一种试卷自适应分割控制方法

1.本发明涉及数字图像处理技术领域，尤其是涉及一种试卷自适应分割控制方法。


背景技术：

2.无论是在图像处理或是在计算机视觉领域，图像分割始终是一个基础和关键问题。图像分割是为了提取有意义的特点区域或必要利用的特点区域，这引起了很多研究者的注意。文本图像往往具有复杂的背景，照相机获取图像时由于视角问题以及相机硬件的不足都会影响成像的结果。虽然有方法支持灰度图像中文本的识别，但当文本背景稍复杂时，其识别效果并不十分理想，现有的商用ocr软件大多只能处理背景干净的二值图像。因此，对于在图像中检测到的文本行，也必须将其与背景分离。目前的试卷批改以线上批改为主，需要对试卷进行图像录取，但是多张试卷叠加在一起，表面的试卷在图像拍摄时容易受到放在下面的试卷的影响，不能较好的独立出表面的试卷，而是连同下面的试卷一起被录入，导致同一张图像中出现多张试卷的内容，对老师们的线上批改存在影响。


技术实现要素：

3.本发明的目的就是为了克服上述现有技术存在的文本背景复杂时图像分割效果较差的缺陷而提供一种试卷自适应分割控制方法。
4.本发明的目的可以通过以下技术方案来实现：
5.一种试卷自适应分割控制方法，具体包括以下步骤：
6.s1、获取原始试卷图像，通过灰度变换和二值变换得到所述原始试卷图像的二值化图像；
7.s2、对所述二值化图像进行拉普拉斯变换得到增强图像；
8.s3、根据霍夫曼直线检测算法，对所述增强图像进行直线检测和绘制，得到带轮廓图像；
9.s4、旋转所述带轮廓图像，得到图像最佳校正角度；
10.s5、根据所述图像最佳校正角度，通过二维变换算法对带轮廓图像进行校正，输出校正后的试卷图像。
11.所述步骤s1中灰度变换具体过程为原始试卷图像通过图像rgb三通道的亮度值的相应权重转换为灰度图。
12.进一步地，所述步骤s1中二值变换具体过程为获取灰度图中像素值的平均值作为阈值，根据阈值将灰度图转化为二值化图像。
13.所述步骤s2中得到增强图像的过程具体包括以下步骤：
14.s201、对二值化图像进行高斯滤波，去除噪声；
15.s202、根据预设的索贝尔算子和图像深度，完成高斯滤波后的二值化图像通过拉普拉斯变换得到高对比度的增强图像。
16.所述步骤s3中直线检测的具体过程为根据二维坐标空间与极坐标之间的转换关
系对增强图像中的直线线条进行检测和识别。
17.进一步地，所述二维坐标空间与极坐标之间的转换关系包括同一行点与点之间连接起来的最大距离和多种最低线段长度。
18.进一步地，所述步骤s3中绘制的具体过程为通过带有颜色的线段绘制检测出来的直线线条，得到带轮廓图像。
19.所述步骤s4中得到图像最佳校正角度的具体过程包括以下步骤：
20.s401、旋转所述带轮廓图像，根据轮廓检测算法得到带轮廓图像中目标轮廓的极值点；
21.s402、根据海伦公式计算目标轮廓的极值点围成的四边形面积，计算目标轮廓面积与四边形面积比值，得到图像最佳校正角度。
22.进一步地，所述步骤s5中进行图像校正的具体过程包括以下步骤：
23.s501、根据图像最佳校正角度，获取目标轮廓变换前后的矩阵位置，得到相应的变换矩阵；
24.s502、根据所述变换矩阵，通过二维变换算法得到校正后的试卷图像。
25.进一步地，所述变换矩阵具体为透视变换矩阵，所述二维变换算法具体为二维透视变换算法。
26.与现有技术相比，本发明具有以下有益效果：
27.本发明通过拉普拉斯变换得到增强图像，根据霍夫曼直线检测算法，对所述增强图像进行直线检测和绘制，得到带轮廓图像，得到图像最佳校正角度后通过二维变换算法对带轮廓图像进行校正，从而有效避免了背景图像对当前检测的试卷图像的影响，能够很好的将图像前景的边缘进行检测和处理，同时增强之后再进行直线检测能够有效避免直线的遗漏，提高了试卷图像分割的准确性和阅卷效率。
附图说明
28.图1为本发明的流程示意图。
具体实施方式
29.下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
30.实施例
31.如图1所示，一种试卷自适应分割控制方法，具体包括以下步骤：
32.s1、获取原始试卷图像，通过灰度变换和二值变换得到原始试卷图像的二值化图像；
33.s2、对二值化图像进行拉普拉斯变换得到增强图像；
34.s3、根据霍夫曼直线检测算法，对增强图像进行直线检测和绘制，得到带轮廓图像；
35.s4、旋转带轮廓图像，得到图像最佳校正角度；
36.s5、根据图像最佳校正角度，通过二维变换算法对带轮廓图像进行校正，输出校正
后的试卷图像。
37.步骤s1中灰度变换具体过程为原始试卷图像通过图像rgb三通道的亮度值的相应权重转换为灰度图。
38.步骤s1中二值变换具体过程为获取灰度图中像素值的平均值作为阈值，根据阈值将灰度图转化为二值化图像。
39.步骤s2中得到增强图像的过程具体包括以下步骤：
40.s201、对二值化图像进行高斯滤波，去除噪声；
41.s202、根据预设的索贝尔算子和图像深度，完成高斯滤波后的二值化图像通过拉普拉斯变换得到高对比度的增强图像。
42.本实施例中，高斯滤波时高斯核的大小为(5，5)，索贝尔算子的内核大小为3，图像深度为cv_16s。
43.步骤s3中直线检测的具体过程为根据二维坐标空间与极坐标之间的转换关系对增强图像中的直线线条进行检测和识别。
44.二维坐标空间与极坐标之间的转换关系包括同一行点与点之间连接起来的最大距离和多种最低线段长度。
45.步骤s3中绘制的具体过程为通过带有颜色的线段绘制检测出来的直线线条，得到带轮廓图像，本实施例中，线段颜色为白色。
46.步骤s4中得到图像最佳校正角度的具体过程包括以下步骤：
47.s401、旋转带轮廓图像，根据轮廓检测算法得到带轮廓图像中目标轮廓的极值点；
48.s402、根据海伦公式计算目标轮廓的极值点围成的四边形面积，计算目标轮廓面积与四边形面积比值，得到图像最佳校正角度，以此确定试卷前景与背景的分隔边缘。
49.本实施例中，步骤s4迭代30次就可得到图像最佳校正角度。
50.步骤s5中进行图像校正的具体过程包括以下步骤：
51.s501、根据图像最佳校正角度，获取目标轮廓变换前后的矩阵位置，得到相应的变换矩阵；
52.s502、根据变换矩阵，通过二维变换算法得到校正后的试卷图像。
53.变换矩阵具体为透视变换矩阵，二维变换算法具体为二维透视变换算法。
54.此外，需要说明的是，本说明书中所描述的具体实施例，所取名称可以不同，本说明书中所描述的以上内容仅仅是对本发明结构所做的举例说明。凡依据本发明构思的构造、特征及原理所做的等效变化或者简单变化，均包括于本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做各种各样的修改或补充或采用类似的方法，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。