CN110532864A - 软笔书法临摹相似性评价方法 - Google Patents

Abstract

本发明涉及评价方法的技术领域，公开了软笔书法临摹相似性评价方法，用于对书法临摹进行相似度评测，包括以下步骤：1)、通过otus算法寻找待处理图形中的阈值，对待处理图形根据灰度进行黑白分割，待处理图形上包括像素点组，像素点组中含有多个像素点，当单个像素点的灰度值大于阈值时，单个像素点显示为白色；当单个像素点的灰度值小于阈值时，单个像素点显示为黑色；2)、通过数学形态学方法对像素点组进行计算，对多个像素点的灰度值构建基础结构元素组，从而对多个像素点进行开运算以及闭运算，得到临帖预备图形；可以对临帖笔画的整体结构进行评价；可以对临帖本身根据笔画从而进行整体性的评分；可以对临帖进行相似性的综合评价。

Description

软笔书法临摹相似性评价方法

技术领域

本发明专利涉及评价方法的技术领域，具体而言，涉及软笔书法临摹相似性 评价方法。

背景技术

数字化书法教学系统是将智能硬件、数字交互等新技术与传统书法相结合， 能够让教师通过数字化方式进行授课，临摹示范，支持学生在临摹显示器上临摹 书法、欣赏碑帖，不用购买多本字帖，就能接触练习多种字体，方便而高效。近 年来国家对中华传统文化越来越重视，大力普及硬笔与软笔书法教育，广大中小 学纷纷开设书法课，数字化书法教学系统结合现代科技，为师生提供了一个良好 的教学平台，并可以缓解中小学书法师资较为匮乏的现状。

目前，软笔书法的临摹系统求解相似度的评价方法主要是以单笔画的评价为 主，而且无法对字体的整体性的结构进行评测，从而无法对一次书写的字进行整 体的相似度评价。

现有技术中，软笔书法的临摹系统对相似度的评价方法有以下问题：无法对 临帖笔画的整体结构进行评价；无法对临帖本身根据笔画从而进行整体性的评分； 无法对临帖进行相似性的综合评价。

发明内容

本发明的目的在于提供软笔书法临摹相似性评价方法，旨在解决现有软笔书 法临摹相似性评价方法无法对临帖进行综合评价的问题。

本发明是这样实现的，软笔书法临摹相似性评价方法，用于对书法临摹进行 相似度评测，包括以下步骤：

1)、通过otus算法寻找待处理图形中的阈值，对所述待处理图形根据灰度 进行黑白分割，所述待处理图形上包括像素点组，所述像素点组中含有多个像素 点，当单个像素点的灰度值大于所述阈值时，单个所述像素点显示为白色；当单 个所述像素点的灰度值小于所述阈值时，单个所述像素点显示为黑色；

2)、通过数学形态学方法对所述像素点组进行计算，对多个所述像素点的 灰度值构建基础结构元素组，从而对多个所述像素点进行开运算以及闭运算，得 到临帖预备图形；

3)、利用等比缩放方法，将所述临帖预备图形进行缩放得到临帖图形；

4)、搜索所述原帖图形的像素点与所述临帖图形上的像素点的最大海明距 离，得到对齐角度，对临帖图形进行角度调整；

5)、所述临帖图形包括临帖笔画组，所述原帖图形包括原帖笔画组，对所 述临帖笔画组上的笔画以及所述原帖笔画组上的笔画进行交并比计算，得到笔画 的相似性评价；

6)、所述原帖笔画组包括至少一根原帖笔画，所述原帖笔画组包括至少一 根原帖笔画，所述原帖笔画组的笔画总长为lo，单根所述原帖笔画的长度为lo(i)， 单根所述原帖笔画的长度与所述笔画总长相除形成单根所述原帖笔画的原帖笔 画权重wo(i)，所述原帖笔画组的原帖权重组Wo＝{wo(1),wo(2),…,wo(n)}；

7)、通过所述原帖图形的笔画以及所述临帖图形的笔画的交并比，构建所 述原帖图形以及所述临帖图形的笔画相似性向量 Sim＝{sim(1),sim(2),sim(3),…,sim(n)}，通过所述临帖权重组与所述笔画相似性向量 Sim＝{sim(1),sim(2),sim(3),…,sim(n)}计算得到笔画综合评价；

8)、对所述临帖笔画组的笔画分别进行质心坐标求取，得到临帖笔画质心 坐标组Co，对所述原帖笔画组的笔画分别进行质心坐标求取，得到原帖笔画质心 坐标组Cc，分别计算得到所述原帖笔画权重与所述原帖图形的两根笔画的质心坐 标的距离以及所述临帖笔画权重与所述临帖图形的两根笔画的质心坐标的距离；

9)、通过所述原帖笔画权重与所述原帖图形的两根笔画的质心坐标的距离 得到所述原帖图形的原帖结构矩阵Mo，通过所述临帖笔画权重与所述临帖图形 的两根笔画的质心坐标的距离得到所述临帖图形的临帖结构矩阵Mc，测算所述 原帖结构矩阵Mo的每个元素以及所述临帖结构矩阵Mc的每个元素之间的欧氏 距离，求解得到结构综合评价；

10)、由设置的笔画预设权重以及所述笔画综合评价处理得到总笔画评价， 将设置的结构预设权重与所述结构综合评价处理得到总结构评价，将所述总笔画 评价与所述总结构评价处理后得到总书法评价。

进一步地，所述步骤2)中所述开运算对所述像素点组进行去除杂点，所述 像素点组产生空缺点，所述闭运算对所述像素点组的所述空缺点进行填充，由所 述像素点组得到填充好的同灰度的所述临帖预备图形。

进一步地，所述步骤3)中的等比缩放方法为将所述临帖预备图形上的临帖 像素组拆分成矩阵组后，进行将其与缩放矩阵进行相乘以后，得到临帖预备像素 组，根据灰度值换算得到所述临帖图形。

进一步地，所述步骤4)中的最大海明距离的角度的搜索范围为正负20度。

进一步地，所述步骤5)中所述相似性评价的范围为0至1，当相似性评价 越趋近于1，所述临帖笔画组上的笔画以及所述原帖笔画组上的笔画越相似；当 相似性评价越趋近于0，所述临帖笔画组上的笔画以及所述原帖笔画组上的笔画 越不相似。

进一步地，所述步骤6)中临帖笔画权重的计算公式为wc(i)＝lc(i)/lc，所述原帖笔画权重的计算公式为wo(i)＝lo(i)/lo。

进一步地，所述步骤8)中所述临帖笔画质心坐标组的单根笔画的质心坐标 表示为cc(i)＝{x,y}，所述原帖笔画质心坐标组的单根笔画的质心坐标表示为 co(i)＝{x,y}，所述原帖图形的两根笔画的质心坐标的距离为do(i,j)＝||co(i),co(j)||， 所述临帖图形的两根笔画的质心坐标的距离为dc(i,j)＝||cc(i),cc(j)||，计算得到所 述原帖笔画权重与所述原帖图形的两根笔画的质心坐标的距离、所述临帖笔画权 重与所述临帖图形的两根笔画的质心坐标的距离。

进一步地，所述步骤9)中所述原帖结构矩阵Mo单个元素的求解方式为 ko(i,j)＝wo(i)*wo(j)，所述临帖结构矩阵Mc单个元素的求解方式为kc(i,j)＝wc(i)*wc(j)。

进一步地，所述步骤10)中将设置的笔画预设权重与所述笔画综合评价相乘 得到总笔画评价，将设置的结构预设权重与所述结构综合评价相乘得到总结构评 价，将所述总笔画评价与所述总结构评价相加后得到总书法评价。

进一步地，所述临帖图形与所述原帖图形大小一致。

与现有技术相比，本发明提供的软笔书法临摹相似性评价方法，有益效果在 于：可以对临帖笔画的整体结构进行评价；可以对临帖本身根据笔画从而进行整 体性的评分；可以对临帖进行相似性的综合评价。

附图说明

图1是本发明提供的软笔书法临摹相似性评价方法的步骤示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施 例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用 以解释本发明，并不用于限定本发明。

以下结合具体实施例对本发明的实现进行详细的描述。

本实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描 述中，需要理解的是，若有术语“上”、“下”、“左”、“右”等指示的方位 或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化 描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位 构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对 本专利的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术 语的具体含义。

参照图1所示，为本发明提供的较佳实施例。

本实施例提供的软笔书法临摹相似性评价方法，解决现有软笔书法临摹相似 性评价方法无法对临帖进行综合评价的问题。

软笔书法临摹相似性评价方法，用于对书法临摹进行相似度评测，包括以下 步骤：

1)、通过otus算法寻找待处理图形中的阈值，对待处理图形根据灰度进行 黑白分割，待处理图形上包括像素点组，像素点组中含有多个像素点，当单个像 素点的灰度值大于阈值时，单个像素点显示为白色；当单个像素点的灰度值小于 阈值时，单个像素点显示为黑色；

2)、通过数学形态学方法对像素点组进行计算，对多个像素点的灰度值构 建基础结构元素组，从而对多个像素点进行开运算以及闭运算，得到临帖预备图 形；

3)、利用等比缩放方法，将临帖预备图形进行缩放得到临帖图形20；

4)、搜索原帖图形10的像素点与临帖图形20上的像素点的最大海明距离， 得到对齐角度，对临帖图形20进行角度调整；

5)、临帖图形20包括临帖笔画组，原帖图形10包括原帖笔画组，对临帖 笔画组上的笔画以及原帖笔画组上的笔画进行交并比计算，得到笔画的相似性评 价；

6)、原帖笔画组包括至少一根原帖笔画，原帖笔画组包括至少一根原帖笔 画，原帖笔画组的笔画总长为lo，单根原帖笔画的长度为lo(i)，单根原帖笔画的 长度与笔画总长相除形成单根原帖笔画的原帖笔画权重wo(i)，原帖笔画组的原 帖权重组Wo＝{wo(1),wo(2),…,wo(n)}；

7)、通过原帖图形10的笔画以及临帖图形20的笔画的交并比，构建原帖 图形10以及临帖图形20的笔画相似性向量Sim＝{sim(1),sim(2),sim(3),…,sim(n)}， 通过原帖权重组与笔画相似性向量Sim＝{sim(1),sim(2),sim(3),…,sim(n)}计算得到 笔画综合评价；

8)、对临帖笔画组的笔画分别进行质心坐标求取，得到临帖笔画质心坐标 组Co，对原帖笔画组的笔画分别进行质心坐标求取，得到原帖笔画质心坐标组 Cc，分别计算得到原帖笔画权重与原帖图形10的两根笔画的质心坐标的距离以 及临帖笔画权重与临帖图形20的两根笔画的质心坐标的距离；

9)、通过原帖笔画权重与原帖图形10的两根笔画的质心坐标的距离得到原 帖图形10的原帖结构矩阵Mo，通过临帖笔画权重与临帖图形20的两根笔画的 质心坐标的距离得到临帖图形20的临帖结构矩阵Mc，测算原帖结构矩阵Mo的 每个元素以及临帖结构矩阵Mc的每个元素之间的欧氏距离，求解得到结构综合 评价；

10)、由设置的笔画预设权重以及笔画综合评价处理得到总笔画评价，将设 置的结构预设权重与结构综合评价处理得到总结构评价，将总笔画评价与总结构 评价处理后得到总书法评价。

该方案可以对临帖笔画的整体结构进行评价；可以对临帖本身根据笔画从而 进行整体性的评分；可以对临帖进行相似性的综合评价。

具体地，otus算法的使用过程为：首先随机初始化一个阈值，将图像f(x,y) 分割成前景A与背景B，分别计算前景，背景区域所占像素点的个数以及比例； 分别计算前景，背景区域像素值均值；计算类间方差，将阈值从0～255中间进行 遍历，找出使得类间方差最大的阈值，该阈值用于后续计算中。

具体地，软笔书法临摹相似性评价方法评价原帖字与用户临摹字之间的相似 性，总书法评价应该是一个0-1之间的数值，分别映射成四个等级：当总书法评 价的分数小于0.6的时候，使用该评价方法的系统指示的将会是请多练习；当总 书法评价的分数大于0.6且小于0.7的时候，使用该评价方法的系统指示的将会 是基本掌握；当总书法评价的分数大于0.7且小于0.85的时候，使用该评价方法 的系统指示的将会是良好；当总书法评价的分数大于0.85且小于1的时候，使用 该评价方法的系统指示的将会是优秀。

具体地，临帖笔画组与原帖笔画组均具有N根笔画，原帖笔画总长lo＝∑lo(i)。

具体地，笔画预设权重优选为0.5，结构预设权重优选为0.5。

具体地，步骤2)中开运算对像素点组进行去除杂点，像素点组产生空缺点， 闭运算对像素点组的空缺点进行填充，由像素点组得到填充好的同灰度的临帖预 备图形。

具体地，步骤3)中的等比缩放方法为将临帖预备图形上的临帖像素组拆分 成矩阵组后，进行将其与缩放矩阵进行相乘以后，得到临帖预备像素组，根据灰 度值换算得到临帖图形20。

具体地，步骤4)中的最大海明距离的角度的搜索范围为正负20度。

具体地，最大海明距离指的是在信息编码中，两个合法代码对应位上编码不 同的位数，而最大的海明距离求取以后，可以得到一个修正范围，从而对临帖图 形20的角度进行修正。

具体地，步骤5)中相似性评价的范围为0至1，当相似性评价越趋近于1， 临帖笔画组上的笔画以及原帖笔画组上的笔画越相似；当相似性评价越趋近于0， 临帖笔画组上的笔画以及原帖笔画组上的笔画越不相似。

具体地，步骤6)中临帖笔画权重的计算公式为wc(i)＝lc(i)/lc，原帖笔画权重的计算公式为wo(i)＝lo(i)/lo。

具体地，步骤8)中临帖笔画质心坐标组的单根笔画的质心坐标表示为 cc(i)＝{x,y}，原帖笔画质心坐标组的单根笔画的质心坐标表示为co(i)＝{x,y}，原帖图 形10的两根笔画的质心坐标的距离为do(i,j)＝||co(i),co(j)||，临帖图形20的两根 笔画的质心坐标的距离为dc(i,j)＝||cc(i),cc(j)||，计算得到原帖笔画权重与原帖图 形10的两根笔画的质心坐标的距离、临帖笔画权重与临帖图形20的两根笔画的 质心坐标的距离。

具体地，步骤9)中原帖结构矩阵Mo单个元素的求解方式为 ko(i,j)＝wo(i)*wo(j)，临帖结构矩阵Mc单个元素的求解方式为kc(i,j)＝wc(i)*wc(j)。

具体地，步骤10)中将设置的笔画预设权重与笔画综合评价相乘得到总笔画 评价，将设置的结构预设权重与结构综合评价相乘得到总结构评价，将总笔画评 价与总结构评价相加后得到总书法评价。

具体地，临帖图形20与原帖图形10大小一致。

具体地，软笔书法临摹相似性评价方法用于软笔书法临摹系统中。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明 的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保 护范围之内。

Claims (10)

1.软笔书法临摹相似性评价方法，用于对书法临摹进行相似度评测，其特征在于，包括以下步骤：

1)、通过otus算法寻找待处理图形中的阈值，对所述待处理图形根据灰度进行黑白分割，所述待处理图形上包括像素点组，所述像素点组中含有多个像素点，当单个像素点的灰度值大于所述阈值时，单个所述像素点显示为白色；当单个所述像素点的灰度值小于所述阈值时，单个所述像素点显示为黑色；

2)、通过数学形态学方法对所述像素点组进行计算，对多个所述像素点的灰度值构建基础结构元素组，从而对多个所述像素点进行开运算以及闭运算，得到临帖预备图形；

3)、利用等比缩放方法，将所述临帖预备图形进行缩放得到临帖图形；

4)、搜索所述原帖图形的像素点与所述临帖图形上的像素点的最大海明距离，得到对齐角度，对临帖图形进行角度调整；

5)、所述临帖图形包括临帖笔画组，所述原帖图形包括原帖笔画组，对所述临帖笔画组上的笔画以及所述原帖笔画组上的笔画进行交并比计算，得到笔画的相似性评价；

6)、所述原帖笔画组包括至少一根原帖笔画，所述原帖笔画组包括至少一根原帖笔画，所述原帖笔画组的笔画总长为lo，单根所述原帖笔画的长度为lo(i)，单根所述原帖笔画的长度与所述笔画总长相除形成单根所述原帖笔画的原帖笔画权重wo(i)，所述原帖笔画组的原帖权重组Wo＝{wo(1),wo(2),…,wo(n)}；

7)、通过所述原帖图形的笔画以及所述临帖图形的笔画的交并比，构建所述原帖图形以及所述临帖图形的笔画相似性向量Sim＝{sim(1),sim(2),sim(3),…,sim(n)}，通过所述临帖权重组与所述笔画相似性向量Sim＝{sim(1),sim(2),sim(3),…,sim(n)}计算得到笔画综合评价；

8)、对所述临帖笔画组的笔画分别进行质心坐标求取，得到临帖笔画质心坐标组Co，对所述原帖笔画组的笔画分别进行质心坐标求取，得到原帖笔画质心坐标组Cc，分别计算得到所述原帖笔画权重与所述原帖图形的两根笔画的质心坐标的距离以及所述临帖笔画权重与所述临帖图形的两根笔画的质心坐标的距离；

9)、通过所述原帖笔画权重与所述原帖图形的两根笔画的质心坐标的距离得到所述原帖图形的原帖结构矩阵Mo，通过所述临帖笔画权重与所述临帖图形的两根笔画的质心坐标的距离得到所述临帖图形的临帖结构矩阵Mc，测算所述原帖结构矩阵Mo的每个元素以及所述临帖结构矩阵Mc的每个元素之间的欧氏距离，求解得到结构综合评价；

10)、由设置的笔画预设权重以及所述笔画综合评价处理得到总笔画评价，将设置的结构预设权重与所述结构综合评价处理得到总结构评价，将所述总笔画评价与所述总结构评价处理后得到总书法评价。

2.如权利要求1所述的软笔书法临摹相似性评价方法，其特征在于，所述步骤2)中所述开运算对所述像素点组进行去除杂点，所述像素点组产生空缺点，所述闭运算对所述像素点组的所述空缺点进行填充，由所述像素点组得到填充好的同灰度的所述临帖预备图形。

3.如权利要求1所述的软笔书法临摹相似性评价方法，其特征在于，所述步骤3)中的等比缩放方法为将所述临帖预备图形上的临帖像素组拆分成矩阵组后，进行将其与缩放矩阵进行相乘以后，得到临帖预备像素组，根据灰度值换算得到所述临帖图形。

4.如权利要求1所述的软笔书法临摹相似性评价方法，其特征在于，所述步骤4)中的最大海明距离的角度的搜索范围为正负20度。

5.如权利要求1-4任意一项所述的软笔书法临摹相似性评价方法，其特征在于，所述步骤5)中所述相似性评价的范围为0至1，当相似性评价越趋近于1，所述临帖笔画组上的笔画以及所述原帖笔画组上的笔画越相似；当相似性评价越趋近于0，所述临帖笔画组上的笔画以及所述原帖笔画组上的笔画越不相似。

6.如权利要求1-4任意一项所述的软笔书法临摹相似性评价方法，其特征在于，所述步骤6)中临帖笔画权重的计算公式为wc(i)＝lc(i)/lc，所述原帖笔画权重的计算公式为wo(i)＝lo(i)/lo。

7.如权利要求1-4任意一项所述的软笔书法临摹相似性评价方法，其特征在于，所述步骤8)中所述临帖笔画质心坐标组的单根笔画的质心坐标表示为cc(i)＝{x,y}，所述原帖笔画质心坐标组的单根笔画的质心坐标表示为co(i)＝{x,y}，所述原帖图形的两根笔画的质心坐标的距离为do(i,j)＝||co(i),co(j)||，所述临帖图形的两根笔画的质心坐标的距离为dc(i,j)＝||cc(i),cc(j)||，计算得到所述原帖笔画权重与所述原帖图形的两根笔画的质心坐标的距离、所述临帖笔画权重与所述临帖图形的两根笔画的质心坐标的距离。

8.如权利要求1-4任意一项所述的软笔书法临摹相似性评价方法，其特征在于，所述步骤9)中所述原帖结构矩阵Mo单个元素的求解方式为ko(i,j)＝wo(i)*wo(j)，所述临帖结构矩阵Mc单个元素的求解方式为kc(i,j)＝wc(i)*wc(j)。

9.如权利要求1-4任意一项所述的软笔书法临摹相似性评价方法，其特征在于，所述步骤10)中将设置的笔画预设权重与所述笔画综合评价相乘得到总笔画评价，将设置的结构预设权重与所述结构综合评价相乘得到总结构评价，将所述总笔画评价与所述总结构评价相加后得到总书法评价。

10.如权利要求1-4任意一项所述的软笔书法临摹相似性评价方法，其特征在于，所述临帖图形与所述原帖图形大小一致。