Genel Bakış
Verimli ve özelliklerle dolu bir Java OMR kütüphanesi mi arıyorsunuz? Taranmış görüntülerde optik işaretleri tanımlamak mı istiyorsunuz? Aspose.OMR for Java‘ı keşfedin, Java tabanlı uygulamalar için Optik İşaret Tanıma SDK çözümleri tasarlanmış bir Java sınıf kütüphanesidir. İşte bu Java API‘sinin, çeşitli görüntü formatlarında optik işaretleri tanımak ve anketler, soru formları veya çoktan seçmeli testlerde insan işaretli verileri elde etmek için nasıl kullanılabileceğine dair hızlı bir özellik özeti.
Java OMR Kütüphanesi Kullanarak Dinamik OMR Şablonu Oluşturma
Aspose.OMR for Java, OMR şablonlarının oluşturulmasından veri toplama için optik işaretlerin tanınmasına kadar kapsamlı bir özellik seti sunar. Bu Optik İşaret Tanıma SDK’sı, basit metin işaretlerinden OMR şablon dosyaları veya görüntüleri oluşturmayı destekler. Şablonu oluşturmak için, metin işaretini API’ye iletebilirsiniz; bu, otomatik şablon oluşturma işlemini başlatır. Aşağıda bir OMR şablonu için örnek bir metin işareti bulunmaktadır:
?text=Ad__________________________________ Tarih____________
?grid=ID
sections_count=8
#Aspose.OMR'nin ana işlevi nedir?
() OCR () İnsan işaretli verileri yakala
() Ana işlev yok () Görüntüleri geliştir
#Aspose.OMR fotoğrafları da işleyebilir mi?
() Evet, kesinlikle! () Hayır
#Aspose.OMR her platformda mevcuttur, çünkü:
() Çapraz platform kodu () Bulut hizmeti
#Aspose.OMR her türlü OMR formu ile çalışır: testler, sınavlar, anketler, vb.
() Evet, kesinlikle! () Hayır
#Mükemmel tanıma sonuçları yalnızca en az doldurulmuş baloncuklar için elde edilebilir:
() %40 () %60 () %75 () %98
#Sayfadaki her soruyu işaretlemek zorunda mısınız?
(Evet) Evet, bu çok yardımcı olur! (Hayır) Hayır
#Tercihinizi 0'dan 9'a kadar "0"ın performansa yönelik tercih ve "9"un esnekliğe yönelik tercih olduğunu belirterek değerlendirin.
(0) (1) (2) (3) (4) (5) (6) (7) (8) (9)
#Aspose omr'yi faydalı bir araç olarak buldum. (5 - kesinlikle katılıyorum, 1 - kesinlikle katılmıyorum)
(5) (4) (3) (2) (1)
?text= Cevap Kağıdı Bölümü
?answer_sheet=AnaSorular
elements_count=10
columns_count=5
?text=İmza________________________________
Bu metin işaretini .txt uzantılı bir metin dosyasına kaydedebilirsiniz. Tamamlandığında, şablon oluşturma işlemi şu adımları takip eder:
- Bir OmrEngine nesnesi oluşturun.
- Metin işaret dosyasının yolunu kabul eden OmrEngine.generateTemplate() yöntemini çağırın.
- Şablonu GenerationResult.save yöntemi ile kaydedin.
Aşağıda Java’da metin işaretinden şablon oluşturma işlemini gösteren bir örnek kod parçacığı bulunmaktadır.
Çıktı
Java Kullanarak Görüntülerde Optik İşaret Tanıma (OMR)
Görüntülerde Optik İşaret Tanıma (OMR) gerçekleştirmek için yalnızca iki bileşene ihtiyacınız var: hazırlanmış OMR şablonu (.omr) ve analiz etmek istediğiniz kullanıcı doldurulmuş formlar veya kağıtlar. Optik İşaret Tanıma SDK’sı desteğiyle, API, çeşitli görüntü formatları için OMR’yi kolaylaştırır:
Görüntülerde OMR gerçekleştirmek için adımlar şunlardır:
- OmrEngine nesnesi oluşturun.
- TemplateProcessor nesnesi oluşturun ve onu OMR şablonunun yolu ile başlatın.
- TemplateProcessor.recognizeImage() yöntemini kullanarak görüntüleri tanıyın ve sonuçları CSV veya JSON formatında alın.
Aşağıda, Java kullanarak görüntülerde optik işaretleri tanımanın nasıl yapılacağını gösteren bir kod örneği bulunmaktadır.
OMR için Özel Tanıma Eşiği Kullanma
Optik İşaret Tanıma SDK’sı kullanırken 0 ile 100 arasında özel bir eşik tanımlayarak OMR sonuçlarını da ince ayar yapabilirsiniz. Eşiği artırmak, API’nin yanıtları tanımada daha katı olmasını sağlar. Eşik değerleri, aşağıdaki Java kod örneğinde olduğu gibi TemplateProcessor.recognizeImage() yönteminde ikinci parametre olarak ayarlanabilir.
.
Optik İşaret Tanıma SDK’sı Kullanarak OMR Sonuçlarını Yeniden Hesaplama
Bazı durumlarda, farklı eşik değerlerini kullanarak OMR sonuçlarını yeniden hesaplamak isteyebilirsiniz. TemplateProcessor.recognizeImage() yöntemini sürekli olarak çağırmak yerine, Optik İşaret Tanıma SDK’sı tarafından sağlanan TemplateProcessor.recalculate() yöntemi ile API’yi otomatik yeniden hesaplama için yapılandırarak görüntü işleme verimliliğini artırabilirsiniz. Aşağıdaki kod örneği, OMR sonuçlarının yeniden hesaplanmasını nasıl uygulayabileceğinizi göstermektedir.
Java OMR kütüphanemizle ilgili herhangi bir sorunuz varsa veya yardım gerekiyorsa, forumumuzda bizimle iletişime geçmekten çekinmeyin.