答题卡扫描后的预处理是提升光标阅读机（OMR）识别率的关键环节，其核心目标是将原始图像转化为“黑白分明、位置**、背景干净”的二值化图像。预处理流程通常遵循以下步骤：

1. 图像灰度化

将彩色扫描图像转换为灰度图像，减少颜色信息对后续阈值分割的干扰，同时降低计算量。

2. 倾斜校正（纠偏）

答题卡在进纸过程中可能发生轻微旋转。预处理算法通过检测答题卡四角的定位块（角标），计算图像的水平倾斜角度，并进行仿射变换（旋转），确保图像横平竖直，这是后续**定位的基础。

3. 定位与ROI提取

根据预设模板，在图像中搜索定位标记（如L形角标、同步框），建立坐标系。一旦坐标系确定，系统即可**裁剪出每个填涂选项所在的感兴趣区域（ROI），排除答题卡边缘的污渍或阴影干扰。

4. 图像二值化（核心步骤）

这是区分“涂黑”与“空白”的决定性步骤。针对答题卡易出现的大面积阴影、纸张褶皱或印刷不均，现代系统通常采用局部自适应二值化算法（如Sauvola、Niblack算法）：

原理：不再使用单一的全局阈值，而是在每个像素的邻域窗口内，根据局部灰度均值和标准差动态计算阈值。

效果：即使答题卡某块区域因阴影变暗，该区域的阈值也会相应降低，从而将未涂写的暗色背景仍判定为“白”，有效避免阴影导致的误判。

5. 形态学去噪

二值化后，图像中可能存在孤立噪点（如纸张纤维、小污点）或填涂边缘的毛刺。

开运算：先腐蚀后膨胀，用于**小的白色噪点（如背景中的小白点）和填涂边缘的细小突起，使填涂区域边缘平滑。

闭运算：先膨胀后腐蚀，用于填充填涂区域内部的小孔洞，使涂黑区域更完整。

6. 连通域分析与特征筛选

在二值化图像中，将所有相连的黑色像素点标记为一个连通域（Blob）。系统根据预设的几何特征进行筛选，滤除非填涂干扰：

面积过滤：删除面积过小（如小于10像素，可能是噪点）或过大（如覆盖整个选项框，可能是污渍）的连通域。

位置校验：只保留位于选项框**区域的连通域，排除框线粘连或框外的污渍。

形状匹配：检查连通域的长宽比、圆形度等，确保其符合填涂点的形状特征（如近似矩形或圆形）。

通过以上预处理流程，系统将原始模糊、倾斜、有干扰的图像转化为标准化的二值图像，极大提高了后续填涂信息识别的准确率。