Sử dụng phương pháp ngưỡng toàn cục và phương pháp xác định ngưỡng của Otsu để xác định ngưỡng và chuyển đổi ảnh xám sang ảnh nhị phân.
Bảng 3.1: Biểu đồ và ngưỡng tối ưu
Ảnh Biểu đồ Ngƣỡng tối ƣu
0.8431 0.8647 0.8549 0.8569 0.8510 0.8549 0.8627 0.8471 0.8588
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
Bảng 3.2: Kết quả chuyển đổi ảnh xám sang ảnh nhị phân
Ảnh Giá trị ngƣỡng Kết quả 0.6432 0.7896 0.8569 0.9981 0.7234 0.8549 0.9654 0.700 0.8588 0.999 3.2.2. Loại bỏ nhiễu
Sử dụng bộ lọc trung vị để loại bỏ nhiễu. Việc sử dụng bộ lọc trung vị để lọc nhiễu là phương pháp hiệu quả và được áp dụng rộng rãi. Hai hình 3.1 và 3.2 mô phỏng kết quả của việc sử dụng bộ lọc trung vị để loại bỏ nhiễu
Hình 3.2: Ảnh trước khi lọc nhiễu
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
3.2.3. Tách dòng và trích rút vùng cần lấy dữ liệu
Việc tách dòng được thực hiện thành công qua việc sử dụng giải thuật Hozirontal Projection. Dưới đây là bức ảnh gốc cần tách ra thành 5 dòng.
Hình 3.4: Ảnh gốc cần tách thành các dòng riêng biệt Sau khi thực hiện tách dòng sẽ thu được kết quả như sau: + Dòng 1: Hình 3.5: Dòng thứ nhất được tách ra từ ảnh gốc ở hình 3.3 + Dòng 2: Hình 3.6: Dòng thứ 2 được tách ra từ ảnh gốc ở hình 3.3 + Dòng 3: Hình 3.7: Dòng thứ 3 được tách ra từ ảnh gốc ở hình 3.3 + Dòng 4: Hình 3.8: Dòng thứ 4 được tách ra từ ảnh gốc ở hình 3.3
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
+ Dòng 5:
Hình 3.9: Dòng thứ 5 được tách ra từ ảnh gốc ở hình 3.3
3.2.4. Tách ký tự trên một dòng
Công việc tách các kí tự trên một dòng thành các kí tự riêng biệt được thực hiện thành công bằng việc sử dụng giải thuật Vertical Projection. Dưới đây là một số kết quả của việc tác kí tự.
Kết quả tách ký tự trên dòng 1:
Hình 3.10: Kết quả của việc tách kí tự trên dòng 1 Kết quả tách ký tự trên dòng 3:
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
3.2.5. Mô tả chương trình chính
Khi chạy chương trình, form đăng nhập sẽ được hiển thị ra đầu tiên. Trên form này yêu cầu bạn gõ tên người dùng và mật khẩu.
Hình 3.12: Form đăng nhập
Sau khi kiểm tra dữ liệu mà tồn tại người dùng trên thì chương trình sẽ hiện ra form cho phép bạn cập nhật điểm.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
Đây là form thực hiện chức năng chính. Trong form này yêu cầu bạn phải chọn môn thi, phòng thi, kì thi và năm học tương ứng. Sau khi chọn đầy đủ các thông tin xong, bạn có thể chọn tới file ảnh chứa dữ liệu điểm cần cập nhật và mở mẫu chữ số đã được huấn luyện tương ứng với từng môn.
Hình 3.14: Kết quả hiển thị file ảnh của form điểm
Sau khi lựa file ảnh chứa điểm cần cập nhật và nhấn nút Cap nhat thì ảnh sẽ được phân tích, trích rút ra từng file ảnh con tương ứng với số báo danh và điểm. Dựa vào mạng noron đã được huấn luyện trên tập mẫu tương ứng với từng môn mà đưa ra quyết định điểm bằng chữ số ứng với mỗi ảnh đưa vào mạng.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
Dưới đây là kết quả của việc sử dụng chương trình trong cập nhật điểm. Ứng với mỗi hệ thống quản lý thi thì có cấu trúc cơ sở dữ liệu khác nhau. Tuy nhiên, với giới hạn của đề tài là đưa ra phương pháp để cập nhật điểm từ file ảnh vào cơ sở dữ liệu cho nên tôi không quan tâm tới cấu trúc dữ liệu sẽ được thiết kế như thế nào, hay quản lý ra sau. Cái mà tôi muốn thể hiện ở đề tài này là việc xử lý kĩ thuật trong file ảnh.
Vì trong phiếu điểm chỉ có 2 cột là tôi cần quan tâm đó là cột số báo danh và cột điểm. Việc thiết kế các thủ tục, module hay kĩ thuật thích hợp cho việc lấy dữ liệu từ 2 cột này ra đã được tôi thiết kế và thực hiện với độ chính xác 99.2% trong quá trình trích rút những vùng dữ liệu cần thiết.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
3.3. Kết quả chƣơng trình
- Tiến hành thử nghiệm với dữ liệu thực tế là ảnh của form điểm được thu nhận bằng máy quét tại trường THPT Thụy Hương - Kiến Thụy - Hải Phòng. Chương trình đã thu được kết quả như sau:
+ Số lượng mẫu chữ số viết tay được lấy để thử nghiệm là 280 mẫu. + Máy chạy thực nghiệm: Intel(R) Pentium(R) Dual CPU T3200 @
2.00GHz, Ram 2 Gb. Bảng 3.3: Kết quả thực nghiệm STT File ảnh Tỷ lệ nhận dạng 1 Ngu Van 12_P8.jpg 99% 2 Ngu Van 12_P9.jpg 100% 3 Ngu Van 12_P10.jpg 98% 4 Ngu Van 12_P11.jpg 100% 5 Ngu Van 12_P12.jpg 100% 6 Toan 12_P8.jpg 100% 7 Toan 12_P9.jpg 99% 8 Toan 12_P10.jpg 100% 9 Toan 12_P11.jpg 98% 10 Toan 12_P12.jpg 99%
- Việc nhận dạng form điểm viết tay có thể nói là đơn giản và có độ chính xác cao (có thể đạt tới 99.2%). Hơn nữa việc nhận dạng form điểm viết tay còn có thể nhận dạng được những mẫu mang tính chất gần giống kiểu với những chữ số đã lấy mẫu.
- Một trong những ưu điểm của việc nhận dạng form điểm viết tay đó là nhanh chóng đưa ra quyết định. Không phải duyệt và so sánh đối với dữ liệu mẫu trong CSDL, điều này làm tăng tốc độ nhận dạng của chương trình.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
PHẦN KẾT LUẬN
Qua thời gian tìm hiểu và thực hiện, luận văn “Nâng cao chất lượng hệ thống nhập điểm tự động theo form” đã đạt được một số kết quả như sau:
- Trình bày khái quát về xử lý ảnh và nhận dạng form mẫu.
- Hệ thống hóa một số kỹ thuật nâng cao chất lượng nhận dạng form điểm liên quan đến việc khử nhiễu và hiệu chỉnh góc nghiêng.
- Tìm hiểu được một số thuật toán nhận dạng chữ in nói chung và nhận dạng chữ số nói riêng. Luận văn đã giới thiệu một số kỹ thuật nâng cao chất lượng chữ viết trong form.
- Cài đặt thử nghiệm chương trình nhận dạng phiếu điểm viết tay tại trường trung học phổ thông Thụy Hương - Kiến Thụy - Hải Phòng.
- Chương trình hoàn toàn có thể ứng dụng ngay vào thực tế. Bởi theo tôi được biết hiện nay tại trường đang phải nhập dữ liệu bằng tay. Điều này thực sự khó khăn đối với những người làm công tác quản lý điểm hay quản lý thi, việc nhập điểm có thể lên tới hàng nghìn học sinh chỉ trong thời gian rất ngắn mà lại cho kết quả chính xác.
Tuy nhiên báo cáo cũng như chương trình không thể tránh khỏi những thiếu sót. Sau đây là một số điểm còn tồn tại của luận văn:
- Chưa kết hợp được với nhận dạng chữ cái viết tay để áp dụng cho việc khớp phách, lên điểm vào phiếu điểm nhằm giảm bớt thời gian và công sức của mỗi giáo viên trong nhà trường.
- Phần mềm cần cải tiến nhiều để có thể sử dụng rộng rãi trong thực tế. Do thời gian có hạn và khả năng còn nhiều hạn chế nên luận văn khó tránh khỏi những sai sót nhất định, rất mong được sự góp ý của thầy cô và bạn bè để luận văn được hoàn thiện hơn.
Em xin chân thành cảm ơn sự giúp đỡ của các thầy, cô giáo đã chỉ bảo, hướng dẫn và tạo điều kiện thuận lợi để em hoàn thành tốt bài báo cáo.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
DANH MỤC TÀI LIỆU THAM KHẢO
Tiếng Việt
[1] Lương Mạnh Bá , Nguyễn Thanh Thủy (2003), Nhập môn xử lý ảnh số, Nhà xuất bản Khoa học và Kỹ thuật, Hà Nội.
[2] Nguyễn Quang Hoan (2006), Giáo trình Xử lý ảnh, Học viện Công
nghệ bưu chính viễn thông, Hà Nội.
[3] Võ Đức Khánh , Hoàng Văn Kiếm (2008), Giáo trình Xử lý ảnh, Nhà xuất bản Đại học Quốc gia Thành phố Hồ Chí Minh.
[4] Đỗ Năng Toàn, Phạm Việt Bình (2007), Giáo trình Xử lý ảnh, Đại học Thái Nguyên.
[5] Đỗ Năng Toàn, Phạm Việt Bình, Phạm Văn Dũng (2005), “Ứng
dụng chu tuyến trong phát hiện góc nghiêng văn bản”, Kỷ yếu Hội
thảo Quốc gia lần thứ 7 - Một số vấn đề chọn lọc của Công nghệ Thông tin và Truyền thông, Đà Nẵng 18-20/08/2004, Nxb KH&KT, Hà Nội.
[6] Đỗ Năng Toàn, Ngô Quốc Tạo (1999), “Một số phương pháp nâng cao hiệu quả nhận dạng phiếu điều tra dạng dấu phục vụ cho thiết kế hệ nhập liệu tự động markread”, Tạp chí Tin học & Điều khiển học, Tập 15, số (4).
Tiếng Anh
[7] Petrou.M and Bosdogianni.P (1999), Image Processing: The
Fundamentals, John Wiley.
[8] Rafael C. Gonzalez and Richard E. Woods (2008), Digital Image
Processing, 3rd edition, Prentice Hall.
[9] SEETHALAKSHMI R and SREERANJANI T.R and
BALACHANDAR T, (2005), Optical Character Recognition for