【正文】 得到較為干凈的字符圖像塊。目標本課題的目的是設(shè)計一個圖像預處理系統(tǒng)。s, 和 David L. Donoho認為圖像處理其基本的思想都是——把減少圖像的模糊點進行到底，模糊點可以局部地處理掉，就像高斯濾波或各向異性過濾、通過可變的微積分、或者在范圍波段，如韋納濾波(JeanLuc Starck, Emmanuel J. Cand232。對圖像去噪處理，國內(nèi)外都提出了各自的見解。因此，要實現(xiàn)圖像的灰度化處理，就是在0255里劃分一定的閾值，把圖像分為黑、灰、白。單色圖像只有黑色和白色兩種顏色， 整個圖像由單純的黑色點和白色點組成。研究表明，計算機中圖像顏色處理技術(shù)是根據(jù)RGB三原色理論對色彩信息量化，再利用像素的點運算掃描整幅圖像進行一一處理。與網(wǎng)絡(luò)技術(shù)結(jié)合，通過后續(xù)升級，可實現(xiàn)網(wǎng)絡(luò)判卷功能。每小時3600張試卷（標準32K答題卡）。 除基本統(tǒng)計參數(shù)外，提供排名、分數(shù)分布、試題合理性分析、多科成績匯總與綜合等功能。 對于學號填涂錯誤、學號重復、主觀題漏登分等錯誤情況處理方便，無需查找原始試卷，直接在電腦上調(diào)閱影像。對判卷結(jié)果有疑問，輸入學號或?qū)W生姓名可直接在電腦中查到這張答題卡和判卷細節(jié)。 印刷方便，長期使用節(jié)省成本。 答題后，答題卡上的信息通過光標閱讀機識別并儲存在計算機中。導引道用于閱讀機確認答題卡的方向和位置。答題卡一般由基本信息欄、導引道和很多信息位構(gòu)成。圖像處理或圖像分析方法的應用越來越廣泛。圖像是人類獲取和交換信息的主要來源，人類感知外界信息，80%以上是通過視覺得到的。因此把原始圖像與計算機結(jié)合起來，從而創(chuàng)作出許多更加完美的圖像，滿足人們的需求。本課題主要對圖像進行背景去噪、灰度化、二值化等處理，得到較為干凈的字符圖像塊。第一章 引言本課題來源于科研需求。本課題主要研究的是針對打印或掃描中出現(xiàn)的圖像進行背景去噪、灰度化、二值化等處理，得到較為干凈的字符圖像塊。隨著科學技術(shù)的不斷發(fā)展，計算機的更新速度不斷提高，人們的思想文化素質(zhì)的提高，對圖像的要求也越來越高。計算機圖像處理，是指利用計算機對圖像進行一系列加工，以便獲得人們所需要的效果。因此，圖像處理的應用領(lǐng)域必然涉及到人類生活和工作的方方面面。當今社會，為能夠多方面評價個人能力，出現(xiàn)了名目繁多的考試，答題卡已不再陌生。 基本信息欄一般用于填寫填涂這張卡片的使用者的基本信息，一般考試中包括考生的姓名和考號。而占據(jù)絕大部分位置的信息位則是供使用者填涂其所選擇的選項。答題卡相比于傳統(tǒng)紙答，有如下優(yōu)點：普通紙答題卡。答題卡查詢方便、影像化保存答題卡。錯誤處理高效方便。統(tǒng)計與分析方便。判卷速度快。升級空間。因此，答題卡技術(shù)是一項方便快捷的考試方式。位圖圖像一般分為單色圖像、灰度圖像和彩色圖像。彩色圖像的像素點是由R (紅色)、G (綠色)、B (蘭色) 三元色混合而成的，不同含量的R、G、B 組成不同的顏色，每一個記錄單個像素的位數(shù)據(jù)單元可表示任意一種顏色。為實現(xiàn)對圖像的二值化處理，基于最大方差比的圖像二值化算法能夠準確而快速地對圖像進行二值化，特別是當對象物和背景的灰度值的差具有一定大小的時候，效果更明顯(柴本成, 2005)；增強大津法和邊緣檢測閾值法確定的閾值對圖像進行二值化處理，不僅可有效地解決圖像灰度隨地物特征變化的圖像處理問題， 同時對于同一信號源的圖像也有相當理想的處理效果，該方法可進一步應用于圖像分割等(吳冰,秦志遠, 2001)；文本圖像的二值化方法可分為全局閾值方法和局部閾值方法，該方法自適應選取局部二值化時的窗口寬度，能有效消除一般二值化方法容易產(chǎn)生的斷筆和偽影現(xiàn)象，同時吸收全局二值化方法的優(yōu)點，保持較快的運算速度(莊軍,李弼，程陳剛,2005)；基于動態(tài)二值化的數(shù)學形態(tài)學邊緣檢測算法首先利用動態(tài)二值化方法確定將灰度圖像轉(zhuǎn)化為二值圖像的閾值, 然后利用數(shù)學形態(tài)學的腐蝕和去空洞相結(jié)合的方法去除二值化圖像的噪聲, 最后用細化方法檢測單像素圖像邊緣(汪毅,郭顯久,2008)。莊紅林,施國興等的圖像修補算法首先將待修補圖像分解為輪廓結(jié)構(gòu)圖像和紋理細節(jié)圖像，再對輪廓結(jié)構(gòu)圖像的空缺進行輪廓結(jié)構(gòu)修補，最后將修補后的輪廓結(jié)構(gòu)圖像及紋理合成后的紋理細節(jié)圖像進行合成，得到需要的修補圖像(莊紅林,施國興,2008)；盧穎在《基于小波變換的數(shù)字圖像處理》中提出小波變換是空間（時間）和頻率的局部變化，能有效地從信號中提取信息，解決了傅里葉變換不能解決的許多問題，是一種有效地變換編碼工具(盧穎,2009)；JeanLuc Starck, Emmanuel J. Cand232。s, and David L. Donoho,2002)。其功能包括對圖像進行灰度化，二值化，去噪。采用技術(shù) 對圖像二值化處理，將256個亮度等級的灰度圖像通過適當?shù)拈y值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。如果某特定物體在內(nèi)部有均勻一致的灰度值，并且其處在一個具有其他等級灰度值的均勻背景下，使用閥值法就可以得到比較的分割效果。動態(tài)調(diào)節(jié)閥值實現(xiàn)圖像的二值化可動態(tài)觀察其分割圖像的具體結(jié)果。對圖像的去噪處理，將采用均值變化方法。線性濾波的基本原理是用均值代替原圖像中的各個像素值，即對待處理的當前像素點（x，y），選擇一個模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦予當前像素點（x，y），作為處理后圖像在該點上的灰度個g（x，y），即個g（x，y）=1/m ∑f（x，y） m為該模板中包含當前像素在內(nèi)的像素總個數(shù)。圖像預處理模塊是對掃描儀掃描輸入的答題卡圖像進行處理。將彩色圖像轉(zhuǎn)化成為灰度圖像的過程成為圖像的灰度化處理。而灰度圖像是R、G、B三個分量相同的一種特殊的彩色圖像，其一個像素點的變化范圍為255種，所以在數(shù)字圖像處理種一般先將各種格式的圖像轉(zhuǎn)變成灰度圖像以使后續(xù)的圖像的計算量變得少一些。圖像的灰度化處理可用兩種方法來實現(xiàn)。第二種方法是根據(jù)YUV的顏色空間中，Y的分量的物理意義是點的亮度，由該值反映亮度等級，根據(jù)RGB和YUV顏色空間的變化關(guān)系可建立亮度Y與R、G、B三個顏色分量的對應：Y=++，以這個亮度值表達圖像的灰度值。varp:PByteArray。//TByteArray = array[0..32767] of Byte。gray,x,y:integer。 // 處理過程中位圖BeginTestBMP:=。()。for x := 0 to 1 dobegin//這里采用YUV與RGB顏色空間變換的方法,即 Y＝++Gray := Round(p[3 * x + 2] * + p[3 * x + 1] * + p[3 * x] * )。p[3 * x + 1] := byte(Gray)。//Gray的值必須在0～255之間end。:=srccopy。//用PaintBox控件重新繪制圖像；end。 // 指向DIB象素的指針 LONG lLineBytes。 // 指向BITMAPINFO結(jié)構(gòu)的指針（） LPBITMAPCOREINFO lpbmc。 // 指向BITMAPCOREINFO結(jié)構(gòu)的指針 lpbmi = (LPBITMAPINFO)lpDIB。 // 獲取指向BITMAPCOREINFO結(jié)構(gòu)的指針BYTE bMap[256]。for (i = 0。 i ++){// 計算該顏色對應的灰度值/*bMap[i] = (BYTE)( * lpbmibmiColors[i].rgbRed + * lpbmibmiColors[i].rgbGreen + * lpbmibmiColors[i].rgbBlue +)。 //修改后的優(yōu)化算法// 更新DIB調(diào)色板紅色分量lpbmibmiColors[i].rgbRed = i。 // 更新DIB調(diào)色板藍色分量lpbmibmiColors[i].rgbBlue = i。}// 計算圖像