Обзор
Ищете ли вы эффективную и насыщенную функциями библиотеку OMR для Java? Хотите ли вы идентифицировать оптические метки на отсканированных изображениях? Изучите Aspose.OMR для Java, библиотеку классов Java, разработанную для решений SDK оптического распознавания меток в приложениях на базе Java. Вот краткий обзор функций этого Java API, демонстрирующий, как его можно использовать для распознавания оптических меток в различных форматах изображений и получения данных, отмеченных человеком, из опросов, анкет или тестов с MCQ.
Динамическое создание шаблона OMR с использованием библиотеки OMR для Java
Aspose.OMR для Java предлагает комплексный набор функций от создания шаблонов OMR до распознавания оптических меток для захвата данных. Этот SDK оптического распознавания меток поддерживает генерацию файлов или изображений шаблонов OMR из простых текстовых разметок. Чтобы сгенерировать шаблон, вы можете передать текстовую разметку в API, что позволяет автоматически создавать шаблон. Ниже представлена образец текстовой разметки для шаблона OMR:
?text=Имя__________________________________ Дата____________
?grid=ID
sections_count=8
#Какова основная функция Aspose.OMR?
() OCR () Захват данных, отмеченных человеком
() Основной функции нет () Улучшение изображений
#Может ли Aspose.OMR обрабатывать фотографии?
() Да, действительно! () Нет
#Aspose.OMR доступен на любой платформе, потому что он:
() Кроссплатформенный код () Облачный сервис
#Aspose.OMR работает с любыми формами OMR: тестами, экзаменами, анкетами, опросами и т. д.
() Да, действительно! () Нет
#Отличные результаты распознавания могут быть достигнуты только для заполненных пузырьков, как минимум для:
() 40% () 60% () 75% () 98%
#Нужно ли вам отмечать каждый вопрос на странице?
(Да) Да, это очень поможет! (Нет) Нет
#Оцените вашу предпочтение от 0 до 9, где "0" — это предпочтение к производительности
и "9" — это предпочтение к гибкости.
(0) (1) (2) (3) (4) (5) (6) (7) (8) (9)
#Я считаю, что aspose omr является полезным инструментом. (5 - полностью согласен, 1 - полностью не согласен)
(5) (4) (3) (2) (1)
?text= Раздел ответного листа
?answer_sheet=Основные вопросы
elements_count=10
columns_count=5
?text=Подпись________________________________
Вы можете сохранить эту текстовую разметку в текстовом файле с расширением .txt. После этого процесс генерации шаблона включает в себя следующие шаги:
- Создайте объект OmrEngine.
- Вызовите метод OmrEngine.generateTemplate(), который принимает путь к текстовому файлу разметки.
- Сохраните шаблон с помощью метода GenerationResult.save.
Вот как пример кода на языке Java показывает генерацию шаблона из текстовой разметки.
Вывод
Оптическое распознавание меток (OMR) на изображениях с использованием Java
Чтобы выполнить оптическое распознавание меток (OMR) на изображениях, вам нужны всего два компонента: подготовленный шаблон OMR (.omr) и пользовательские формы или листы, которые вы хотите проанализировать. С поддержкой SDK оптического распознавания меток API облегчает OMR для различных форматов изображений, включая:
Шаги для выполнения OMR на изображениях следующие:
- Создайте объект OmrEngine.
- Создайте объект TemplateProcessor и инициализируйте его путем к шаблону OMR.
- Распознайте изображения с помощью метода TemplateProcessor.recognizeImage() и получите результаты в формате CSV или JSON.
Ниже представлен образец кода, демонстрирующий, как распознавать оптические метки на изображениях с использованием Java.
Использование пользовательского порога распознавания для OMR
Вы также можете настроить результаты OMR, определив пользовательский порог от 0 до 100 при использовании SDK оптического распознавания меток. Увеличение порога делает API более строгим в распознавании ответов. Значения порога могут быть установлены в методе TemplateProcessor.recognizeImage() в качестве второго параметра, как показано в следующем примере кода на Java.
.
Пересчет результатов OMR с использованием SDK оптического распознавания меток
В некоторых случаях вы можете захотеть пересчитать результаты OMR, используя различные значения порога. Вместо того чтобы многократно вызывать TemplateProcessor.recognizeImage(), вы можете повысить эффективность обработки изображений, настроив API для автоматического пересчета с помощью метода TemplateProcessor.recalculate(), предоставленного SDK оптического распознавания меток. Следующий образец кода демонстрирует, как реализовать пересчет результатов OMR.
Если у вас есть какие-либо вопросы или вам нужна помощь относительно нашей библиотеки OMR для Java, не стесняйтесь обращаться к нам на нашем форуме.