当今社会是一个信息化的时代,随着计算机科学技术和数字图像处理技术的高速发展,计算机网上阅卷已经越来越多的应用到各种考试的阅卷工作中,网上阅卷的出现使得阅卷的速度和质量上比传统的人工阅卷方式有了显著提高。然而由于由扫描仪采集到的图像可能因为考生答题卡位置放置不正或其他原因使得扫描到的数字图像发生倾斜的现象,这会对后续答题卡扫描图像的分割与识别工作带来许多困难。答题卡的扫描图像的正确分割与否也关乎着试卷的主客观题评阅的好坏。另以方面有效的图像压缩也是网上阅卷系统必须考虑的关键问题。针对以上问题,本文重点以答题卡扫描图像为研究对象,从图像的倾斜校正,分割与压缩三个方面进行了详细的探讨与研究。在论文的第一部分介绍了几种较为常见的图像倾斜校正算法,阐述了其各自的理论原理。针对目前最为常用的基于霍夫变换的图像倾斜校正算法,本文指出了其在实际应用中的一些局限性与不足,并在此算法的基础上提出了较为适合答题卡图像的改进算法——基于小波变换和霍夫变换的图像倾斜校正算法,该算法首先对待校正的图像二值化,然后利用小波变换得到图像低频概貌成分,进一步降低图像的分辨率,再在此基础上对低频图像进行边缘检测,提取二值图像的边缘信息,最后再利用霍夫变换算法检测出图像的倾斜角度。通过实验仿真证明本算法能够有效的减少霍夫变换的计算量,缩短图像校正算法的计算时间,从而为大量图像的校正工作带来便利。本文还介绍了图像分割领域的几种不同的图像分割算法,由于到目前为止还没有一种通用的图像分割算法,所以本文结合实际应用提出了一种较为适合答题卡图像分割的方法,该算法通过计算机自动识别与人工标记相结合的方法,利用模板匹配算法找出分割点的坐标,从而分割出答题卡图像的主观题区域和客观题区域。本文还着重探讨了目前比较常见的几种基于不同编码算法的图像压缩方法,并利用这些压缩方法对网上阅卷中答题卡扫描图像进行实验仿真,比较了其各自的压缩效率。文章结尾部分,本文首先对本课题做了一下总结,然后对课题的研究前景做了进一步的展望。