Übersicht
Suchen Sie nach einer effizienten und funktionsreichen Java OMR-Bibliothek? Möchten Sie optische Markierungen in gescannten Bildern identifizieren? Entdecken Sie Aspose.OMR für Java, eine Java-Klassenbibliothek, die für Optische Zeichenerkennung SDK-Lösungen in Java-basierten Anwendungen entwickelt wurde. Hier ist eine kurze Übersicht über die Funktionen dieser Java API, die zeigt, wie sie verwendet werden kann, um optische Markierungen in verschiedenen Bildformaten zu erkennen und menschlich markierte Daten aus Umfragen, Fragebögen oder Tests mit MCQs zu erhalten.
Dynamisch OMR-Vorlage mit Java OMR-Bibliothek erstellen
Aspose.OMR für Java bietet eine umfassende Suite von Funktionen von der Erstellung von OMR-Vorlagen bis zur Erkennung optischer Markierungen zur Datenerfassung. Dieses Optische Zeichenerkennung SDK unterstützt die Generierung von OMR-Vorlagendateien oder Bildern aus einfachen Textmarkierungen. Um die Vorlage zu generieren, können Sie die Textmarkierung an die API übergeben, die die automatische Vorlagenerstellung ermöglicht. Nachfolgend finden Sie eine Beispiel-Textmarkierung für eine OMR-Vorlage:
?text=Name__________________________________ Datum____________
?grid=ID
sections_count=8
#Was ist die Hauptfunktion von Aspose.OMR?
() OCR () Menschlich markierte Daten erfassen
() Es gibt keine Hauptfunktion () Bilder verbessern
#Kann Aspose.OMR auch Fotos verarbeiten?
() Ja, in der Tat! () Nein
#Aspose.OMR ist auf jeder Plattform verfügbar, weil es:
() Plattformübergreifender Code () Cloud-Service
#Aspose.OMR funktioniert mit allen Arten von OMR-Formularen: Tests, Prüfungen, Fragebögen, Umfragen usw.
() Ja, in der Tat! () Nein
#Hervorragende Erkennungsergebnisse können nur für ausgefüllte Kästchen erzielt werden, mindestens für:
() 40% () 60% () 75% () 98%
#Muss jede Frage auf der Seite markiert werden?
(Ja) Ja, das wird sehr helfen! (Nein) Nein
#Bewerten Sie Ihre Präferenz von 0 bis 9, wobei "0" die Präferenz für Leistung und "9" die Präferenz für Flexibilität darstellt.
(0) (1) (2) (3) (4) (5) (6) (7) (8) (9)
#Ich fand Aspose OMR als nützliches Werkzeug. (5 - stimme voll zu, 1 - stimme nicht zu)
(5) (4) (3) (2) (1)
?text= Antwortbogen Abschnitt
?answer_sheet=Hauptfragen
elements_count=10
columns_count=5
?text=Unterschrift________________________________
Sie können diese Textmarkierung in einer Textdatei mit der .txt-Erweiterung speichern. Sobald dies erledigt ist, folgen die Schritte zur Erstellung der Vorlage:
- Erstellen Sie ein OmrEngine-Objekt.
- Rufen Sie die Methode OmrEngine.generateTemplate() auf, die den Pfad zur Textmarkierungsdatei akzeptiert.
- Speichern Sie die Vorlage mit der Methode GenerationResult.save.
Hier ist, wie ein Beispielcode in Java die Vorlagenerstellung aus der Textmarkierung zeigt.
Ausgabe
Optische Zeichenerkennung (OMR) in Bildern mit Java
Um die optische Zeichenerkennung (OMR) auf Bildern durchzuführen, benötigen Sie nur zwei Komponenten: die vorbereitete OMR-Vorlage (.omr) und die vom Benutzer ausgefüllten Formulare oder Blätter, die Sie analysieren möchten. Mit der Unterstützung des Optischen Zeichenerkennung SDK erleichtert die API OMR für verschiedene Bildformate, einschließlich:
Die Schritte zur Durchführung von OMR auf Bildern sind wie folgt:
- Erstellen Sie ein OmrEngine-Objekt.
- Erstellen Sie ein TemplateProcessor-Objekt und initialisieren Sie es mit dem Pfad zur OMR-Vorlage.
- Erkennen Sie Bilder mit der Methode TemplateProcessor.recognizeImage() und erhalten Sie Ergebnisse im CSV- oder JSON-Format.
Nachfolgend finden Sie ein Codebeispiel, das zeigt, wie man optische Markierungen in Bildern mit Java erkennt.
Verwendung eines benutzerdefinierten Erkennungsschwellenwerts für OMR
Sie können auch die OMR-Ergebnisse verfeinern, indem Sie einen benutzerdefinierten Schwellenwert zwischen 0 und 100 festlegen, wenn Sie das Optische Zeichenerkennung SDK verwenden. Das Erhöhen des Schwellenwerts macht die API strenger bei der Erkennung der Antworten. Die Schwellenwerte können in der Methode TemplateProcessor.recognizeImage() als zweiter Parameter festgelegt werden, wie im folgenden Java-Codebeispiel gezeigt.
.
Neuberechnung der OMR-Ergebnisse mit dem Optischen Zeichenerkennung SDK
In einigen Fällen möchten Sie möglicherweise die OMR-Ergebnisse mit unterschiedlichen Schwellenwerten neu berechnen. Anstatt wiederholt TemplateProcessor.recognizeImage() aufzurufen, können Sie die Effizienz der Bildverarbeitung verbessern, indem Sie die API für die automatische Neuberechnung mit der Methode TemplateProcessor.recalculate() konfigurieren, die vom Optischen Zeichenerkennung SDK bereitgestellt wird. Das folgende Codebeispiel zeigt, wie die Neuberechnung der OMR-Ergebnisse implementiert werden kann.
Wenn Sie Fragen haben oder Unterstützung bezüglich unserer Java OMR-Bibliothek benötigen, können Sie uns gerne in unserem Forum kontaktieren.