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像采集设备所获得的图像供计算机分析识别，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， 以适应不同的需求。
需求分析
- 识别答题卡答案选项
- 与正确答案对照
- 判别并计算分数
- 将结果写入Excel文件
- 接近100%识别率
本文实现
- 预处理——灰度化，二值化等
- 倾斜校正——hough变换
- 畸变校正——角点检测，投影变换
- 较低误识别率，准确定位填涂痕迹
- 目标检测结果与标准答案进行对比，给出分析结果
代码实现
img_path_list = dir(strcat(file_path,'*.jpg'));%获取该文件夹中所有jpg格式的图像
img_num = length(img_path_list);%获取图像总数量
errno = 0;%错误代码，0表示无误
if img_num > 0 %有图像
for k = 1:img_num %逐一读取图像
image_name = img_path_list(k).name;% 图像名
image = imread(strcat(file_path,image_name));
%I{j}=image;
fprintf('%s\n',strcat(file_path,image_name));
%% 识别过程
%预处理
SHOW=1;
if numel(image)>2
gray=rgb2gray(image);%用灰度化函数灰度化
%自定义灰度化，由于红色的干扰比较大，因此降低红色通道的比重
R = image(:,:,1); %通道R
G = image(:,:,2); %通道G
B = image(:,:,3); %通道B
gray = (G.*0.45 + B.*0.45 + R.*0.10);%降低R通道权重
else
gray=image;
end
%滤波与二值化
g_bw = imbinarize(gray).*1.0;
Low_High = stretchlim(g_bw, [0.0 0.3]);
enmed= imadjust(g_bw, Low_High, [ ]);%对比度增强
med = medfilt2(enmed, [7 5]);%中值滤波
gausFilter = fspecial('gaussian',[5 5],10); %高斯滤波器
blur=imfilter(med,gausFilter,'replicate'); %高斯滤波
bw = imbinarize(blur, max(0.2,graythresh(blur)-0.2));%im2bw
if SHOW
figure(),subplot(121),imshow(image);title('原图');
subplot(122),imshow(gray);title('灰度图');
figure('name','预处理过程');
subplot(2, 2, 1);imshow(enmed);title('对比度增强');
subplot(2, 2, 2);imshow(med);title('中值滤波');
subplot(2, 2, 3), imshow(blur), title('高斯平滑');
subplot(2, 2, 4), imshow(bw), title('二值化');
end
%% 定位感兴趣区域
SHOW=1;
e_in=bw;
e_in_gray=gray;
edged_img=edge(e_in,'canny');%边缘检测
S1 = regionprops(edged_img,'BoundingBox','PixelIdxList');
max_area = 0;
for i = 1:length(S1)%寻找最大BoundingBox
area = S1(i).BoundingBox(3)*S1(i).BoundingBox(4);
if area>max_area
max_area = area;
pos = i;
end
end
bbox = round(S1(pos).BoundingBox);
bbox(3:4)=bbox(3:4) + 1;
e_in_new(S1(pos).PixelIdxList)=1;
CNT_ROI=e_in_new(bbox(2):bbox(2)+bbox(4)-1,bbox(1):bbox(1)+bbox(3)-1);
if SHOW
figure('name','边缘检测'),imshow(edged_img);
figure('name','ROI');
subplot(1,2,1);
imshow(ROIofbw);title('感兴趣区域二值图');
subplot(1,2,2);imshow(CNT_ROI);title('感兴趣区域轮廓');
imwrite(CNT_ROI,'./refer/CNT_ROI.jpg');
end
%% 倾斜校正 使用hough直线检测
SHOW = 1;%控制是否显示中间过程
%输入参数
ROIofBW = ROIofbw;
[H,Theta,Rho] = hough(CNT_ROI);
[hight,width]=size(CNT_ROI);
if length(lines)==1
rotate_angle=lines.theta;%求旋转角
else
rotate_angle=lines(pos).theta;%求旋转角
end
rotated_ROIofBW = imrotate(ROIofBW,rotate_angle);
rotated_ROI_ORI = imrotate(ROI_ORI,rotate_angle);%####ORI
rotated_CNT_ROI = imrotate(CNT_ROI,rotate_angle);
if SHOW
figure,subplot(121),imshow(ROIofBW);title('倾斜校正前');
hold on
xy = [lines(pos).point1; lines(pos).point2];
plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','r');
hold off;
subplot(122),imshow(rotated_ROIofBW);title('倾斜校正后');
imwrite(rotated_ROIofBW,'refer/rotated_ROIofBW.jpg')
end
end 
详细代码等资料，请扣扣：134-170-3358；