基于圖像的OMR技術(shù)的實現(xiàn)

摘要：在分析OMR與OCR的應(yīng)用特點后，提出了基于圖像的OMR方式。詳細討論了該方法的硬件設(shè)計和工作原理，并在軟件處理方面著重介紹了傾斜校正和圖像分割。它具有對紙張質(zhì)量要求低和識別準確度高等特點。 關(guān)鍵詞：OMR OCR 信號處理 傾斜校正 圖像分割 目前，許多文檔是以紙質(zhì)文檔的形式存在，例如銀行票據(jù)、稅務(wù)報表、標準化考試中的機讀卡、人口普查表、彩標投注單、選票、定貨單等。而紙質(zhì)文檔不便于保存、檢索、統(tǒng)計和修改。將這些信息錄入計算機是一件非常繁瑣的事情。長期以來人們通過鍵盤手工輸入，不但費時費力且容易出錯。在實時性要求較高的場合（如選舉中的統(tǒng)計選票）自動、快速、準確地處理文檔顯得尤為重要。因此，對這些文檔進行計算機自動錄入具有重要的實現(xiàn)意義。 計算機自動錄入是解決這個同瓶頸的關(guān)鍵所在。其中，光學字符識別OCR（Optical Character Recognition）和光學標記識別OMR（Optical Mark Recognition）是解決信號自動錄入的有效方法。它們利用光學方法將信息錄入到計算機并進行識別處理，能極大地提高數(shù)據(jù)信息的采集速度，便于計算機存儲、管理與檢索。 1 OCR與OMR （1）OCR的工作原理 OCR首先將要識別的文字和圖像掃描進計算機，然后進行圖像的預(yù)處理，再抽取字符特片進行識別，轉(zhuǎn)變?yōu)橛嬎銠C能夠識別的字符信息。圖像預(yù)處理包括去除噪聲、歪斜校畫龍點睛、圖像分割、平滑及規(guī)范化等。其中圖像分割是一個重要的步驟，它的作用是將要識別的單個字符的圖像找到并分割出來。OCR技術(shù)主要應(yīng)用于文字圖像識別及處理，例如用于印刷體和限制手寫體字符的識別。OCR技術(shù)已成為大規(guī)模數(shù)據(jù)錄入的首選方案，它將隨著計算機技術(shù)的發(fā)展而更加成熟。 （2）OMR的工作原理 OMR識別“涂點”上有無標記兩種狀態(tài)。“涂點”就是信息卡上可以涂寫標記的地址。“涂點”所代表的含義可以事先定義，可以代表一個阿拉伯數(shù)字，也可以表示一個英文字母或符號。OMR技術(shù)快速簡單，識別率高且成本低，廣泛應(yīng)用于標準化考慮自動閱卷、各類調(diào)查問卷的統(tǒng)計、選舉結(jié)果的統(tǒng)計等，是自動識別領(lǐng)域中應(yīng)用較多的一種方法。2 基于圖像的OMR技術(shù) 目前OMR一般采用光電對管閱讀技術(shù)。識別用的器件是半導體發(fā)光管及光敏管。發(fā)光管是光源器件，由它發(fā)出的光照射到“涂點”上。光敏管是接收器件，接收來自“涂點”位置的反射光。因為涂有標記的地方反光弱，未涂標記的地方反光強，所以光敏管接收到的光信號強度不同。不同強度的光信號可以代表有無標記兩種狀態(tài)。將“涂點”位置處的發(fā)光管和光敏這組成一只電眼，可識別一個涂點。若干個電眼排列起來組成光電頭可完成對一排涂點的識別。 該方法實現(xiàn)應(yīng)用中有如下限制：信息卡上的“涂點”要與電眼完全對齊，即信息卡在錄入時不能傾斜；信息卡不能折皺；紙張質(zhì)量、印刷技術(shù)要求高；填寫標記要規(guī)范，否則就要影響識別結(jié)果。實際應(yīng)用中，信息卡在錄入時由于走紙機構(gòu)機械誤差而略有傾斜，會造成識別出錯。 OCR由于采用了圖像處理技術(shù)，信息卡在錄入時的傾斜能自動校正，保證錄入的高精度，也能處理略有折皺的信息卡。因此，OCR對所用紙張的質(zhì)量、印刷技術(shù)要求不高，降低了運行成本。同時可以保留填寫的原始圖像備查，進行復(fù)核或重新識別。 在借鑒OCR優(yōu)點的基礎(chǔ)上，筆者在課題《彩標閱讀及識別系統(tǒng)》中采用了基于圖像的OMR技術(shù)。所謂基于圖像的OMR技術(shù)，就是將信息卡經(jīng)光電變換，形成二值化圖像；再經(jīng)歪斜校正、圖像分割，對分割出的小塊圖像（含“涂點”）中的黑點數(shù)進行計數(shù)。若大于某個閾值，就認為有標記，否則就沒有標記，從而完成了標記識別。相對OCR而言，它省去了最耗時的字符特征抽取步驟。 3 硬件組成 本系統(tǒng)框圖如圖1所示。 （1）圖像傳感器 采用國產(chǎn)的CIS（Contact Image Sensor）圖像傳感器，其光學分辨率比CCD略低，但是其驅(qū)動電路、光學系統(tǒng)和機械結(jié)構(gòu)卻比CCD簡單。光學系統(tǒng)中采用特殊光源實現(xiàn)光學濾波，消除或減輕了信息卡背景信息對分割、識別的影響。工作時，由CPLD（Complex Programable Logic Device）產(chǎn)生一個周期性的同步脈沖SYN引導每次掃描，時鐘信號CLK在移動寄存器的作用下，對CIS內(nèi)的像元依次進行掃描，像元上的光電信號串行輸出。（2）走紙控制 輸入的信息卡通過光學系統(tǒng)成像在圖像傳感器的光敏面上，在CPLD器件產(chǎn)生的掃描信號的驅(qū)動下，圖像傳感器對信息卡進行橫向自掃描；步進電機驅(qū)動輸紙機構(gòu)使信息卡縱向運行，從而實現(xiàn)了信息卡的二維掃描。 （3）模擬信號處理 模擬信號處理要考慮信息卡顏色的深淺、字跡的輕重和光強均勻度的變化等引起的脈沖幅度的變化。在光電變換中，對信號幅值影響較大的是：光束照射在光敏面上，光強的不均勻性及波動影響表現(xiàn)為白電平浮動對比度的變化也會引起信號幅值的較大起伏。處理的好壞直接影響到采集圖像的質(zhì)量。其過程為：CIS圖像傳感器攝取的原始圖像信號，經(jīng)放大、采樣保持及濾波、對消、浮動閾值及二值化等一系列處理，消除或減輕了信息卡背景明暗變化、光源變化、開關(guān)噪聲、高低頻干擾等對系統(tǒng)的影響，獲得高質(zhì)量的二值化信號。 （4）數(shù)字信號處理 采用A、B兩塊大容量的SRAM輪流工作在讀或?qū)憼顟B(tài)。合并二值化的信號，同時為了加快數(shù)據(jù)采集的速度，每次將16位的串行信號轉(zhuǎn)換為2個字節(jié)的并行數(shù)據(jù)。在標志寄存器的控制下，將信號暫時寫入A中，同時計算機通過16位ISA總線從B中取數(shù)據(jù)。在下一周期，二值化信號寫入B中，計算機通過16位ISA總線從A中取數(shù)據(jù)。這樣就保證數(shù)據(jù)傳輸?shù)母咝浴? （5）邏輯控制 整個系統(tǒng)的邏輯控制采用Lattice公司的CPLD——L1032，它負責控制輪紙機構(gòu)、圖像傳感器、兩塊SRAM的輪換；并隨時檢測系統(tǒng)的工作狀態(tài)，協(xié)調(diào)各部分的工作；并將檢測到的狀態(tài)即時送給計算機，便于計算機對整個系統(tǒng)的管理。 4 軟件處理 在大數(shù)據(jù)量的文檔處理中，為了滿足快速高效地處理，文檔必須針對OCR技術(shù)或OMR技術(shù)進行專門設(shè)計。這樣才適合光電閱讀。在信息卡上設(shè)計定位標記塊是一種有效手段。它分為水平定位標記塊和垂直定位標記塊，并且按照與填寫的字符相同的顏色（黑色）來印刷。一個水平定位標記塊表示一個字符行，垂直定位標記表示一個字符列。標記填寫在以字符行列交叉點為中心的矩形區(qū)域。定位標記塊主要用于字符定位和信息卡圖像的傾斜校正，如圖2所示。 另一種有效手段就是常常對信息卡學習，獲得相應(yīng)的先驗知識，如信息卡的行數(shù)、列數(shù)、標記出現(xiàn)的主要區(qū)域、表格類型、每個黑色定位標記塊的大致位置等。由于對同一批表格而言這些參數(shù)都是相同的，在對后續(xù)表格的處理中就可利用這些參數(shù)指導圖像的分割和識別，從而提高了整批表格的處理效率。 硬件系統(tǒng)對信息卡進行掃描信號處理后，得到二值化的圖像信號，但是二值化的圖像信號中標記所代表的數(shù)字信息才是最終結(jié)果。為此，還要對二值化的圖像信號在PC機上利用軟件進行噪聲處理、傾斜校正、分割及識別處理，得到感興趣的識別結(jié)果。最后再將識別結(jié)果進行輸出顯示。在基于圖像的OMR技術(shù)中，傾斜校正和圖像分割是最關(guān)鍵的。 （1）傾斜校正 由于輸紙機構(gòu)有走紙不均勻的情況，信息卡圖像不可避免地會產(chǎn)生一定的傾斜。因此必須對傾斜的圖像進行旋轉(zhuǎn)，旋轉(zhuǎn)到正常位置，才便于圖像分割。 對信息卡學習，獲得正常圖像的定位標記塊的位置。將傾斜圖像沿X，Y軸方向投影，所有的水平定位標記塊和垂直定位標記塊會分別在投影圖上產(chǎn)生對應(yīng)的峰，從而可以確定水平定位標記塊和垂直定位標記塊的位置。根據(jù)正常圖像和傾斜圖像的定位標記塊的位置，就可以計算出旋轉(zhuǎn)角δ。 將傾斜圖像f(x,y)繞坐標原點O（0,0）旋轉(zhuǎn)一個角度-δ，圖像的原始坐標為（x,y），旋轉(zhuǎn)后的坐標為（x",y"），按式（1）旋轉(zhuǎn)變換，旋轉(zhuǎn)后的圖像為（x",y"）。 （2）圖像分割 根據(jù)上述投影法，可以獲得水平定位標記塊和垂直定位標記塊的位置，并得到交叉點的位置。由于標記填寫在以字符行列交叉點為中心的矩形區(qū)域，并且設(shè)矩形區(qū)域長為X列，寬為Y行，以此交叉點向左向右各擴展（X+4）/2列，向上向下各擴展（Y+4）/2行形成一分割框，即矩形區(qū)域完全包含在該分割框內(nèi)。逐行以分割框為單位對整個圖像進行分割，并統(tǒng)計各分割框內(nèi)的黑點數(shù)。若大于某個閾值，就認為有標記；否則就沒有標記。再結(jié)合各標記事先定義的含義，得到識別結(jié)果。 基于圖像的OMR技術(shù)采用圖像傳感器作為掃描部件，將信息卡的完整圖像讀入微機，并進行圖像識別。它克服了采用光電對管閱讀的OMR方式的缺點，同時它具有如下優(yōu)點： %26;#183;識別精度高； %26;#183;紙張質(zhì)量、印刷技術(shù)要求低，可以處理略有折皺的信息卡； %26;#183;調(diào)整表格靈活，可適應(yīng)多種信息卡； %26;#183;采用了計算機圖像處理技術(shù)，可保存信息卡的原始圖像備查，提高了系統(tǒng)的安全性、可靠性和防偽性。 基于圖像的OMR技術(shù)提高了信息卡處理準確率，應(yīng)用在彩票閱讀及識別系統(tǒng)課題中取得了良好的效果。 linux操作系統(tǒng)文章專題:linux操作系統(tǒng)詳解（linux不再難懂）