意图；

图8为本发明所述的基于网格化图像处理生成的答卷的另一种阅卷方法的流程图；

图9为本发明所述的基于网格化图像处理生成的答卷的另一种阅卷方法中预处理方法示意图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。

<实施方式1>

如图1所示，本发明提供一种基于网格化图像处理的答卷生成方法，其包括以下步骤：

S11，设置图像模型库，图像模型库包括著录项目和若干种题型的图像模型，图像模型可编辑；

S12，根据word电子试卷的试题结构自动分析或纸件试卷的手工录入，输出题目集合，根据题目集合的题型种类、题目数量，选择匹配的答卷纸张类型；

S13，对纸件试卷或word电子试卷的著录项目、题目集合内的每个题目内容及其答题空间分别呈现在答卷纸张的位置进行定位计算，生成匹配的网格化图像；

S14，根据纸件试卷或word电子试卷中的著录项目、题目集合内的每个题目内容及其答题空间分别对应呈现在网格化图像上的位置，从图像模型库中选择对应的若干个图像模型进行描绘匹配，形成答卷并存储。

上述实施方式中，结合实际考试试卷的题型种类分析，步骤S11中图像模型库中包含的图像模型涉及的题型种类主要包括：选择题、判断题、填空题、简答题以及作文题(语文/英语)。图像模型的可编辑，指的是，对任意一种题型或著录项目的图像模型均可实现编辑修改，例如，对于数学科目的简答题，图2(a)和图2(b)给出了示例：通过双击简答题图像模型，即可出现编辑窗口，提供简答题的显示内容编辑，显示内容包括题目内容和插图。插图可以直接从普通word电子试卷中复制粘贴进编辑框。

步骤S12中，分析word电子试卷的试题结构，是为了配合后续依据著录项目、每个题目内容及其答题空间分别呈现在答卷纸张位置的定位计算与分割，以生成匹配的网格化图像。答卷的纸张类型可以是任意尺寸，例如普通试卷的8k、机械学科通常用于绘图的A3等，但是，考虑到根据每个题目的标准答案可以确定该题目的答题空间，则答卷的纸张类型必须满足包括题目集合及其所有答题空间，如图3(a)、图3(b)、图3(c)所示。

步骤S11与步骤S13中，著录项目，如图3(d)所示，包括与纸件试卷或word电子试卷匹配的科目类型(例如语文、数学、英语)、答卷填涂说明以及学生个人信息(例如学校、班级、姓名、学号)等等。为了将纸件试卷或word电子试卷与答卷的内容精确匹配，对纸件试卷或word电子试卷的著录项目、题目集合内的每个题目内容及其答题空间分别呈现在答卷纸张的位置进行定位计算，从而生成匹配纸件试卷或word电子试卷的网格化图像。步骤S13中，每个题目的内容可以包括：1)选择题设置选项个数、答案以及分数；2)填空题设置分数以及每题几个空；3)判断题设置分数以及每个判断题的判断框；4)简答题设置分数(或涉及图形)；5)作文题设置字数和分数。

步骤S14给出了两种不同试题来源的答卷生成步骤，第一种是根据现有(或从市场上购买)的纸件试卷、无答卷的情况下，通过本发明提供的答卷生成方法临时组卷、自动生成答卷，如图4(a)所示，需要在步骤S11-S13的配合下，根据纸件试卷的题型种类、题目数量，手工录入所有题目形成题目集合，再根据纸件试卷的著录项目、题型、题目数量、纸张类型等参数，对每个题目内容及其答题空间分别呈现在答卷纸张的位置进行定位计算，生成匹配的网格化图像；再从图像模型库中选择对应的图像模型、描绘到网格化图像对应的位置上，生成答卷；第二种是根据现有的word电子试卷，通过本发明提供的答卷生成方法自动生成答卷，如图4(b)所示，需要在步骤S11-S13的配合下，首先对word电子试卷进行试题结构分析，形成题目集合；再根据word电子试卷的著录项目、题型、题目数量、纸张类型等参数，对每个题目内容及其答题空间分别呈现在答卷纸张的位置进行定位计算，生成匹配的网格化图像；最后从word电子试卷中选择著录项目、题目集合内的每个题目内容及其答题空间分别对应描绘至word电子试卷的网格化图像上，形成答卷并存储。答卷的存储格式可以是多种，例如word、pdf、txt等，考虑答卷的存储和传送稳定性，本发明优选答卷以pdf格式存储。

本发明提供的基于网格化图像处理的答卷生成方法，基于对纸件试卷或word电子试卷的著录项目、题目集合内的每个题目内容及其答题空间分别呈现在答卷纸张的位置进行定位计算而生成匹配的网格化图像，结合图像模型库，既可以实现对纸件试卷临时、快速组卷并生成答卷，又可以实现根据word电子试卷快速、自动生成答卷，答卷生成精度高，降低对教师制卷技术要求。

作为上述实施方式的优选，如图5(a)所示，定位计算包括步骤：

S131，在答卷纸张的边侧设置若干个识别标记；若干个识别标记之间横纵连线形成坐标识别。

本实施方式，通过在在答卷纸张的边侧设置若干个横纵连线形成坐标识别的识别标记，从而实现对纸件试卷或word电子试卷的著录项目、题目集合内的每个题目内容及其答题空间分别呈现在答卷纸张的位置进行精确定位。作为优选，若干个识别标记包括：分别并列排列在答卷纸张的至少两个相邻边侧的标尺和识别点；或，颜色深浅交替排列在答卷纸张的至少两个相邻边侧的识别点。该实施方式中，标尺为识别点的排列提供尺度参考。通过识别颜色深度一致的标识点，来识别是否处于同一横坐标或纵坐标。识别点可以等间距排列，也可以非等间距排列，只要满足识别点之间的横纵连线具有一定的坐标识别功能即可。作为进一步优选，如图3(d)所示，若干个识别标记包括：分别并列等间距排列在答卷纸张的至少两个相邻边侧的标尺和识别点；或，颜色深浅交替等间距排列在答卷纸张的至少两个相邻边侧的识别点，等间距排列，有利于提高识别点的识别定位精确性。作为最佳优选，识别点分别位于答卷纸张的四个边侧，进一步提高识别定位的精确度。

作为上述实施方式的优选，如图5(b)所示，定位计算还包括步骤：

S132，对试卷纸张进行分页选择；分页选择的类型至少包括一页和两页。

该实施方式中，分页选择是为著录项目、题目集合内的每个题目内容及其答题空间分别呈现在答卷纸张的位置进行进一步细化和合理的分配。通常，答卷纸张可以被分成一页或两页，图3(a)给出了两页的示例，也存在四页情况，视不同科目考试而定。因此，分页选择的类型至少包括一页和两页。

作为上述实施方式的优选，答题空间包括：客观题的答题选项空间；填空题的答题空间和位于填空题答题空间后侧的批改方框；以及，解答题的答题空间、附图空间以及分数选项框。

该实施方式中，附图空间是专门适用于图形类题目的答卷上，例如数学科目的图形题；一般来说，附图空间是包含在答题空间内的，如图3(c)所示。分数选项框是包含具体数字分值的方框，通过在分数选项框上打钩、划线来表示对应题目的得分情况。分数选项框与题目内容、答题空间之间的相对位置不做具体限定，只要一一对应即可，图3(c)给出了分数选项框在题目内容右上方、答题空间在题目内容正下方的示例。这里需要说明的是，填空题属于手工录入的做题方式，填空题的内容可以是主观题也可以是客观题，因此，对于填空题，除了位于题目后侧的答题空间，还应该设有评分空间，图3(b)示出方框形式的评分空间，且评分空间位于填空题答题空间的后侧。

作为进一步地优选，分数选项框包括选择至少一个进行评分的若干个不同分值的选项框。分数选项框包括若干个不同分值的选项框，是为了保证评分的不同分值范围。评分时，可以选择一个选项框来示意对应题目的分数，也可以选择多个选项框、通过多个选项框内的分值之和来示意对应题目的分数。图3(c)给出了分值为0.5、1-15共计16个选项框的示意，可以精确对0.5-128.5中间隔0.5的分数数值进行选择。

<实施方式2>

在实施方式1的基础上，如图6所示，本实施方式提供一种基于网格化图像处理的答卷的阅卷方法，包括以下步骤：

S21，教师分别对填空题和解答题的答题区域进行手工评分；

S22，对手工评分的答卷进行扫描，输出答卷扫描电子件；

S23，计算机根据识别标记以及每题对应的位置与空间，对答卷扫描电子件进行网格化图像分割，输出网格化图像集；

S24，计算机对网格化图像集进行客观题的识别与评分、手工评分识别，并将识别的手工评分和客观题评分汇总计算，输出成绩以及答题情况分析报告。

上述实施方式，步骤S21中，填空题和解答题由教师进行手工评分，留下包括手工评分、错误之处批注或警示等形式的阅卷痕迹，但是不进行结分处理。步骤S23中，识别标记以及每题对应的位置与空间，用以保证网格化图像分割的精确性。步骤S24中，计算机对网格化图像集中客观题进行识别和自动评分，以及计算机对人工评分识别后与客观题自动评分汇总计分，相对于人工评分和计分，提高阅卷效率和精确率，适合频次较高、需要保留教师批改痕迹以及快速阅卷要求的月考、模拟考等小考。

需要说明的是，计算机还可以根据识别的填空题和解答题的手工评分以及客观题的自动评分，进行数据分析，输出包括每题错误率统计、答案种类分布统计等的答题情况分析报告，辅助教师教学。

作为上述实施方式的优选，如图7所示，网格化图像分割之前，还包括步骤：

S25，对答卷扫描电子件进行图像预处理；图像预处理包括依次的降噪、畸变矫正、二值化、细化以及轮廓检测。

该实施方式中，降噪用于去除答卷扫描电子件的图像在传输至计算机的过程中的噪声干扰；畸变矫正、二值化、细化以及轮廓检测，用于提高答卷扫描电子件的图像精度。因此，在网格化图像分割前，对答卷扫描件进行图像预处理，提高了后续网格化图像识别与分割的精确性。

<实施方式3>

在实施方式1的基础上，如图8所示，本实施方式提供一种基于网格化图像处理的答卷的阅卷方法，包括以下步骤：

S31，对已经完成做答的答卷进行扫描，输出答卷扫描电子件；

S32，计算机根据识别标记以及每题对应的位置与空间，对答卷扫描电子件分别进行客观题、填空题以及解答题的识别和网格化图像分割，输出网格化图像集；

S33，计算机对网格化图像集中的客观题进行识别与评分；

S34，计算机对网格化图像集中的填空题和解答题分别进行识别，并分别发送给教师在线评分；

S35计算机将客观题、填空题以及解答题的评分分别汇总计算，输出成绩以及答题情况分析报告。

上述实施方式中，步骤S32中，识别标记以及每题对应的位置与空间，用以保证客观题、填空题以及解答题的识别和网格化图像分割的精确性。步骤S33中计算机对网格化图像集中客观题进行识别和自动评分；步骤S34中计算机对网格化图像集中的填空题和解答题分别进行识别后发送给教师在线评分，以及步骤S35中计算机对评分汇总计算，实现了阅卷的电子化，提高了阅卷效率和精确率，适合频率较低、无需保留教师批改痕迹以及快速阅卷要求的大型考试，例如期末考试、各校联考等考试。并且，将答卷进行网格化图像分割后输出网格化图像集，便于后期通过计算机随时调取任一答卷的任一答题情况、所有试卷的同一题目的所有答题情况与评分等进行查看和分析，进而输出包括每题错误率统计、答案种类分布统计等的答题情况分析报告，辅助教师教学。

作为上述实施方式的优选，如图9所示，对答卷扫描电子件分别进行客观题、填空题以及解答题的识别之前，还包括步骤：

S36，对答卷扫描电子件进行图像预处理；图像预处理包括依次的降噪、畸变矫正、二值化、细化以及轮廓检测。

该实施方式中，降噪用于去除答卷扫描电子件的图像在传输至计算机的过程中的噪声干扰；畸变矫正、二值化、细化以及轮廓检测，用于提高答卷扫描电子件的图像精度。因此，在对答卷扫描电子件分别进行客观题、填空题以及解答题识别之前，对答卷扫描件进行图像预处理，提高了后续网格化图像识别与分割的精确性。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用。它完全可以被适用于各种适合本发明的领域。对于熟悉本领域的人员而言可容易地实现另外的修改。因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。