电子错题本：提升中高考学生学习效率的有效工具

罗奕铖 朱效民

（一）项目提出

我们平时的错题本抄写错题用时过长、使用比较麻烦，尤其是对于中考和高考的学生来说，他们大部分的时间都在做题和复习，整理错题的过程容易消耗他们大量的时间。有些人嫌麻烦，不使用错题本，这样会降低学习效率。而且，在记录错题之后不能再次利用，需要花费大量的时间来扣空，重新做一遍抄到普通错题本上，这样就大大减少了错题本的利用率及其作用。于是我们就用Processing这一具有革命前瞻性的新兴计算机语言编译软件尝试制作一个软件，准确找出同学们学习中的薄弱环节，为提升同学们的学习效果提供充分的数据支持，以优化同学们总结错题的效率。

（二）研究目的、思路、过程

1.研究目的

通过识别图片中的颜色来裁剪出所需区域。

2.研究思路与过程

首先我们要求学生把自己的错题用红色的笔框起来，错误的答案用蓝色的笔画起来。如图4-1所示。

图4-1　错题区域颜色标注

接下来我们编写了一个算法，分别识别图片中的红色与蓝色，然后对红色区域进行裁剪，蓝色区域进行挖孔，形成了一道错题（如图4-2）。多道错题集合就形成了错题本。

图4-2　错题识别及裁剪演示图

因为学生把错题用红色的笔画起来了，所以我们编写了识别颜色的算法。

刚开始时的算法：我们把拍摄到图片中的每一个像素点利用自带函数red（c）、green（c）、blue（c）函数分解出红、绿、蓝色的数值，然后与标准的颜色的RGB值进行比较。如与标准红色（255，0，0）相比较，如果相似度在80%以上的点，我们就认为是所要的像素点。

图4-3　标准的RGB值与标准值相比较的程序说明

因为RGB模式不考虑亮度与色调，因此除了识别出红色的框以外，还出现了大量的颜色相近的点，如图4-4。

(www.xing528.com)

图4-4　采用RGB算法的程序运行效果图

颜色识别算法改进：考虑到亮度与色调的问题，我们把RGB颜色模型改成HSV颜色模型（色调H，饱和度S，明度V），并用A.R.Smitcg教授提出来的算法进行改进。

图4-5　HSV颜色模型直方图

图4-6　采用HSV算法的程序截图

图4-7　采用HSV算法的程序运行效果图

3.识别红色框的算法

要想正确地裁剪出错题，还需要正确识别出红色的框。我们利用深度优先搜索算法求出最大红色框的边界（最大行、列，最小行列值），然后进行裁剪。

图4-8　采用深度优先算法求最大行、列，最小行列值的程序截图

图4-9　采用裁剪算法的程序截图

4.与其他作品的对比

表4-1　产品特点对比表

5.项目创新点与作品应用领域

这个项目最大的创新点有两个：一个是运用HSV算法识别图片中的红色和蓝色，另一个是对所识别出的颜色边框进行精确地识别与裁剪。这一项目还能更好地辅助我们的学习，帮助我们节省抄错题以及自己抠空重新利用题目的时间与繁杂的工序，提高我们的学习效率。后期，我们的项目改进后可以运用于其他的机器人上，帮助其正确识别所需的边框。