Introduzione

Aspose.OMR FOSS per Python è una libreria open-source per progettare moduli OMR (riconoscimento ottico dei segni) — schede a risposta multipla, moduli con caselle di controllo e sondaggi — e per riconoscere i segni che un rispondente riempie da un’immagine scansionata o fotografata. È destinata a sviluppatori che automatizzano la correzione degli esami, la tabulazione dei sondaggi o la raccolta di dati basata su moduli in Python.

La libreria viene importata come import omr e non dipende da alcun pacchetto commerciale Aspose. È rilasciata sotto licenza MIT e si basa su tre dipendenze: numpy, opencv-python e Pillow. Questa è una versione preliminare (v0.1.0) che copre gli strati di fondazione, generazione e riconoscimento della completa superficie Aspose.OMR.


Cosa è incluso

Un albero di template Code-First

Un template è un albero di configurazioni di elementi radicato in TemplateConfig, con PageConfig per ogni pagina fisica e configurazioni di elementi come ChoiceBoxConfig, CheckBoxConfig, GridConfig, CompositeGridConfig e AnswerSheetConfig per le domande stesse. BlockConfig e ContainerConfig forniscono riquadri bordati e layout a colonne, e PositionedBlockConfig posiziona i figli a coordinate assolute.

from omr.generation.config import TemplateConfig
from omr.generation.config.elements.parents import PageConfig, CheckBoxConfig

tpl = TemplateConfig()
tpl.Name = "survey"
page = PageConfig()
cb = CheckBoxConfig()
cb.Name = "Q1"
page.Children = [cb]
tpl.Children = [page]

Un DSL di markup testuale

Lo stesso albero di elementi può essere costruito da un formato di testo compatto invece di oggetti Python — utile per creare manualmente un modello rapidamente o generarne uno da una fonte di dati più semplice.

from omr.api import OmrEngine

markup = [
    "?choicebox=Rate it",
    "(1) Poor (2) Fair (3) Good",
    "&choicebox",
]
engine = OmrEngine()
result = engine.Generate(markup)

Riconoscimento ed Esportazione

TemplateProcessor.Recognize() legge un’immagine scansionata confrontandola con un modello generato in precedenza e restituisce un RecognitionResult. Il risultato viene esportato in CSV, JSON, o XML, ciascuno con una variante di stream in memoria corrispondente (GetCsvAsStream, GetJsonAsStream, GetXmlAsStream).

Enum di Sistema di Scrittura e Overflow

Il livello del modello definisce i sistemi di scrittura Arabic, Hebrew, Persian, Urdu e Bengali (insieme al predefinito Western), e le sottoclassi LongWordHandling/OverflowAction (Clip, NoClip, Wrap) per l’overflow del testo. Entrambi i gruppi di enum analizzano e convalidano correttamente per la fedeltà API con la superficie Aspose.OMR, ma il motore di rendering di questa versione è solo LTR/Western e non rispetta ancora il comportamento di overflow — entrambi sono tracciati nella roadmap upstream come non ancora implementati.

Correzione dell’Inclinazione e Ricalibrazione

Il riconoscimento corregge l’inclinazione della scansione utilizzando i segni di riferimento d’angolo (ReferencePointsSettings). TemplateProcessor.Recalculate() riapplica una soglia di riconoscimento diversa a un risultato esistente senza eseguire una nuova scansione dell’immagine.


Avvio Rapido

git clone https://github.com/aspose-omr-foss/Aspose.OMR-FOSS-for-Python.git
cd Aspose.OMR-FOSS-for-Python
pip install -e .
from omr.api import OmrEngine, FormValidationLogic

engine = OmrEngine()
gen = engine.Generate("final-exam.txt")          # or a code-first TemplateConfig
gen.Save("out", "final-exam")                    # -> out/final-exam.png + out/final-exam.omr
processor = engine.GetTemplateProcessor("out/final-exam.omr", FormValidationLogic.Ignore)
result = processor.Recognize("scan.png")         # -100 = auto-calibrated threshold
print(result.GetCsv())                           # also GetJson() / GetXml()

Open Source e Licenze

Aspose.OMR FOSS per Python è rilasciato con licenza MIT e ospitato su GitHub. L’uso commerciale è consentito alle stesse condizioni di qualsiasi progetto con licenza MIT. Per le funzionalità enterprise e il supporto in produzione, vedere Aspose.OMR — Enterprise Product Family.


Guida introduttiva

Risorse correlate