OMR Checker

Read OMR sheets fast and accurately using a scanner 🖨 or your phone 🤳.

What is OMR?

OMR stands for Optical Mark Recognition, used to detect and interpret human-marked data on documents. OMR refers to the process of reading and evaluating OMR sheets, commonly used in exams, surveys, and other forms.

Quick Links

🎯 Features

A full-fledged OMR checking software that can read and evaluate OMR sheets scanned at any angle and having any color.

Specs
💯 Accurate	Currently nearly 100% accurate on good quality document scans; and about 90% accurate on mobile images.
💪🏿 Robust	Supports low resolution, xeroxed sheets. See Robustness for more.
⏩ Fast	Current processing speed without any optimization is 200 OMRs/minute.
✅ Customizable	Easily apply to custom OMR layouts, surveys, etc.
📊 Visually Rich	Get insights to configure and debug easily.
🎈 Lightweight	Very minimal core code size.
🏫 Large Scale	Tested on a large scale at Technothlon.
👩🏿‍💻 Dev Friendly	Pylinted and Black formatted code. Also has a developer community on discord.

Note: For solving interesting challenges, developers can check out TODOs.

See the complete guide and details at Project Wiki.

💡 What can OMRChecker do for me?

Once you configure the OMR layout, just throw images of the sheets at the software; and you'll get back the marked responses in an excel sheet!

Images can be taken from various angles as shown below-

Code in action on images taken by scanner:

Code in action on images taken by a mobile phone:

Visuals

Processing steps

See step-by-step processing of any OMR sheet:

*Note: This image is generated by the code itself!*

Output

Get a CSV sheet containing the detected responses and evaluated scores:

We now support colored outputs as well. Here's a sample output on another image -

There are many more visuals in the wiki. Check them out here!

Getting started

Operating system: OSX or Linux is recommended although Windows is also supported.

1. Install global dependencies

To check if python3 and pip is already installed:

python3 --version
python3 -m pip --version

Install Python3

To install python3 follow instructions here

To install pip - follow instructions here

Install OpenCV

Any installation method is fine.

Recommended:

python3 -m pip install --user --upgrade pip
python3 -m pip install --user opencv-python
python3 -m pip install --user opencv-contrib-python

More details on pip install openCV here.

Extra steps(for Linux users only)

Installing missing libraries(if any):

On a fresh computer, some of the libraries may get missing in event after a successful pip install. Install them using following commands(ref):

sudo apt-get install -y build-essential cmake unzip pkg-config
sudo apt-get install -y libjpeg-dev libpng-dev libtiff-dev
sudo apt-get install -y libavcodec-dev libavformat-dev libswscale-dev libv4l-dev
sudo apt-get install -y libatlas-base-dev gfortran

2. Install project dependencies

Clone the repo

git clone https://github.com/Udayraj123/OMRChecker
cd OMRChecker/

Install pip requirements

python3 -m pip install --user -r requirements.txt

Note: If you face a distutils error in pip, use --ignore-installed flag in above command.

3. Run the code

First copy and examine the sample data to know how to structure your inputs:

cp -r ./samples/sample1 inputs/
# Note: you may remove previous inputs (if any) with `mv inputs/* ~/.trash`
# Change the number N in sampleN to see more examples

Run OMRChecker:
```
python3 main.py
```

Alternatively you can also use python3 main.py -i ./samples/sample1.

Each example in the samples folder demonstrates different ways in which OMRChecker can be used.

Common Issues

1. [Windows] ERROR: Could not open requirements file

Command: python3 -m pip install --user -r requirements.txt
Link to Solution: #54

2. [Linux] ERROR: No module named pip

Command: python3 -m pip install --user --upgrade pip
Link to Solution: #70

OMRChecker for custom OMR Sheets

First, create your own template.json.
Configure the tuning parameters.
Run OMRChecker with appropriate arguments (See full usage).

Full Usage

python3 main.py [--setLayout] [--inputDir dir1] [--outputDir dir1]

Explanation for the arguments:

--setLayout: Set up OMR template layout - modify your json file and run again until the template is set.

--inputDir: Specify an input directory.

--outputDir: Specify an output directory.

Deprecation logs

The old --noCropping flag has been replaced with the 'CropPage' plugin in "preProcessors" of the template.json(see samples).
The --autoAlign flag is deprecated due to low performance on a generic OMR sheet
The --template flag is deprecated and instead it's recommended to keep the template file at the parent folder containing folders of different images

FAQ

Why is this software free?

This project was born out of a student-led organization called as Technothlon. It is a logic-based international school championship organized by students of IIT Guwahati. Being a non-profit organization, and after seeing it work fabulously at such a large scale we decided to share this tool with the world. The OMR checking processes still involves so much tediousness which we aim to reduce dramatically.

We believe in the power of open source! Currently, OMRChecker is in an intermediate stage where only developers can use it. We hope to see it become more user-friendly as well as robust from exposure to different inputs from you all!

Can I use this code in my (public) work?

OMRChecker can be forked and modified. You are encouraged to play with it and we would love to see your own projects in action!

It is published under the MIT license.

What are the ways to contribute?

Join the developer community on Discord to fix issues with OMRChecker.
If this project saved you large costs on OMR Software licenses, or saved efforts to make one. Consider donating an amount of your choice(donate section).

Credits

A Huge thanks to: Adrian Rosebrock for his exemplary blog: https://pyimagesearch.com

Harrison Kinsley aka sentdex for his video tutorials and many other resources.

Satya Mallic for his resourceful blog: https://www.learnopencv.com

And to other amazing people from all over the globe who've made significant improvements in this project.

Thank you!

Related Projects

Here's a snapshot of the Android OMR Helper App (archived):

Stargazers over time

Made with ❤️ by Awesome Contributors

License

For more details see LICENSE.

Donate

OMRChecker API

API REST cho dự án OMRChecker, cho phép xử lý các sheet OMR thông qua HTTP requests.

Cài đặt và Chạy

1. Cài đặt Thư Viện

pip install -r requirements.txt

2. Chạy Máy Chủ API

Trên Windows:

python run_api.py
# hoặc
start_api.bat

Trên Linux/Mac:

python3 run_api.py
# hoặc
./start_api.sh

3. Sử dụng Docker (tùy chọn)

# Build Docker image
docker build -t omrchecker-api .

# Chạy container
docker run -d --name omrchecker-api -p 5000:5000 omrchecker-api

Máy chủ API sẽ khởi động tại địa chỉ mặc định: http://localhost:5000

Truy Cập API

Giao Diện Web: http://localhost:5000/
Swagger UI Nâng Cao: http://localhost:5000/swagger
Tài Liệu Flask-RestX: http://localhost:5000/api/docs

Cấu Trúc Thư Mục

API đã được điều chỉnh để lưu trữ và xử lý các tệp theo cấu trúc thư mục của OMRChecker gốc:

OMRChecker/
│
├── inputs/                 # Thư mục đầu vào, API sẽ lưu template và ảnh tại đây
│   ├── directory_name_1/   # Mỗi bộ OMR sẽ được lưu trong một thư mục riêng biệt
│   │   ├── template.json   # Tệp template cho bộ OMR
│   │   ├── marker.jpg      # Tệp ảnh marker (tùy chọn)
│   │   └── image1.jpg      # Các ảnh OMR được quét
│   │   └── image2.jpg      
│   │
│   └── directory_name_2/   # Một bộ OMR khác
│       ├── template.json
│       ├── marker.png      # Có thể có hoặc không
│       └── image3.jpg
│
├── outputs/                # Thư mục đầu ra, kết quả xử lý OMR sẽ được lưu ở đây
│   ├── directory_name_1/   # Kết quả tương ứng với thư mục đầu vào
│   │   └── Results/        # Thư mục kết quả
│   │       └── Results_05AM.csv    # Tệp kết quả chính với dữ liệu OMR đã xử lý
│   │   └── CheckedOMRs/    # Thư mục OMR đã xử lý
│   │
│   └── directory_name_2/
│
└── api_server.py           # Máy chủ API

API Endpoints

Tất cả API endpoints đều có tiền tố /api.

1. Xử Lý OMR Sheet

Endpoint: POST /api/process-omr

Mô tả: Upload tệp template JSON và ảnh OMR để xử lý. API sẽ lưu các tệp này vào thư mục inputs/{directory_name} và trả về kết quả xử lý.

Parameters:

template_file (required): Tệp JSON định nghĩa bố cục OMR
marker_file (optional): Tệp ảnh marker dùng để đánh dấu vị trí, lưu cùng thư mục với template
image_files (required): Các tệp ảnh OMR (định dạng PNG, JPG, JPEG) hoặc PDF, có thể chọn nhiều file
directory_name (required): Tên thư mục sẽ được tạo trong thư mục inputs (không được chứa dấu / hoặc )
include_images (optional, default: false): Có kèm theo hình ảnh đã xử lý dưới dạng base64 hay không
clean_before (optional, default: true): Xóa thư mục inputs và outputs trước khi xử lý nếu đã tồn tại
clean_after (optional, default: false): Xóa thư mục inputs và outputs sau khi xử lý và lưu kết quả

Ví dụ sử dụng curl:

curl -X POST "http://localhost:5000/api/process-omr" \
  -H "Content-Type: multipart/form-data" \
  -F "template_file=@/path/to/template.json" \
  -F "marker_file=@/path/to/marker_image.jpg" \
  -F "image_files=@/path/to/image1.jpg" \
  -F "image_files=@/path/to/image2.jpg" \
  -F "directory_name=my_omr_test" \
  -F "clean_before=true" \
  -F "clean_after=false"

Phản hồi:

{
  "message": "OMR processing completed successfully",
  "result_id": "f47ac10b-58cc-4372-a567-0e02b2c3d479",
  "input_dir": "inputs/my_omr_test",
  "output_dir": "outputs/my_omr_test",
  "csv_file": "Results_05AM.csv",
  "results": [
    {
      "file_id": "image1.jpg",
      "score": 0,
      "public_input_image": "http://localhost:5000/public_images/input_1695432145_a7bc1234.jpg",
      "public_output_image": "http://localhost:5000/public_images/output_1695432145_a7bc1234.jpg",
      "answers": [
        {"key": "q1", "value": "A"},
        {"key": "q2", "value": "B"},
        {"key": "q3", "value": "C"}
      ]
    },
    {
      "file_id": "image2.jpg",
      "public_input_image": "http://localhost:5000/public_images/input_1695432146_b8de5678.jpg",
      "public_output_image": "http://localhost:5000/public_images/output_1695432146_b8de5678.jpg",
      "score": 0,
      "answers": [
        {"key": "q1", "value": "C"},
        {"key": "q2", "value": "D"}
      ]
    }
  ]
}

2. Lấy Kết Quả

Endpoint: GET /api/results/{result_id}

Mô tả: Lấy kết quả cho một OMR sheet đã xử lý trước đó.

Parameters:

result_id: ID của bộ kết quả (nhận được từ endpoint process-omr)

Ví dụ sử dụng curl:

curl -X GET "http://localhost:5000/api/results/f47ac10b-58cc-4372-a567-0e02b2c3d479"

Phản hồi:

{
  "result_id": "f47ac10b-58cc-4372-a567-0e02b2c3d479",
  "csv_file": "Results_05AM.csv",
  "result": {
    "file_id": "omr_image.jpg",
    "input_path": "...",
    "output_path": "...",
    "score": 0,
    "answers": [
      {"key": "q1", "value": "A"},
      {"key": "q2", "value": "B"},
      {"key": "q3", "value": "C"}
    ]
  }
}

3. Tải Xuống Tệp

Endpoint: GET /api/download/{result_id}/{filename}

Mô tả: Tải xuống một tệp (CSV, hình ảnh, v.v.) từ bộ kết quả.

Parameters:

result_id: ID của bộ kết quả
filename: Đường dẫn của tệp cần tải xuống

Ví dụ sử dụng curl:

curl -X GET "http://localhost:5000/api/download/f47ac10b-58cc-4372-a567-0e02b2c3d479/Results_05AM.csv" --output results.csv

4. Kiểm Tra Trạng Thái

Endpoint: GET /api/health

Mô tả: Kiểm tra xem máy chủ API có đang chạy không.

Ví dụ sử dụng curl:

curl -X GET "http://localhost:5000/api/health"

Swagger Support

API hỗ trợ hai giao diện Swagger khác nhau:

Enhanced Swagger UI tại /swagger - Giao diện Swagger phong phú với khả năng hiển thị và kiểm thử tốt hơn
Flask-RestX Docs tại /api/docs - Giao diện Swagger tiêu chuẩn của Flask-RestX

Cả hai đều cung cấp:

Tài liệu tương tác
Ví dụ request/response
Chức năng thử nghiệm trực tiếp
Mô hình và định nghĩa schema

Định Dạng Template.json

Template JSON cần tuân thủ cấu trúc của OMRChecker. Dưới đây là một mẫu đơn giản:

{
  "pageDimensions": {
    "width": 1654,
    "height": 2339
  },
  "bubbleDimensions": {
    "width": 20,
    "height": 20
  },
  "preProcessors": [
    {
      "name": "CropPage",
      "options": {
        "relativePath": "crop_coordinates.json",
        "morphologySize": 5
      }
    }
  ],
  "fieldBlocks": {
    "Roll": {
      "fieldType": "QTYPE_ROLL",
      "origin": {"x": 700, "y": 400},
      "fieldLabels": ["R1", "R2", "R3", "R4", "R5", "R6", "R7"],
      "directions": {"horizontal": 7, "vertical": 10},
      "fieldArea": {"x": 35, "y": 35},
      "options": {"A": 0, "B": 1, "C": 2, "D": 3, "E": 4, "F": 5, "G": 6, "H": 7, "I": 8, "J": 9}
    },
    "Q": {
      "fieldType": "QTYPE_MCQ",
      "origin": {"x": 800, "y": 650},
      "fieldLabels": ["Q1", "Q2", "Q3", "Q4", "Q5"],
      "directions": {"horizontal": 5, "vertical": 1},
      "fieldArea": {"x": 60, "y": 30},
      "options": {"A": 0, "B": 1, "C": 2, "D": 3, "E": 4}
    }
  },
  "customLabels": {},
  "outputColumns": [],
  "emptyValue": "0",
  "options": {}
}

Ví Dụ Tích Hợp

Ví Dụ Python

import requests
import os

# Đường dẫn đến template và ảnh
template_path = "path/to/template.json"
marker_path = "path/to/marker_image.jpg"  # Tùy chọn
image_paths = ["path/to/image1.jpg", "path/to/image2.jpg"]
directory_name = "test_omr_batch"

# Gửi yêu cầu xử lý OMR
url = "http://localhost:5000/api/process-omr"
files = {
    'template_file': open(template_path, 'rb')
}

# Thêm marker file nếu có
if os.path.exists(marker_path):
    files['marker_file'] = open(marker_path, 'rb')

# Thêm nhiều file ảnh với cùng một key
for i, image_path in enumerate(image_paths):
    files[f'image_files'] = open(image_path, 'rb')

data = {
    'directory_name': directory_name,
    'include_images': True,
    'clean_before': True,  # Xóa thư mục trước khi xử lý
    'clean_after': False   # Giữ lại thư mục sau khi xử lý
}

response = requests.post(url, files=files, data=data)
result = response.json()

print(f"Kết quả xử lý OMR:")
print(f"- ID kết quả: {result['result_id']}")
print(f"- Thư mục đầu vào: {result['input_dir']}")
print(f"- Thư mục đầu ra: {result['output_dir']}")
print(f"- Tệp CSV: {result['csv_file']}")
print(f"- Số kết quả: {len(result['results'])}")

# Tải xuống tệp CSV kết quả
if 'result_id' in result:
    csv_url = f"http://localhost:5000/api/download/{result['result_id']}/Results_05AM.csv"
    csv_response = requests.get(csv_url)
    with open('downloaded_results.csv', 'wb') as f:
        f.write(csv_response.content)
    print(f"Đã tải xuống kết quả vào tệp downloaded_results.csv")

Ví Dụ JavaScript

// Using fetch API
async function processOMR() {
  const formData = new FormData();
  formData.append('template_file', document.getElementById('templateFile').files[0]);
  formData.append('image_files', document.getElementById('imageFiles').files);
  formData.append('directory_name', 'js_test');

  const response = await fetch('http://localhost:5000/api/process-omr', {
    method: 'POST',
    body: formData
  });

  const result = await response.json();
  console.log(result);
  
  // Download results
  if (result.result_id) {
    window.location.href = `http://localhost:5000/api/download/${result.result_id}/Results_05AM.csv`;
  }
}

Lưu Ý Quan Trọng

API đã được điều chỉnh để lưu trữ template.json và ảnh vào thư mục inputs/{directory_name}, phù hợp với cấu trúc thư mục của OMRChecker.
Kết quả xử lý được lưu vào thư mục outputs/{directory_name} và API sẽ tìm theo thứ tự:
- Đầu tiên trong thư mục CheckedOMRs/*.csv
- Sau đó trong thư mục Results/*.csv
- Tiếp theo là các file Results_*.csv ở bất kì vị trí nào
- Cuối cùng sẽ sử dụng bất kỳ file CSV nào không phải là ErrorFiles.csv

Kết quả JSON trả về được chuyển đổi sang định dạng có mảng answers để dễ dàng xử lý. API trả về mảng kết quả với mỗi kết quả tương ứng với một file ảnh đã xử lý:

{
  "results": [
    {
      "file_id": "image1.jpg",
      "score": 0,
      "answers": [
        {"key": "q1", "value": "A"},
        {"key": "q2", "value": "B"}
      ]
    },
    {
      "file_id": "image2.jpg",
      "score": 0,
      "answers": [
        {"key": "q1", "value": "C"},
        {"key": "q2", "value": "D"}
      ]
    }
  ]
}

API hỗ trợ xử lý file PDF đầu vào, mỗi trang của file PDF sẽ được chuyển đổi thành một ảnh riêng biệt và được xử lý như các file ảnh OMR thông thường. Điều này rất hữu ích khi bạn có nhiều phiếu trả lời đã được scan thành một file PDF.
Bạn có thể chọn xóa thư mục đầu vào và đầu ra trước khi xử lý (để tránh trùng lặp) và sau khi xử lý (để tiết kiệm không gian) bằng cách sử dụng tham số clean_before và clean_after.
Các tệp đã tải lên sẽ vẫn còn trong thư mục inputs nếu bạn không sử dụng tham số clean_after=true. Bạn có thể chạy lại quá trình xử lý trực tiếp với OMRChecker bằng cách sử dụng lệnh:
```
python main.py -i inputs/{directory_name}
```
Đối với Docker, kết quả xử lý sẽ mất đi khi container bị xóa nếu không mount volumes. Khi cần lưu trữ lâu dài, hãy sử dụng:
```
docker run -d --name omrchecker-api -p 5000:5000 -v ./inputs:/app/inputs -v ./outputs:/app/outputs -v ./static:/app/static omrchecker-api
```
Đối với môi trường sản xuất, nên bổ sung xác thực và giới hạn tốc độ yêu cầu.

Truy Cập Ảnh Public

API tự động lưu bản sao của tất cả ảnh đầu vào và đầu ra trong thư mục public_images với tên file duy nhất. Những ảnh này có thể được truy cập trực tiếp thông qua URL mà không cần xác thực.

URLs cho ảnh public được trả về trong response của API dưới dạng:

public_input_image: URL của ảnh đầu vào gốc
public_output_image: URL của ảnh đã được xử lý (có các đánh dấu)

Ví dụ URL:

http://localhost:5000/public_images/input_1695432145_a7bc1234.jpg
http://localhost:5000/public_images/output_1695432145_a7bc1234.jpg

Bạn có thể thiết lập host URL trong Docker bằng cách sử dụng biến môi trường API_HOST:

docker run -d --name omrchecker-api -p 5000:5000 -e API_HOST=https://your-domain.com omrchecker-api

Nếu không được thiết lập, URL mặc định sẽ là http://localhost:5000.

API Usage

The OMRChecker project provides a RESTful API that allows you to process OMR sheets programmatically. This section provides details on how to use the API endpoints and access public images.

Starting the API Server

To start the API server:

Windows: Run start_api.bat script
Linux/macOS: Run ./start_api.sh script

The API server will start on port 5000 by default: http://localhost:5000

API Endpoints

Process OMR Sheets

Endpoint: /api/process-omr
Method: POST
Content-Type: multipart/form-data
Parameters:
- template_file (required): JSON template file for OMR processing
- marker_file (optional): Marker image file (JPG/PNG)
- image_files (required): One or more image files to process (JPG/PNG/PDF)
- directory_name (required): Name for the input/output directory
- include_images (optional): Whether to include base64 encoded images in response (default: false)
- clean_before (optional): Whether to clean existing directories before processing (default: true)
- clean_after (optional): Whether to clean directories after processing (default: false)

Example Request:

curl -X POST "http://localhost:5000/api/process-omr" \
  -F "template_file=@template.json" \
  -F "marker_file=@marker.jpg" \
  -F "image_files=@sample1.jpg" \
  -F "image_files=@sample2.jpg" \
  -F "directory_name=test-batch" \
  -F "include_images=false"

Example Response:

{
  "message": "OMR processing completed successfully",
  "result_id": "f7e6d5c4-b3a2-41a0-9a8b-8c7d6e5f4e3d",
  "input_dir": "/path/to/workspace/inputs/test-batch",
  "output_dir": "/path/to/workspace/outputs/test-batch",
  "csv_file": "Results_11AM.csv",
  "results": [
    {
      "file_id": "sample1.jpg",
      "score": 85,
      "answers": [
        {"key": "q1", "value": "A"},
        {"key": "q2", "value": "C"},
        {"key": "q3", "value": "B"}
      ],
      "public_input_image": "http://localhost:5000/public_images/input_1628347294_a1b2c3d4.jpg",
      "public_output_image": "http://localhost:5000/public_images/output_1628347294_a1b2c3d4.jpg"
    },
    {
      "file_id": "sample2.jpg",
      "score": 92,
      "answers": [
        {"key": "q1", "value": "B"},
        {"key": "q2", "value": "A"},
        {"key": "q3", "value": "D"}
      ],
      "public_input_image": "http://localhost:5000/public_images/input_1628347295_e5f6g7h8.jpg",
      "public_output_image": "http://localhost:5000/public_images/output_1628347295_e5f6g7h8.jpg"
    }
  ]
}

Accessing Public Images

The API saves copies of all input and output images in a public_images directory, making them accessible via URL without authentication. These URLs are included in the API response for each processed image.

Original Images: http://localhost:5000/public_images/input_[timestamp]_[uuid].jpg
Processed Images: http://localhost:5000/public_images/output_[timestamp]_[uuid].jpg

When running in Docker, you can set the host URL using the API_HOST environment variable:

docker run -e API_HOST=https://your-domain.com -p 5000:5000 omrchecker-api

Note: For production environments, it's recommended to implement authentication and rate limiting for the API endpoints and public image access.

Name		Name	Last commit message	Last commit date
api		api
docs/assets		docs/assets
samples		samples
src		src
static		static
utils		utils
.dockerignore		.dockerignore
.gitignore		.gitignore
.pre-commit-config.yaml		.pre-commit-config.yaml
.pylintrc		.pylintrc
CODE_OF_CONDUCT.md		CODE_OF_CONDUCT.md
CONTRIBUTING.md		CONTRIBUTING.md
Contributors.md		Contributors.md
Dockerfile		Dockerfile
LICENSE		LICENSE
README.md		README.md
api.py		api.py
api_server.py		api_server.py
app.py		app.py
custom_entry.py		custom_entry.py
docker-compose.yml		docker-compose.yml
main.py		main.py
pyproject.toml		pyproject.toml
pytest.ini		pytest.ini
requirements.dev.txt		requirements.dev.txt
requirements.txt		requirements.txt
run.py		run.py
run_api.py		run_api.py
sample_api_client.py		sample_api_client.py
sample_template.json		sample_template.json
scheduler.py		scheduler.py
simple_entry.py		simple_entry.py
start_api.bat		start_api.bat
start_api.sh		start_api.sh

Latest commit

History

Folders and files

Repository files navigation

OMR Checker

What is OMR?

Quick Links

🎯 Features

💡 What can OMRChecker do for me?

Code in action on images taken by scanner:

Code in action on images taken by a mobile phone:

Visuals

Processing steps

Output

There are many more visuals in the wiki. Check them out here!

Getting started

1. Install global dependencies

2. Install project dependencies

3. Run the code

Common Issues

OMRChecker for custom OMR Sheets

Full Usage

FAQ

Credits

Related Projects

Stargazers over time

Made with ❤️ by Awesome Contributors

License

Donate

OMRChecker API

Cài đặt và Chạy

1. Cài đặt Thư Viện

2. Chạy Máy Chủ API

3. Sử dụng Docker (tùy chọn)

Truy Cập API

Cấu Trúc Thư Mục

API Endpoints

1. Xử Lý OMR Sheet

2. Lấy Kết Quả

3. Tải Xuống Tệp

4. Kiểm Tra Trạng Thái

Swagger Support

Định Dạng Template.json

Ví Dụ Tích Hợp

Ví Dụ Python

Ví Dụ JavaScript

Lưu Ý Quan Trọng

Truy Cập Ảnh Public

API Usage

Starting the API Server

API Endpoints

Process OMR Sheets

Accessing Public Images

About

Resources

Code of conduct

Contributing

Stars

Watchers

Forks

Releases

Packages

Used by

Contributors

Languages