Przegląd
Szukasz efektywnej i bogatej w funkcje biblioteki OMR w Javie? Chcesz zidentyfikować optyczne znaczniki w zeskanowanych obrazach? Odkryj Aspose.OMR dla Javy, bibliotekę klas Javy zaprojektowaną do rozwiązań optycznego SDK do rozpoznawania znaczników w aplikacjach opartych na Javie. Oto szybki przegląd funkcji tego API Javy, demonstrujący, jak można użyć go do rozpoznawania optycznych znaczników w różnych formatach obrazów i uzyskiwania danych oznaczonych przez ludzi z ankiet, kwestionariuszy lub testów zawierających pytania wielokrotnego wyboru.
Dynamiczne tworzenie szablonu OMR przy użyciu biblioteki OMR w Javie
Aspose.OMR dla Javy oferuje kompleksowy zestaw funkcji od tworzenia szablonów OMR po rozpoznawanie optycznych znaczników w celu zbierania danych. To optyczne oprogramowanie SDK do rozpoznawania znaczników wspiera generację plików lub obrazów szablonów OMR na podstawie prostych znaczników tekstowych. Aby wygenerować szablon, możesz przekazać znacznik tekstowy do API, co umożliwi automatyczne tworzenie szablonów. Poniżej znajduje się przykładowy znacznik tekstowy dla szablonu OMR:
?text=Imię__________________________________ Data____________
?grid=ID
sections_count=8
#Jaka jest główna funkcja Aspose.OMR?
() OCR () Zbieranie danych oznaczonych przez ludzi
() Nie ma głównej funkcji () Poprawa obrazów
#Czy Aspose.OMR może przetwarzać zdjęcia?
() Tak, rzeczywiście! () Nie
#Aspose.OMR jest dostępne na każdej platformie, ponieważ jest:
() Kod na wielu platformach () Usługa w chmurze
#Aspose.OMR działa z każdym rodzajem formularzy OMR: testy, egzaminy, kwestionariusze, ankiety itp.
() Tak, rzeczywiście! () Nie
#Doskonałe wyniki rozpoznawania można osiągnąć tylko dla wypełnionych bąbelków przynajmniej dla:
() 40% () 60% () 75% () 98%
#Czy musisz oznaczać każde pytanie na stronie?
(Tak) Tak, to bardzo pomoże! (Nie) Nie
#Oceń swoje preferencje od 0 do 9, gdzie "0" oznacza preferencje w kierunku wydajności
i "9" oznacza preferencje w kierunku elastyczności.
(0) (1) (2) (3) (4) (5) (6) (7) (8) (9)
#Uważam, że aspose omr to przydatne narzędzie. (5 - zdecydowanie się zgadzam, 1 - zdecydowanie się nie zgadzam)
(5) (4) (3) (2) (1)
?text= Sekcja arkusza odpowiedzi
?answer_sheet=GłównePytania
elements_count=10
columns_count=5
?text=Podpis________________________________
Możesz zapisać ten znacznik tekstowy w pliku tekstowym z rozszerzeniem .txt. Po zakończeniu, proces generacji szablonu przebiega według następujących kroków:
- Utwórz obiekt OmrEngine.
- Wywołaj metodę OmrEngine.generateTemplate(), która przyjmuje ścieżkę do pliku tekstowego ze znacznikiem.
- Zapisz szablon za pomocą metody GenerationResult.save.
Oto jak przykładowy fragment kodu w Javie pokazuje generację szablonu z znacznika tekstowego.
Wynik
Rozpoznawanie znaczników optycznych (OMR) w obrazach przy użyciu Javy
Aby przeprowadzić rozpoznawanie znaczników optycznych (OMR) na obrazach, potrzebujesz tylko dwóch komponentów: przygotowanego szablonu OMR (.omr) oraz formularzy lub arkuszy wypełnionych przez użytkownika, które chcesz przeanalizować. Dzięki wsparciu optycznego SDK do rozpoznawania znaczników, API ułatwia OMR dla różnych formatów obrazów, w tym:
Kroki do przeprowadzenia OMR na obrazach są następujące:
- Utwórz obiekt OmrEngine.
- Utwórz obiekt TemplateProcessor i zainicjalizuj go ścieżką do szablonu OMR.
- Rozpoznaj obrazy za pomocą metody TemplateProcessor.recognizeImage() i uzyskaj wyniki w formacie CSV lub JSON.
Poniżej przedstawiono przykładowy kod demonstrujący, jak rozpoznać optyczne znaczniki w obrazach przy użyciu Javy.
Używanie niestandardowego progu rozpoznawania dla OMR
Możesz również dostosować wyniki OMR, definiując niestandardowy próg między 0 a 100 przy użyciu optycznego SDK do rozpoznawania znaczników. Zwiększenie progu sprawia, że API jest bardziej restrykcyjne w rozpoznawaniu odpowiedzi. Wartości progu można ustawić w metodzie TemplateProcessor.recognizeImage() jako drugi parametr, jak pokazano w poniższym przykładzie kodu w Javie.
.
Ponowne obliczanie wyników OMR przy użyciu optycznego SDK do rozpoznawania znaczników
W niektórych przypadkach możesz chcieć ponownie obliczyć wyniki OMR, używając różnych wartości progowych. Zamiast wielokrotnego wywoływania TemplateProcessor.recognizeImage(), możesz zwiększyć wydajność przetwarzania obrazu, konfigurować API do automatycznego ponownego obliczania za pomocą metody TemplateProcessor.recalculate() udostępnionej przez optyczne SDK do rozpoznawania znaczników. Poniższy przykład kodu demonstruje, jak zaimplementować ponowne obliczenie wyników OMR.
Jeśli masz jakiekolwiek pytania lub potrzebujesz pomocy dotyczącej naszej biblioteki OMR w Javie, nie wahaj się skontaktować z nami na naszym forum.