CN108089747B - 一种笔压信息获得方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明涉及一种笔压信息获得方法、装置、电子设备及存储介质，属于图像处理技术领域。该笔压信息获得方法包括：按照书写时堆叠的顺序依次对所述书写媒介层和n个所述笔压采集媒介层进行扫描，获得采集样本，所述采集样本为{P₀，P₁，……，P_n}，其中，P₀为笔迹样本，P₁至P_n为压力样本；对所述采集样本进行预处理，得到标准样本；基于所述标准样本和预设拟合公式利用神经网络回归进行拟合，得到拟合方程；基于所述标准样本和所述拟合方程，获得笔压信息。本发明解决了现有的手写笔迹笔压采集困难的问题，并能显著降低手写笔迹笔压采集成本。

Description

一种笔压信息获得方法、装置、电子设备及存储介质

技术领域

本发明属于图像处理技术领域，具体涉及一种笔压信息获得方法、装置、电子设备及存储介质。

背景技术

随着手写设备的快速发展，压力感应手写板因为可以采集书写者实时的笔压信息，为在线绘图、签名、笔迹鉴定等提供了更多元化的信息，因而得到了广泛的应用。笔压采集手写设备根据灵敏度不同具有不同的压力采集精度，现在主流的专业笔压采集手写板的精度为256级压感，能达到基本的日常美术绘图的使用要求。但是，专业的笔压采集手写板的成本较高，不适用于大规模的离线手写笔压数据的采集；手写板表面以及手写笔笔尖的阻力与传统的纸笔书写体感差距较大。其次，手写板表面的阻力较普通纸张的阻力要小，笔迹容易出现漂移等受到多种额外的因素影响，人们在初次使用手写板的时候还需要额外的学习适应的过程。此外，通过手写板采集的笔迹与传统纸笔上采集的笔迹差异非常大；笔迹鉴定与笔迹特征识别等相关领域需要我们采集写作者的书写特征，而笔压是在线采集主要采集的笔迹特征之一；离线手写笔迹特征分析中由于很难采集到笔压信息，或者采集的笔压信息过于简单，与在线笔压特征差距较远，因此效果并不理想。

发明内容

鉴于此，本发明的目的在于提供一种笔压信息获得方法、装置、电子设备及存储介质，以有效地改善上述问题。

本发明的实施例是这样实现的：

第一方面，本发明实施例提供了一种笔压信息获得方法，包括：在获得至少包括至上而下依次重叠放置的书写媒介层，复写媒介层，以及笔压采集媒介层，且所述书写媒介层上有已经被书写者写好的至少一个对象时，按照书写时堆叠的顺序依次对所述书写媒介层和n个所述笔压采集媒介层进行扫描，获得采集样本，所述采集样本为{P₀，P₁，……，P_n}，其中，P₀为笔迹样本，P₁至P_n为压力样本；对所述采集样本进行预处理，得到标准样本；基于所述标准样本和预设拟合公式利用神经网络回归进行拟合，得到拟合方程；基于所述标准样本和所述拟合方程，获得笔压信息。

第二方面，本发明实施例提供还了一种笔压信息获得装置，包括：采集模块、预处理模块、拟合模块和重建模块；所述采集模块，用于在获得至少包括至上而下依次重叠放置的书写媒介层，复写媒介层，以及笔压采集媒介层，且所述书写媒介层上有已经被书写者写好的至少一个对象时，按照书写时堆叠的顺序依次对所述书写媒介层和n个所述笔压采集媒介层进行扫描，获得采集样本，所述采集样本为{P₀，P₁，……，P_n}，其中，P₀为笔迹样本，P₁至P_n为压力样本；所述预处理模块，用于对所述采集样本进行预处理得到标准样本；所述拟合模块，用于基于所述标准样本和预设拟合公式利用神经网络回归进行拟合，得到拟合方程；所述重建模块，用于基于所述标准样本和所述拟合方程，获得笔压信息。

第三方面，本发明实施例提供还了一种电子设备，包括：存储器和处理器，所述存储器与所述处理器耦合；所述存储器用于存储程序；所述处理器用于调用存储与所述存储器中的程序，执行上述方法。

第四方面，本发明实施例提供还了一种存储介质，所述存储介质存储有处理器可执行的程序代码于计算机内，所述存储介质包括多条指令，所述多条指令被配置成使所述处理器执行上述方法。

本发明实施例提供的笔压信息获得方法、装置、电子设备及存储介质方法，该方法在获得至少包括至上而下依次重叠放置的书写媒介层，复写媒介层，以及笔压采集媒介层，且所述书写媒介层上有已经被书写者写好的至少一个对象时，按照书写时堆叠的顺序依次对所述书写媒介层和n个所述笔压采集媒介层进行扫描，获得采集样本，所述采集样本为{P₀，P₁，……，P_n}，其中，P₀为对所述书写媒介层进行扫面获得的笔迹样本，P₁至P_n为依次对n个所述笔压采集媒介层进行扫面获得的压力样本；对获得的压力样本进行预处理，得到标准样本；基于获得的标准样本和预设拟合公式利用神经网络回归进行拟合，对预设拟合公式的参数进行确定，进而得到拟合方程；根据标准样本和拟合方程即可得到笔压信息，进一步，将标准样本中的某一个样本的参数值带入拟合方程，得到的图像即为笔压信息。本发明解决了现有的手写笔迹笔压采集困难的问题，并能显著降低手写笔迹笔压采集成本。

本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。通过附图所示，本发明的上述及其它目的、特征和优势将更加清晰。在全部附图中相同的附图标记指示相同的部分。并未刻意按实际尺寸等比例缩放绘制附图，重点在于示出本发明的主旨。

图1示出了本发明实施例提供的一种电子设备的结构示意图。

图2示出了本发明实施例提供的一种笔压信息获得方法的流程图。

图3示出了本发明实施例提供的图2中的步骤S102的流程图。

图4示出了本发明实施例提供的图3中的步骤S201的流程图。

图5示出了本发明实施例提供的图4中的步骤S301的流程图。

图6示出了本发明实施例提供的一种笔压信息获得装置的模块示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

如图1所示，图1示出了本发明实施例提供的一种电子设备100的结构框图。所述电子设备100包括：笔压信息获得装置110、存储器120、存储控制器130和处理器140。

所述存储器120、存储控制器130、处理器140各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述笔压信息获得装置110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器120中或固化在所述电子设备100的操作系统(operating system，OS)中的软件功能模块。所述处理器140用于执行存储器120中存储的可执行模块，例如所述笔压信息获得装置110包括的软件功能模块或计算机程序。

其中，存储器120可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read－Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read－Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read－Only Memory，EEPROM)等。其中，存储器120用于存储程序，所述处理器140在接收到执行指令后，执行所述程序，后述本发明实施例任一实施例揭示的流程定义的电子设备100所执行的方法可以应用于处理器140中，或者由处理器140实现。

处理器140可能是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

第一实施例

请参阅图2，为本发明实施例提供的一种应用于上述电子设备100的解调方法，下面将结合图2对其所包含的步骤进行说明。

步骤S101：按照书写时堆叠的顺序依次对所述书写媒介层和n个所述笔压采集媒介层进行扫描，获得采集样本。

在获得至少包括至上而下依次重叠放置的书写媒介层，复写媒介层，以及笔压采集媒介层，且所述书写媒介层上有已经被书写者写好的至少一个对象时，按照书写时堆叠的顺序依次对所述书写媒介层和n个所述笔压采集媒介层进行扫描，获得采集样本，所述采集样本为{P₀，P₁，……，P_n}，其中，P₀为对所述书写媒介层进行扫面获得的笔迹样本，P₁至P_n为依次对n个所述笔压采集媒介层进行扫面获得的压力样本。

其中，需要说明的是，书写者在书写待采集的对象时，可以按照这样的顺序铺设材料，如，至上而下依次重叠放置书写媒介层、复写媒介层、笔压采集媒介层以及垫板，其中，复写媒介层、笔压采集媒介层为一组，可以有多组，例如，为两组时，其顺序为书写媒介层、复写媒介层、笔压采集媒介层、复写媒介层、笔压采集媒介层以及垫板，更多组的情况与之类似，不再举例说明。其中，书写媒介层和笔压采集媒介层均可以普通的书写纸张，如A4纸，复写媒介层可以为复写纸。

步骤S102：对所述采集样本进行预处理，得到标准样本。

在获得采集样本后，对该采集样本进行诸如去噪、模糊、配准和/或过滤等预处理，得到标准样本。作为一种实施方式，以图3所包含的步骤对这一过程进行说明。

步骤S201：对所述采集样本进行配准处理，得到配准样本。

在获得采集样本后，对该采集样本进行配准处理后得到的样本即为配准样本；其中，所述配准包括：以P₀为参照物，利用相关系数图像配准方法对P₁进行配准，得到配准后的P₁，以配准后的P₁为参照物，利用相关系数图像配准方法对P₂进行配准，得到配准后的P₂……以此类推，直至完成最后一个样本P_n的配准。为了更好的理解，以采集样本包括1个笔迹样本和2个压力样本为例，进行说明，即上述的过程为：以P₀(笔迹样本)为参照物，利用相关系数图像配准方法对P₁(压力样本)进行配准，得到配准后的P₁，以配准后的P₁为参照物，利用相关系数图像配准方法对P₂(压力样本)进行配准，得到配准后的P₂，以校正笔迹样本与压力样本之间的仿射变换。其中，作为一种可选的实施方式，以图4所包含的步骤对这一过程进行说明。

步骤S301：对所述采集样本进行模糊处理，得到模糊样本。

在获得采集样本后，对所述采集样本进行模糊处理后得到的样本即为模糊样本。其中，所述模糊包括：利用高斯模糊对所述采集样本中的每个样本进行平滑，为了更好的理解，以采集样本包括1个笔迹样本和2个压力样本为例，进行说明，即上述的过程为：利用高斯模糊分别对P₀(笔迹样本)、P₁(压力样本)和P₂(压力样本)进行平滑处理，得到模糊样本。其中，作为一种可选的实施方式，以图5所包含的步骤对这一过程进行说明。

步骤S401：对所述采集样本进行去噪处理，得到去噪样本。

在获得采集样本后，对所述采集样本进行去噪处理后得到的样本即为去噪样本。其中，所述去噪包括：利用直方图滤波方式去除所述笔迹样本中的非笔迹信息。

步骤S402：对所述去噪样本进行模糊处理，得到模糊样本。

该步骤的处理过程与步骤S301的处理过程相同，唯一不同的是，作用对象不同，步骤S301中是直接对采集样本进行处理，而本步骤中是对经过去噪处理后的采集样本即去噪样本进行处理。

步骤S302：对所述模糊样本进行配准处理，得到配准样本。

该步骤的处理过程与步骤S201的处理过程相同，唯一不同的是，作用对象不同，步骤S201中是直接对采集样本进行处理，而本步骤中是对经过模糊处理后的采集样本即模糊样本进行处理。

步骤S202：对所述配准样本进行过滤处理，得到标准样本。

在得到配准样本后，对所述配准样本进行过滤处理后得到的样本即为标准样本。其中，所述过滤包括：以P₀为参照物，过滤到P₁上比所述P₀对应位置像素值高的点，得到过滤后的P₁，以过滤后的P₁为参照物，过滤到P₂上比所述过滤后的P₁对应位置像素值高的点，得到过滤后的P₂……以此类推，直至完成最后一个样本P_n的过滤。以滤掉无用信息。为了更好的理解，以采集样本包括1个笔迹样本和2个压力样本为例，进行说明，即上述的过程为：以P₀(笔迹样本)为参考对象过滤到P₁(压力样本)上比所述P₀对应位置像素值高的点，得到过滤后的P₁；过滤后的P₁为参考对象过滤到P₂(压力样本)上比所述过滤后的P₁对应位置像素值高的点，直到过滤掉最后一个压力样本，即得到了标准样本，以过滤掉压力样本中的干扰信息。

步骤S103：基于所述标准样本和预设拟合公式利用神经网络回归进行拟合，得到拟合方程。

在得到标准样本后，基于该标准样本和预设拟合公式利用神经网络回归进行拟合，以此来确定该预设拟合公式中的拟合参数，即可得到拟合方程。作为一种可选的实施方式，当该采集样本为线性衰减时，此时对应的预设拟合公式为y＝φ(αx+β)，其中，衰减系数为(α，β)，φ为截断函数(0－255)，x和y分别为所述标准样本中的相邻两个样本上对应位置的像素值。将多组x和y的值带入方程y＝φ(αx+β)，利用神经网络回归进行拟合，即可确定该预设拟合公式中的衰减系数(α，β)。其中，当数值大于255时，该截断函数会将其截断为255，例如将265截断为255；当数值小于0时，该截断函数会将其截断为0，例如将－5截断为0。

作为另一种实施方式，当该采集样本为高斯衰减时，此时对应的预设拟合公式为其中，衰减系数为(α，β)，φ为截断函数(0－255)，x和y分别为所述标准样本中的相邻两个样本上对应位置的像素值。将多组x和y的值带入方程y＝φ(αx+β)，利用神经网络回归进行拟合，即可确定该预设拟合公式中的衰减系数(α，β)。其中，当数值大于255时，该截断函数会将其截断为255，例如将265截断为255；当数值小于0时，该截断函数会将其截断为0，例如将－5截断为0。||x-α||表示求x-α的范数。

步骤S104：基于所述标准样本和所述拟合方程，获得笔压信息。

在获得拟合方程后，基于该标准样本和对应的拟合方程，即可获得笔压信息，即将P_i样本所有像素值依次带入所述拟合方程，获得的像素图即为所述笔压信息。例如，采集样本为高斯衰减时，将P_i样本所有像素值依次带入获得的像素图即为所述笔压信息。

本发明实施例还提供了一种笔压信息获得装置110，如图6所示，该笔压信息获得装置110包括：采集模块111、预处理模块112、拟合模块113和重建模块114。

采集模块111，用于在获得至少包括至上而下依次重叠放置的书写媒介层，复写媒介层，以及笔压采集媒介层，且所述书写媒介层上有已经被书写者写好的至少一个对象时，按照书写时堆叠的顺序依次对所述书写媒介层和n个所述笔压采集媒介层进行扫描，获得采集样本，所述采集样本为{P₀，P₁，……，P_n}，其中，P₀为笔迹样本，P₁至P_n为压力样本。

预处理模块112，用于对所述采集样本进行预处理得到标准样本。

拟合模块113，用于基于所述标准样本和预设拟合公式利用神经网络回归进行拟合，得到拟合方程。

重建模块114，用于基于所述标准样本和所述拟合方程，获得笔压信息。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本发明实施例所提供的笔压信息获得装置110，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，笔记本电脑，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read－OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种笔压信息获得方法，其特征在于，包括：

在获得至少包括至上而下依次重叠放置的书写媒介层，复写媒介层，以及笔压采集媒介层，且所述书写媒介层上有已经被书写者写好的至少一个对象时，按照书写时堆叠的顺序依次对所述书写媒介层和n个所述笔压采集媒介层进行扫描，获得采集样本，所述采集样本为{P₀，P₁，……，P_n}，其中，P₀为笔迹样本，P₁至P_n为压力样本；

对所述采集样本进行预处理，得到标准样本；

基于所述标准样本和预设拟合公式利用神经网络回归进行拟合，得到拟合方程，其中，所述采集样本为线性衰减时，所述预设拟合公式为y＝φ(αx+β)，所述采集样本为高斯衰减，所述预设拟合公式为其中，φ为截断函数；衰减系数为(α，β)，x和y分别为所述标准样本中的相邻两个样本上对应位置的像素值，拟合时，将多组x和y的值带入所述预设拟合公式，利用神经网络回归进行拟合，即可确定该预设拟合公式中的衰减系数(α，β)；

基于所述标准样本和所述拟合方程，获得笔压信息，其中，基于所述标准样本和所述拟合方程，获得笔压信息，包括：

将P_i样本所有像素值依次带入所述拟合方程，获得的像素图即为所述笔压信息。

2.根据权利要求1所述的方法，其特征在于，对所述采集样本进行预处理得到标准样本，包括：

对所述采集样本进行配准处理，得到配准样本；

对所述配准样本进行过滤处理，得到标准样本。

3.根据权利要求2所述的方法，其特征在于，对所述采集样本进行配准处理，得到配准样本，包括：

对所述采集样本进行模糊处理，得到模糊样本；

对所述模糊样本进行配准处理，得到配准样本。

4.根据权利要求3所述的方法，其特征在于，对所述采集样本进行模糊处理，得到模糊样本，包括：

对所述采集样本进行去噪处理，得到去噪样本；

对所述去噪样本进行模糊处理，得到模糊样本。

5.一种笔压信息获得装置，其特征在于，包括：

采集模块，用于在获得至少包括至上而下依次重叠放置的书写媒介层，复写媒介层，以及笔压采集媒介层，且所述书写媒介层上有已经被书写者写好的至少一个对象时，按照书写时堆叠的顺序依次对所述书写媒介层和n个所述笔压采集媒介层进行扫描，获得采集样本，所述采集样本为{P₀，P₁，……，P_n}，其中，P₀为笔迹样本，P₁至P_n为压力样本；

预处理模块，用于对所述采集样本进行预处理得到标准样本；

拟合模块，用于基于所述标准样本和预设拟合公式利用神经网络回归进行拟合，得到拟合方程，其中，所述采集样本为线性衰减时，所述预设拟合公式为y＝φ(αx+β)，所述采集样本为高斯衰减，所述预设拟合公式为其中，φ为截断函数；衰减系数为(α，β)，x和y分别为所述标准样本中的相邻两个样本上对应位置的像素值，拟合时，将多组x和y的值带入所述预设拟合公式，利用神经网络回归进行拟合，即可确定该预设拟合公式中的衰减系数(α，β)；

重建模块，用于基于所述标准样本和所述拟合方程，获得笔压信息，其中，所述重建模块，具体用于将P_i样本所有像素值依次带入所述拟合方程，获得的像素图即为所述笔压信息。

6.一种电子设备，其特征在于，包括：存储器和处理器，所述存储器与所述处理器耦合；

所述存储器用于存储程序；

所述处理器用于调用存储于 所述存储器中的程序，执行如权利要求1－4任一项所述方法。

7.一种存储介质，其特征在于，所述存储介质存储有处理器可执行的程序代码于计算机内，所述存储介质包括多条指令，所述多条指令被配置成使所述处理器执行如权利要求1-4任一项所述方法。