CN111222503A - 一种古琴减字谱指法的手写谱字识别方法 - Google Patents

一种古琴减字谱指法的手写谱字识别方法 Download PDF

Info

Publication number
CN111222503A
CN111222503A CN202010297656.XA CN202010297656A CN111222503A CN 111222503 A CN111222503 A CN 111222503A CN 202010297656 A CN202010297656 A CN 202010297656A CN 111222503 A CN111222503 A CN 111222503A
Authority
CN
China
Prior art keywords
handwritten
spectrum
character
standard
recognized
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010297656.XA
Other languages
English (en)
Other versions
CN111222503B (zh
Inventor
沈添天
骆明锐
袁思敏
骆明垚
何儒
王露敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Normal University
Original Assignee
Hunan Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hunan Normal University filed Critical Hunan Normal University
Priority to CN202010297656.XA priority Critical patent/CN111222503B/zh
Publication of CN111222503A publication Critical patent/CN111222503A/zh
Application granted granted Critical
Publication of CN111222503B publication Critical patent/CN111222503B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Character Discrimination (AREA)

Abstract

本发明公开的一种古琴减字谱指法的手写谱字识别方法，包括：S001建立标准减字符号库；S002预处理待识别手写谱字和标准减字符号库；S003获取待识别手写谱字特征图；S004计算待识别手写谱字和标准减字符号特征信息；S005匹配待识别手写谱字特征信息和标准减字符号特征信息，计算两者的相关度；S006根据相关度与谱字组织结构特点，综合判断待识别手写谱字包含的标准减字符号及其位置；本发明能够自动识别古琴谱手写谱字，对多余干扰笔画有较高鲁棒性；通过数字化手抄琴谱，显著提高琴谱传承的效率，节约人工抄录时间与人力成本，避免因手抄传承出现的大量琴谱遗失与错漏，为实现减字谱的数字可编辑化奠定基础。

Description

一种古琴减字谱指法的手写谱字识别方法
技术领域
本发明属于古琴谱手写谱字识别的技术领域，具体涉及一种古琴减字谱指法的手写谱字识别方法。
背景技术
古琴艺术历史悠久，是中国最古老的弹拨乐器，已有三千多年的历史，最初以文字记录，即文字谱，由于文字谱过于繁复，不便使用和传承，后经唐代著名琴家曹柔减化，发展成为减字谱。
古琴艺术是最具民族特色的文化遗产之一，被誉为艺术性的哲学或哲学性的艺术，以“琴棋书画”四艺之首的特殊地位绵延几千年，得到了充分的发展，随着被联合国纳入“人类口头和非物质遗产代表作”，有关古琴的传承和保护得到了普遍关注和重视。在这种背景下，如何充分利用现代数字信息智能技术，为弘扬和保护古琴艺术做一些技术性的研究和开发工作显得迫切需要。
由于古琴减字没有被收录在现有的文字编码库中，而古琴减字又多达上万个，对古琴减字编码也非易事，古琴谱又多为手抄本，这都严重阻碍了古琴艺术的传承，所以古琴减字谱的数字化成为我们面临的又迫切需要解决的一个重要课题。
因此，有必要提供一种能够对古琴手写谱字包含的减字符号做出判断，且面向古琴谱手写谱字的识别方法。
发明内容
（一）解决的技术问题
针对现有技术的不足，本发明提供一种古琴减字谱指法的手写谱字识别方法，能够实现古琴减字谱数字化，使得利用现代图像处理技术手段保存手写古琴减字谱成为可能, 并且将极大地推动古琴艺术的传播。
（二）技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种古琴减字谱指法的手写谱字识别方法，包括：
S001、建立标准减字符号库；
S002、预处理待识别手写谱字与标准减字符号库；
S003、获取待识别手写谱字的特征图；
S004、计算待识别手写谱字和标准减字符号特征信息；
S005、匹配待识别手写谱字特征信息和标准减字符号特征信息，通过计算得出待识别手写谱字特征信息与标准减字符号特征信息的相关度；
S006、根据待识别手写谱字特征信息与标准减字符号特征信息的相关度，对待识别手写谱字的特定位置包含的标准减字符号做出综合判断。
进一步的，所述步骤S001，具体包括：
S0201、获取标准体减字谱的谱字图片，通过平滑以及二值化处理得到背景像素灰度值 为255、笔画像素灰度值为0的谱字图，以谱字图的右上角为原点建立像素坐标系，将谱字图 中笔画的最上端、最下端、最左端和最右端的像素坐标分别记为
Figure 395293DEST_PATH_IMAGE001
，并裁剪顶点为
Figure 386383DEST_PATH_IMAGE002
的矩形区域，将得到的裁剪图片归纳为SP集合；
S0202、挑选SP集合中包含左手指法的裁剪图片并命名为SPr集合, 将SPr集合中非左 手指法部分的笔画像素灰度值重置为255，从而得到左手指法标准符号库；同理，分别得到 左手徽位标准符号库、装饰弹法标准符号库、右手指法标准符号库和右手弦位标准符号库， 将左手指法标准符号库、左手徽位标准符号库、装饰弹法标准符号库、右手指法标准符号库 和右手弦位标准符号库归纳为标准减字符号库，并将标准减字符号库中的裁剪图片大小调 整至
Figure 429425DEST_PATH_IMAGE003
像素，得到标准图片。
进一步的，所述步骤S002，具体包括：
S0301、获取待识别手写谱字的图像，通过去噪、平滑、裁剪、图片二值化，获得背景像素 灰度值为255、笔画像素灰度值为0的待识别手写谱字图，将待识别手写谱字图大小调整至
Figure 113347DEST_PATH_IMAGE004
像素；
S0302、对待识别手写谱字图和匹配的标准图片的大小进行对比，当
Figure 343472DEST_PATH_IMAGE005
或
Figure 872673DEST_PATH_IMAGE006
时，将待识别手写谱字图放大至
Figure 911167DEST_PATH_IMAGE003
像素，当
Figure 438095DEST_PATH_IMAGE007
且
Figure 704252DEST_PATH_IMAGE008
时， 并将与待识别手写谱字图进行匹配的标准图片尺寸与待识别手写谱字图尺寸均缩放至
Figure 771565DEST_PATH_IMAGE009
像素，
Figure 523620DEST_PATH_IMAGE010
为
Figure 18186DEST_PATH_IMAGE011
向下取整记。
进一步的，所述步骤S003，具体包括：
S0401、将步骤S001得到的单个标准图片中所有的像素灰度值归纳集合记为
Figure 488482DEST_PATH_IMAGE012
, 将步骤S002得到的待识别手写谱字图中所有像素灰度值归 纳集合记为
Figure 359486DEST_PATH_IMAGE013
，集合元素的下标表示该像素灰度值在标准图 片或待识别手写谱字图中的位置；
S0402、将待识别手写谱字图的像素灰度值集合转化为
Figure 169310DEST_PATH_IMAGE014
，其中
Figure 631516DEST_PATH_IMAGE015
，将集 合
Figure 792370DEST_PATH_IMAGE016
中像素灰度值为0的点的个数记为
Figure 998223DEST_PATH_IMAGE017
，对
Figure 724871DEST_PATH_IMAGE017
的个数进行判断，当
Figure 561240DEST_PATH_IMAGE018
时， 得到的
Figure 6127DEST_PATH_IMAGE016
集合对应的图片即为待识别手写谱字特征图；
当
Figure 218934DEST_PATH_IMAGE019
时，进行如下步骤：
(1)、记腐蚀次数为
Figure 65667DEST_PATH_IMAGE020
；
(2)、腐蚀次数
Figure 338517DEST_PATH_IMAGE021
自增1，对
Figure 733683DEST_PATH_IMAGE021
进行判断，当
Figure 281339DEST_PATH_IMAGE022
时跳转至第(5)步，否则执行 第（3）步；
(3)、以3×3的结构元腐蚀
Figure 716999DEST_PATH_IMAGE016
集合对应的图片，记腐蚀后的图片像素灰度值集合 为
Figure 364013DEST_PATH_IMAGE023
,集合元素的下标表示该灰度值在图片中的位置；
(4)、将腐蚀后的图片像素灰度值集合转化为
Figure 721176DEST_PATH_IMAGE024
，其 中
Figure 541364DEST_PATH_IMAGE025
；
(5)、对
Figure 362690DEST_PATH_IMAGE021
进行判断，当
Figure 446183DEST_PATH_IMAGE022
时，该待识别手写谱字图不是有效的谱字图片，处 理其他待识别手写谱字及要与之匹配标准减字符号；当
Figure 352959DEST_PATH_IMAGE019
时，跳转至第(2)步；当
Figure 711260DEST_PATH_IMAGE018
时，得到的集合
Figure 121512DEST_PATH_IMAGE016
对应的图片即为待识别手写谱字特征图。
进一步的，所述步骤S004，具体包括：
S0501、将待识别手写谱字特征图的大小记为
Figure 703803DEST_PATH_IMAGE026
,将待识别手写谱字特征图像素 灰度值为i的个数记为,且
Figure 994287DEST_PATH_IMAGE028
,则待识别手写谱字特征图中每个像素灰度 值出现的概率
Figure 524626DEST_PATH_IMAGE029
，从而待识别手写谱字特征图的信息熵为
Figure 746660DEST_PATH_IMAGE030
，同理，得到标准减字符号库中的标准图片信息熵为
Figure 91010DEST_PATH_IMAGE031
，其中
Figure 56692DEST_PATH_IMAGE032
为标准减字符号库中的标准图片的每个像素灰度值 出现的概率；
S0502、记待识别手写谱字特征图的像素点灰度值为
Figure 175958DEST_PATH_IMAGE033
, 记标准图片中像素点灰 度值为
Figure 568893DEST_PATH_IMAGE034
,其中，x和y分别为像素点的横、纵坐标，并且
Figure 671979DEST_PATH_IMAGE035
, 记
Figure 175772DEST_PATH_IMAGE036
，其中，i和j为像素点灰度值，且
Figure 415124DEST_PATH_IMAGE037
，则待识别手写谱字特征图的像素点灰度值与标准图片 的像素点灰度值联合概率为
Figure 244539DEST_PATH_IMAGE038
，从而待识别手写谱字特征 图与标准图片的联合熵为
Figure 38183DEST_PATH_IMAGE039
、互信息为
Figure 876826DEST_PATH_IMAGE040
，将互信息归一化得
Figure 236263DEST_PATH_IMAGE041
；
S0503、分别在垂直方向和水平方向计算待识别手写谱字特征图的梯度及梯度方向，垂 直方向梯度算子为
Figure 705422DEST_PATH_IMAGE042
水平方向梯度算子为
Figure 251941DEST_PATH_IMAGE043
，
Figure 97537DEST_PATH_IMAGE044
，
Figure 311481DEST_PATH_IMAGE045
,
Figure 217120DEST_PATH_IMAGE046
,其中
Figure 651600DEST_PATH_IMAGE047
，
Figure 566467DEST_PATH_IMAGE048
分别为待识别手写谱字 特征图在像素点(x，y)处的垂直梯度和水平梯度，
Figure 369337DEST_PATH_IMAGE049
为待识别手写谱字特征图在像 素点(x，y)处的像素灰度值，
Figure 180299DEST_PATH_IMAGE050
则指的是像素点在点(x，y)处梯度的方向，且
Figure 435831DEST_PATH_IMAGE051
，同理，得到的标准图片像素点在点(x，y)处的梯度方向为
Figure 154388DEST_PATH_IMAGE052
，其中
Figure 811765DEST_PATH_IMAGE053
，
Figure 324786DEST_PATH_IMAGE054
分别为标准图片在像素点 (x，y)处的垂直梯度和水平梯度，且
Figure 67614DEST_PATH_IMAGE055
；
S0504、将区间
Figure 58704DEST_PATH_IMAGE056
等分为9个左闭右开的子区间，将等分后得到的子区间记 为
Figure 836167DEST_PATH_IMAGE057
，其中 ，将待识别手写谱字特征图的梯度方向落在子区间
Figure 484634DEST_PATH_IMAGE057
的个数记为，同理，得到的标准图片的梯度方向落在子区间
Figure 911385DEST_PATH_IMAGE057
的个数为。
进一步的，所述步骤S005，具体包括：
待识别手写谱字特征图与标准减字符号库中的标准图片的归一化互信息为，待识别手写谱字特征图的梯度方向落在区间
Figure 834099DEST_PATH_IMAGE057
的个数为 ，标 准减字符号库图片的梯度方向落在区间
Figure 611879DEST_PATH_IMAGE057
的个数为，其中，
记
Figure 903948DEST_PATH_IMAGE062
，记
Figure 834995DEST_PATH_IMAGE063
，待识别手写谱字特征图与步骤S002得到的标准减字符号库图片的笔画相似度为
Figure 58166DEST_PATH_IMAGE064
。
进一步的，所述步骤S006，具体包括：
S0701、记待识别手写谱字特征图与左手指法标准符号库中所有的标准图片的归一化互信息集合和笔画相似度集合分别为
Figure 201703DEST_PATH_IMAGE065
,
Figure 69296DEST_PATH_IMAGE066
，其中，集合元素下标表示左手指法标准符号库中的标准图片的编号；
S0702、引入阈值参数
Figure 436823DEST_PATH_IMAGE067
,引入权重因子
Figure 79114DEST_PATH_IMAGE068
、K*,且
Figure 823079DEST_PATH_IMAGE069
，并建立评价计算方式为：
Figure 404233DEST_PATH_IMAGE070
，其中，
Figure 677083DEST_PATH_IMAGE071
,
Figure 78108DEST_PATH_IMAGE072
;得出判定待识别手写谱字图的评价标准为：
Figure 891343DEST_PATH_IMAGE073
,
Figure 467949DEST_PATH_IMAGE074
,其中：max为求取集合元素的最大值；式（1）为该待识别书写谱字图中没有左手指法符号；式（2）为该待识别手写谱字图中有左手指法符号，且该待识别手写谱字图中包含的左手指法符号为：以集合
Figure 911700DEST_PATH_IMAGE075
中元素
Figure 331180DEST_PATH_IMAGE076
的下标为编号的左手指法标准符号库的标准图片中所示符号；其中
Figure 354631DEST_PATH_IMAGE076
越大表示匹配度越高，
Figure 175956DEST_PATH_IMAGE077
时为最佳匹配；同理，可得待识别手写谱字图中还包含有哪些其他减字符号。
进一步的，所述阈值参数
Figure 56188DEST_PATH_IMAGE067
和权重因子
Figure 431805DEST_PATH_IMAGE068
、K*的确定，具体为：
S0801、为标准减字符号库中每个标准图片分别选取5个手写谱字，则选取的手写谱字共为
Figure 321264DEST_PATH_IMAGE078
个，其中，
Figure 465938DEST_PATH_IMAGE079
为左手指法标准符号库对应选取的手写谱字个数，
Figure 511211DEST_PATH_IMAGE080
为左手徽位标准符号库对应选取的手写谱字个数，
Figure 108545DEST_PATH_IMAGE081
为装饰弹法标准符号库对应选取的手写谱字个数，
Figure 536116DEST_PATH_IMAGE082
为右手指法标准符号库对应选取的手写谱字个数，
Figure 535296DEST_PATH_IMAGE083
为右手弦位标准符号库对应选取的手写谱字个数；
S0802、将选取的N个手写谱字根据步骤S002、步骤S003、步骤S004、步骤S005和步骤S006分别与对应的标准图片进行匹配，其中，在步骤S006时，取
Figure 22909DEST_PATH_IMAGE084
，当
Figure 373119DEST_PATH_IMAGE085
时，取
Figure 338801DEST_PATH_IMAGE086
, 当
Figure 395750DEST_PATH_IMAGE087
时，取
Figure 54264DEST_PATH_IMAGE088
,记
Figure 360611DEST_PATH_IMAGE089
对应的
Figure 864405DEST_PATH_IMAGE090
，其中a=1或0；将N个手写谱字经过上述匹配后得到集合记为
Figure 103757DEST_PATH_IMAGE091
，
Figure 667593DEST_PATH_IMAGE092
，其中，
Figure 726816DEST_PATH_IMAGE093
的下标为选取的N个手写谱字的编号，
Figure 34301DEST_PATH_IMAGE094
表示编号为s的手写谱字
Figure 856720DEST_PATH_IMAGE095
值，
Figure 591458DEST_PATH_IMAGE096
表示编号为s的手写谱字
Figure 872397DEST_PATH_IMAGE097
值，记集合
Figure 983573DEST_PATH_IMAGE098
中值为1的元素个数为
Figure 666358DEST_PATH_IMAGE099
，取阈值参数
Figure 712943DEST_PATH_IMAGE100
，取权重因子
Figure 12337DEST_PATH_IMAGE101
，取权重因子
Figure 927203DEST_PATH_IMAGE102
，其中，min为求取集合元素的最小值。
（三）有益效果
本发明提供了一种古琴减字谱指法的手写谱字识别方法。具备以下益效果：本发明通过扫描仪或视觉传感器对古琴谱手写谱字实现离线或在线提取，对提取的待识别手写谱字以及标准减字符号库中的标准图片进行预处理，建立待识别手写谱字特征图模型，计算待识别手写谱字的特征信息和标准减字符号库中标准图片（即标准减字符号）的特征信息，通过计算得出待识别手写谱字的特征信息与标准减字符号特征信息的相关度，根据待识别手写谱字与标准减字符号的相关度，对待识别手写谱字特定位置包含的标准减字符号做出综合判断；本发明利用古琴谱谱字全局降维特征信息，使用待识别手写谱字与标准减字符号的互信息和笔画相似度的加权值作为是否包含相关减字符号的鉴定标准，能够对待识别手写谱字包含的减字符号作出鉴定，满足离线和在线自动识别古琴谱手写谱字包含的减字符号，为后续自动输出标准谱字提供必要的可靠的信息。该方法能够自动识别古琴谱手写谱字字，并且对旋转、平移、缩放具有较高的鲁棒性，在充分保证识别速度和精度的情况下大大节约了人工录谱成本，显著提高录谱效率，并且能够杜绝人工录谱的误录，实现古琴减字谱的数字化，使得利用现代图像处理技术手段保存手写古琴减字谱成为可能，必将为弘扬和保护古琴艺术做出重要贡献。
附图说明
图1为本发明实施例一提供的一种古琴减字谱指法的手写谱字识别方法的流程示意图；
图2为本发明实施例一提供的减字结构示意图；
图3为本发明实施例一提供的像素坐标系示意图；
图4为本发明实施例二提供的一种古琴减字谱指法的手写谱字识别方法的流程示意图。
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的一部分实施例，而不是全部的实施例；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。
图1为本发明实施例一提供的一种古琴减字谱指法的手写谱字识别方法的流程示意图，如图1所示，一种古琴减字谱指法的手写谱字识别方法，包括：
S001、建立标准减字符号库；
S002、预处理待识别手写谱字与标准减字符号库；
S003、获取待识别手写谱字的特征图；
S004、计算待识别手写谱字和标准减字符号特征信息；
S005、匹配待识别手写谱字特征信息和标准减字符号特征信息，通过计算得出待识别手写谱字特征信息与标准减字符号特征信息的相关度；
S006、根据待识别手写谱字特征信息与标准减字符号特征信息的相关度，对待识别手写谱字的特定位置包含的标准减字符号做出综合判断。
具体的，通过扫面议或视觉传感器获取待识别的手写的古琴减字谱图片，将得到的古琴减字谱图片分割成单个谱字图片，图像坐标系示意图如图3所示，谱字结构示意图如图2所示。
谱字中的字是古琴乐谱新构造的谱字，具备指导音律的作用；减字符号中的字是汉字的意思，通过减少汉字的某些笔画获得的减字符号。
单个谱字可以由单个减字符号构成，也可由多个减字符号构成，一旦称其为谱字，则是将其放在了乐谱之中，与前后的谱字相关联，具备音律指导作用，可以产生旋律，不同于单独某个减字符号。
考虑到泛音的谱字，只指示了某种音色，并没有指定指法，重复的谱字不指代某种音色或者指法，只是标志重复某一段而已。
本发明通过扫描仪或视觉传感器对古琴谱手写谱字实现离线或在线提取，对提取的待识别手写谱字以及标准减字符号库中的标准图片进行预处理，建立待识别手写谱字特征图模型，计算待识别手写谱字的特征信息和标准减字符号库中标准图片（即标准减字符号）的特征信息，通过计算得出待识别手写谱字的特征信息与标准减字符号特征信息的相关度，根据待识别手写谱字与标准减字符号的相关度，对待识别手写谱字特定位置包含的标准减字符号做出综合判断；本发明利用古琴谱谱字全局降维特征信息，使用待识别手写谱字与标准减字符号的互信息和笔画相似度的加权值作为是否包含相关减字符号的鉴定标准，能够对待识别手写谱字包含的减字符号作出鉴定，满足离线和在线自动识别古琴谱手写谱字包含的减字符号，为后续自动输出标准谱字提供必要的可靠的信息。该方法能够自动识别古琴谱手写谱字字，并且对旋转、平移、缩放具有较高的鲁棒性，在充分保证识别速度和精度的情况下大大节约了人工录谱成本，显著提高录谱效率，并且能够杜绝人工录谱的误录。
所述步骤S001，具体包括：
S0201、获取标准体减字谱的谱字图片，所获得的标准谱字图片背景像素灰度值较大， 谱字笔画像素灰度值较低，通过平滑以及二值化处理得到背景像素灰度值为255、笔画像素 灰度值为0的谱字图，以谱字图的右上角为原点建立像素坐标系，像素坐标系如图3所示，将 谱字图中笔画的最上端、最下端、最左端和最右端的像素坐标分别记为
Figure 730074DEST_PATH_IMAGE001
，并裁剪谱字图，留下顶点为
Figure 541036DEST_PATH_IMAGE002
构成的矩形区域，将得到的裁剪图片归纳为SP集合， 谱字结构划分为图2所示；
S0202、人工挑选SP集合中包含左手指法的裁剪图片并命名为SPr集合, 将SPr集合中 非左手指法部分的笔画像素灰度值重置为255，且保持裁剪图片大小不变，从而得到左手指 法标准符号库；同理，分别得到左手徽位标准符号库、装饰弹法标准符号库、右手指法标准 符号库和右手弦位标准符号库，将左手指法标准符号库、左手徽位标准符号库、装饰弹法标 准符号库、右手指法标准符号库和右手弦位标准符号库统一归纳为标准减字符号库，并将 标准减字符号库中的裁剪图片大小调整至
Figure 62147DEST_PATH_IMAGE003
像素，得到标准图片。
所述步骤S002，具体包括：
S0301、获取待识别手写谱字的图像，通过去噪、平滑、裁剪，使得待识别手写谱字的图 像的最上端、最下端、最左端、最右端均存在像素灰度值为0的像素点，对图片进行二值化， 获得背景像素灰度值为255、笔画像素灰度值为0的待识别手写谱字图，将待识别手写谱字 图大小调整至
Figure 515125DEST_PATH_IMAGE004
像素；
S0302、对待识别手写谱字图的大小和匹配的标准图片的大小进行对比，当
Figure 438081DEST_PATH_IMAGE005
或
Figure 154365DEST_PATH_IMAGE006
时，将待识别手写谱字图放大至
Figure 693930DEST_PATH_IMAGE003
像素，当
Figure 780678DEST_PATH_IMAGE007
且
Figure 292561DEST_PATH_IMAGE008
时，并将与待识别手写谱字图进行匹配的标准图片尺寸与待识别手写谱字图尺 寸均缩放至
Figure 976484DEST_PATH_IMAGE009
像素，
Figure 941029DEST_PATH_IMAGE010
为
Figure 735809DEST_PATH_IMAGE011
向下取整记。
所述步骤S003，具体包括：
S0401、将步骤S001得到的单个标准图片中所有的像素灰度值归纳集合记为
Figure 367779DEST_PATH_IMAGE012
, 将步骤S002得到的待识别手写谱字图中所有像素灰度值归 纳集合记为
Figure 222602DEST_PATH_IMAGE013
，集合元素的下标1、2、3……表示该像素灰度值 在标准图片或待识别手写谱字图中的位置；
S0402、将待识别手写谱字图的像素灰度值集合转化为
Figure 272915DEST_PATH_IMAGE014
，其中
Figure 759391DEST_PATH_IMAGE015
，将集 合
Figure 785116DEST_PATH_IMAGE016
中像素灰度值为0的点的个数记为
Figure 724253DEST_PATH_IMAGE017
，对
Figure 391995DEST_PATH_IMAGE017
的个数进行判断，当
Figure 264136DEST_PATH_IMAGE018
时， 得到的
Figure 664024DEST_PATH_IMAGE016
集合对应的图片即为待识别手写谱字特征图；
当
Figure 621616DEST_PATH_IMAGE019
时，进行如下步骤：
(1)、记腐蚀次数为
Figure 24873DEST_PATH_IMAGE020
；
(2)、腐蚀次数
Figure 751520DEST_PATH_IMAGE021
自增1，对
Figure 384627DEST_PATH_IMAGE021
进行判断，当
Figure 32777DEST_PATH_IMAGE022
时跳转至第(5)步，否则执行第 （3）步；
(3)、以3×3像素的结构元腐蚀
Figure 776742DEST_PATH_IMAGE016
集合对应的图片，记腐蚀后的图片像素灰度值 集合为
Figure 92317DEST_PATH_IMAGE023
,集合元素的下标表示该灰度值在图片中的位 置；
(4)、将腐蚀后的图片像素灰度值集合转化为
Figure 365166DEST_PATH_IMAGE024
，其 中
Figure 500613DEST_PATH_IMAGE025
；
(5)、对
Figure 517110DEST_PATH_IMAGE021
进行判断，当
Figure 890454DEST_PATH_IMAGE022
时，该待识别手写谱字图不是有效的谱字图片，处 理其他待识别手写谱字及要与之匹配标准减字符号；当
Figure 865363DEST_PATH_IMAGE019
时，跳转至第(2)步；当
Figure 19264DEST_PATH_IMAGE018
时，得到的集合
Figure 839452DEST_PATH_IMAGE016
对应的图片即为待识别手写谱字特征图。
所述步骤S004，具体包括：
S0501、将待识别手写谱字特征图的大小记为
Figure 395199DEST_PATH_IMAGE026
,将待识别手写谱字特征图像素 灰度值为i的个数记为,且
Figure 379609DEST_PATH_IMAGE028
,则待识别手写谱字特征图中每个像素灰度 值出现的概率
Figure 3488DEST_PATH_IMAGE029
，从而待识别手写谱字特征图的信息熵为
Figure 413741DEST_PATH_IMAGE030
，同理，得到标准减字符号库中的标准图片信息熵为
Figure 605819DEST_PATH_IMAGE031
，其中
Figure 734312DEST_PATH_IMAGE032
为标准减字符号库中的标准图片的每个像素灰度值 出现的概率；
S0502、记待识别手写谱字特征图的像素点灰度值为
Figure 630724DEST_PATH_IMAGE033
, 记标准图片中像素点灰 度值为
Figure 364325DEST_PATH_IMAGE034
,其中，x和y分别为像素点的横、纵坐标，并且
Figure 320779DEST_PATH_IMAGE035
, 记
Figure 670989DEST_PATH_IMAGE036
，其中，i和j为像素点灰度值，且
Figure 636671DEST_PATH_IMAGE037
，则待识别手写谱字特征图的像素点灰度值与标准图片的 像素点灰度值联合概率为
Figure 224779DEST_PATH_IMAGE038
，从而待识别手写谱字特征 图与标准图片的联合熵为
Figure 352135DEST_PATH_IMAGE039
、互信 息为
Figure 924061DEST_PATH_IMAGE040
，将互信息归一化得
Figure 687575DEST_PATH_IMAGE041
；
S0503、分别在垂直方向和水平方向计算待识别手写谱字特征图的梯度及梯度方向，垂 直方向梯度算子为
Figure 926926DEST_PATH_IMAGE042
,水平方向梯度算子为
Figure 490763DEST_PATH_IMAGE043
，
Figure 815565DEST_PATH_IMAGE044
，
Figure 388629DEST_PATH_IMAGE045
,
Figure 216907DEST_PATH_IMAGE046
,其中
Figure 951645DEST_PATH_IMAGE047
，
Figure 29323DEST_PATH_IMAGE048
分别为待识别手写谱字特征图在像素点(x，y)处的垂直梯度和 水平梯度，
Figure 406077DEST_PATH_IMAGE049
为待识别手写谱字特征图在像素点(x，y)处的像素灰度值，
Figure 354442DEST_PATH_IMAGE050
则指的是像素点在点(x，y)处梯度的方向，且
Figure 525660DEST_PATH_IMAGE051
，同理，得到的标准图 片像素点在点(x，y)处的梯度方向为
Figure 434841DEST_PATH_IMAGE052
，其中
Figure 84129DEST_PATH_IMAGE053
，
Figure 887000DEST_PATH_IMAGE054
分别为标准图片在像素点(x，y)处的垂直梯度和水平梯度，且
Figure 229119DEST_PATH_IMAGE055
；
S0504、将区间
Figure 750230DEST_PATH_IMAGE056
等分为9个左闭右开的子区间，将等分后得到的子区间记为
Figure 220787DEST_PATH_IMAGE057
，其中，将待识别手写谱字特征图的梯度方向落在子区间
Figure 266551DEST_PATH_IMAGE057
的个数记为 其中梯度方向落在区间的个数还包括梯度方向为的个数，，同理，得 到的标准图片的梯度方向落在子区间
Figure 133958DEST_PATH_IMAGE057
的个数为 。
所述步骤S005，具体包括：
待识别手写谱字特征图与标准减字符号库中的标准图片的归一化互信息为，待识别手写谱字特征图的梯度方向落在区间
Figure 666199DEST_PATH_IMAGE057
的个数为，标准 减字符号库图片的梯度方向落在区间
Figure 769601DEST_PATH_IMAGE057
的个数为，其中，
记
Figure 608835DEST_PATH_IMAGE062
，记
Figure 79131DEST_PATH_IMAGE063
，待识别手写谱字特征图与步骤S002得到的标准减字符号库图片的笔画相似度为
Figure 481293DEST_PATH_IMAGE064
。
所述步骤S006，具体包括：
S0701、记待识别手写谱字特征图与左手指法标准符号库中所有的标准图片的归一化互信息集合和笔画相似度集合分别为
Figure 556697DEST_PATH_IMAGE065
,
Figure 284481DEST_PATH_IMAGE066
，其中，集合元素下标表示左手指法标准符号库中的标准图片的编号；
S0702、引入阈值参数
Figure 976494DEST_PATH_IMAGE067
,引入权重因子
Figure 651189DEST_PATH_IMAGE068
、K*,且
Figure 112257DEST_PATH_IMAGE069
，并建立评价计算方式为：
Figure 745364DEST_PATH_IMAGE070
，其中，
Figure 393514DEST_PATH_IMAGE071
,
Figure 137479DEST_PATH_IMAGE072
;得出判定待识别手写谱字图的评价标准为：
Figure 984212DEST_PATH_IMAGE073
，
Figure 725903DEST_PATH_IMAGE074
,其中：max为求取集合元素的最大值；式（1）为该待识别书写谱字图中没有左手指法符号；式（2）为该待识别手写谱字图中有左手指法符号，且该待识别手写谱字图中包含的左手指法符号为：以集合
Figure 658087DEST_PATH_IMAGE075
中元素
Figure 674585DEST_PATH_IMAGE076
的下标为编号的左手指法标准符号库的标准图片中所示符号；其中
Figure 104386DEST_PATH_IMAGE076
越大表示匹配度越高，
Figure 813716DEST_PATH_IMAGE077
时为最佳匹配；同理，可得待识别手写谱字图中还包含有哪些其他减字符号。
所述阈值参数
Figure 436458DEST_PATH_IMAGE067
和权重因子
Figure 397592DEST_PATH_IMAGE068
、K*的确定，具体为：
S0801、为标准减字符号库中每个标准图片分别选取5个手写谱字，则选取的手写谱字共为
Figure 625442DEST_PATH_IMAGE078
个，其中，
Figure 240094DEST_PATH_IMAGE079
为左手指法标准符号库对应选取的手写谱字个数，
Figure 615712DEST_PATH_IMAGE080
为左手徽位标准符号库对应选取的手写谱字个数，
Figure 442854DEST_PATH_IMAGE081
为装饰弹法标准符号库对应选取的手写谱字个数，
Figure 118686DEST_PATH_IMAGE082
为右手指法标准符号库对应选取的手写谱字个数，
Figure 638660DEST_PATH_IMAGE083
为右手弦位标准符号库对应选取的手写谱字个数；
S0802、将选取的N个手写谱字根据步骤S002、步骤S003、步骤S004、步骤S005和步骤S006分别与对应的标准图片进行匹配，其中，在步骤S006时，取
Figure 767153DEST_PATH_IMAGE084
，当
Figure 663565DEST_PATH_IMAGE085
时，取
Figure 188044DEST_PATH_IMAGE086
, 当
Figure 675657DEST_PATH_IMAGE087
时，取
Figure 494708DEST_PATH_IMAGE088
,记
Figure 460390DEST_PATH_IMAGE089
对应的
Figure 579656DEST_PATH_IMAGE090
，其中a=1或0；将N个手写谱字经过上述匹配后得到集合记为
Figure 238171DEST_PATH_IMAGE091
，
Figure 75677DEST_PATH_IMAGE092
，其中，
Figure 845049DEST_PATH_IMAGE093
的下标为选取的N个手写谱字的编号，
Figure 818822DEST_PATH_IMAGE094
表示编号为s的手写谱字
Figure 382658DEST_PATH_IMAGE095
值，
Figure 441881DEST_PATH_IMAGE096
表示编号为s的手写谱字
Figure 749366DEST_PATH_IMAGE097
值，记集合
Figure 108803DEST_PATH_IMAGE106
中值为1的元素个数为
Figure 577961DEST_PATH_IMAGE099
，取阈值参数
Figure 655639DEST_PATH_IMAGE100
，取权重因子
Figure 501235DEST_PATH_IMAGE101
，取权重因子
Figure 715179DEST_PATH_IMAGE102
，其中，min为求取集合元素的最小值。
图4为本发明实施例二提供的一种面向古琴谱手写谱字识别方法的流程示意图，如图4所示，一种面向古琴谱手写谱字识别方法，包括：
建立标准减字符号库，将在线或离线获得的古琴减字谱分割成单个谱字，对获得的待识别手写谱字以及标准减字符号（标准减字符号库中的标准图片上的笔画结构即标准减字符号）进行预处理，建立待识别手写谱字特征图模型，计算待识别手写谱字和标准减字符号特征信息，通过计算得出待识别手写谱字特征信息与标准减字符号特征信息的相关度，根据待识别手写谱字和标准减字符号的相关度以及特征图，对待识别手写谱字特定位置包含的标准减字符号做出综合判断。其中，谱字的减字符号结构的匹配顺序一次为左手指法符号，左手徽位符号，右手指法符号，右手弦位符号，其他减字符号，当待识别手写谱字无左手指法符号时，跳过左手徽位符号的匹配而直接匹配右手指法符号，当待识别手写谱字无右手指法符号时，跳过右手弦位符号的匹配而直接匹配其他减字符号，当其他减字符号全部匹配完之后，统计识别到的减字符号，根据划分的减字结构和识别出的减字符号生成标准谱字并输出，当没有待识别减字时，结束流程，当还有待识别手写谱字时，重复上述流程继续识别下一个手写谱字。本方法能够自动识别古琴谱手写谱字，并且对旋转、平移、缩放具有较高的鲁棒性，在充分保证识别速度和精度的情况下大大节约了人工录谱成本，显著提高录谱效率，并且能够杜绝人工录谱的误录。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (8)

1.一种古琴减字谱指法的手写谱字识别方法，其特征在于：包括：
S001、建立标准减字符号库；
S002、预处理待识别手写谱字与标准减字符号库；
S003、获取待识别手写谱字的特征图；
S004、计算待识别手写谱字和标准减字符号特征信息；
S005、匹配待识别手写谱字特征信息和标准减字符号特征信息，通过计算得出待识别手写谱字特征信息与标准减字符号特征信息的相关度；
S006、根据待识别手写谱字特征信息与标准减字符号特征信息的相关度，对待识别手写谱字的特定位置包含的标准减字符号做出综合判断。
2.根据权利要求1所述的一种古琴减字谱指法的手写谱字识别方法，其特征在于：所述步骤S001，具体包括：
S0201、获取标准体减字谱的谱字图片，通过平滑以及二值化处理得到背景像素灰度值 为255、笔画像素灰度值为0的谱字图，以谱字图的右上角为原点建立像素坐标系，将谱字图 中笔画的最上端、最下端、最左端和最右端的像素坐标分别记为
Figure 507443DEST_PATH_IMAGE001
，并裁剪顶点为
Figure 96687DEST_PATH_IMAGE002
的矩形区域，将得到的裁剪图片归纳为SP集合；
S0202、挑选SP集合中包含左手指法的裁剪图片并命名为SPr集合, 将SPr集合中非左手 指法部分的笔画像素灰度值重置为255，从而得到左手指法标准符号库；同理，分别得到左 手徽位标准符号库、装饰弹法标准符号库、右手指法标准符号库和右手弦位标准符号库，将 左手指法标准符号库、左手徽位标准符号库、装饰弹法标准符号库、右手指法标准符号库和 右手弦位标准符号库归纳为标准减字符号库，并将标准减字符号库中的裁剪图片大小调整 至
Figure 282949DEST_PATH_IMAGE003
像素，得到标准图片。
3.根据权利要求2所述的一种古琴减字谱指法的手写谱字识别方法，其特征在于：所述步骤S002，具体包括：
S0301、获取待识别手写谱字的图像，通过去噪、平滑、裁剪、图片二值化，获得背景像素 灰度值为255、笔画像素灰度值为0的待识别手写谱字图，将待识别手写谱字图大小调整至
Figure 819103DEST_PATH_IMAGE004
像素；
S0302、对待识别手写谱字图和匹配的标准图片的大小进行对比，当
Figure 243263DEST_PATH_IMAGE005
或
Figure 3408DEST_PATH_IMAGE006
时，将待识别手写谱字图放大至
Figure 473704DEST_PATH_IMAGE003
像素，当
Figure 141446DEST_PATH_IMAGE007
且
Figure 216849DEST_PATH_IMAGE008
时，并 将与待识别手写谱字图进行匹配的标准图片尺寸与待识别手写谱字图尺寸均缩放至
Figure 882317DEST_PATH_IMAGE009
像素，
Figure 839908DEST_PATH_IMAGE010
为
Figure 249024DEST_PATH_IMAGE011
向下取整记。
4.根据权利要求3所述的一种古琴减字谱指法的手写谱字识别方法，其特征在于：所述步骤S003，具体包括：
S0401、将步骤S001得到的单个标准图片中所有的像素灰度值归纳集合记为
Figure 241251DEST_PATH_IMAGE012
, 将步骤S002得到的待识别手写谱字图中所有像素灰度值归 纳集合记为
Figure 743864DEST_PATH_IMAGE013
，集合元素的下标表示该像素灰度值在标准图片 或待识别手写谱字图中的位置；
S0402、将待识别手写谱字图的像素灰度值集合转化为
Figure 657594DEST_PATH_IMAGE014
，其中
Figure 135980DEST_PATH_IMAGE015
，将 集合
Figure 451554DEST_PATH_IMAGE016
中像素灰度值为0的点的个数记为
Figure 989983DEST_PATH_IMAGE017
，对
Figure 391009DEST_PATH_IMAGE017
的个数进行判断，当
Figure 204244DEST_PATH_IMAGE018
时，得到的
Figure 639904DEST_PATH_IMAGE016
集合对应的图片即为待识别手写谱字特征图；
当
Figure 83655DEST_PATH_IMAGE019
时，进行如下步骤：
(1)、记腐蚀次数为
Figure 237556DEST_PATH_IMAGE020
；
(2)、腐蚀次数
Figure 792165DEST_PATH_IMAGE021
自增1，对
Figure 879070DEST_PATH_IMAGE021
进行判断，当
Figure 962564DEST_PATH_IMAGE022
时跳转至第(5)步，否则执行第 （3）步；
(3)、以3×3的结构元腐蚀
Figure 134919DEST_PATH_IMAGE016
集合对应的图片，记腐蚀后的图片像素灰度值集合为
Figure 696481DEST_PATH_IMAGE023
,集合元素的下标表示该灰度值在图片中的位置；
(4)、将腐蚀后的图片像素灰度值集合转化为
Figure 903472DEST_PATH_IMAGE024
，其 中
Figure 948745DEST_PATH_IMAGE025
；
(5)、对
Figure 546080DEST_PATH_IMAGE021
进行判断，当
Figure 973650DEST_PATH_IMAGE022
时，该待识别手写谱字图不是有效的谱字图片，处理 其他待识别手写谱字及要与之匹配标准减字符号；当
Figure 503988DEST_PATH_IMAGE019
时，跳转至第(2)步；当
Figure 194864DEST_PATH_IMAGE018
时，得到的集合
Figure 279495DEST_PATH_IMAGE016
对应的图片即为待识别手写谱字特征图。
5.根据权利要求4所述的一种古琴减字谱指法的手写谱字识别方法，其特征在于：所述步骤S004，具体包括：
S0501、将待识别手写谱字特征图的大小记为
Figure 448439DEST_PATH_IMAGE026
,将待识别手写谱字特征图像素 灰度值为i的个数记为,且
Figure 898323DEST_PATH_IMAGE028
,则待识别手写谱字特征图中每个像素灰度值 出现的概率
Figure 532567DEST_PATH_IMAGE029
，从而待识别手写谱字特征图的信息熵为
Figure 239623DEST_PATH_IMAGE030
， 同理，得到标准减字符号库中的标准图片信息熵为
Figure 275712DEST_PATH_IMAGE031
，其中
Figure 573969DEST_PATH_IMAGE032
为 标准减字符号库中的标准图片的每个像素灰度值出现的概率；
S0502、记待识别手写谱字特征图的像素点灰度值为
Figure 633192DEST_PATH_IMAGE033
, 记标准图片中像素点灰 度值为
Figure 940676DEST_PATH_IMAGE034
,其中，x和y分别为像素点的横、纵坐标，并且
Figure 497517DEST_PATH_IMAGE035
, 记
Figure 232254DEST_PATH_IMAGE036
，其中，i和j为像素点灰度值，且
Figure 513194DEST_PATH_IMAGE037
，则待识别手写谱字特征图的像素点灰度值与标准图片的 像素点灰度值联合概率为
Figure 889949DEST_PATH_IMAGE038
，从而待识别手写谱字特征图 与标准图片的联合熵为
Figure 369472DEST_PATH_IMAGE039
、互 信息为
Figure 478373DEST_PATH_IMAGE040
，将互信息归一化得
Figure 308926DEST_PATH_IMAGE041
；
S0503、分别在垂直方向和水平方向计算待识别手写谱字特征图的梯度及梯度方向，垂 直方向梯度算子为
Figure 692634DEST_PATH_IMAGE042
,水平方向梯度算子为
Figure 495505DEST_PATH_IMAGE043
，
Figure 368783DEST_PATH_IMAGE044
，
Figure 889894DEST_PATH_IMAGE045
,
Figure 77293DEST_PATH_IMAGE046
,其中
Figure 250DEST_PATH_IMAGE047
，
Figure 778850DEST_PATH_IMAGE048
分别为待识别手写谱字特征图在像素点(x，y)处的垂直梯度和水平 梯度，
Figure 787257DEST_PATH_IMAGE049
为待识别手写谱字特征图在像素点(x，y)处的像素灰度值，
Figure 512768DEST_PATH_IMAGE050
则指的 是像素点在点(x，y)处梯度的方向，且
Figure 86968DEST_PATH_IMAGE051
，同理，得到的标准图片像素 点在点(x，y)处的梯度方向为
Figure 726152DEST_PATH_IMAGE052
，其中
Figure 753014DEST_PATH_IMAGE053
，
Figure 282215DEST_PATH_IMAGE054
分别为标准图片在像素点(x，y)处的垂直梯度和水平梯度，且
Figure 914185DEST_PATH_IMAGE055
；
S0504、将区间
Figure 300167DEST_PATH_IMAGE056
等分为9个左闭右开的子区间，将等分后得到的子区间记为
Figure 283166DEST_PATH_IMAGE057
，其中 ，将待识别手写谱字特征图的梯度方向落在子区间
Figure 836955DEST_PATH_IMAGE057
的个数记为，同理，得到的标准图片的梯度方向落在子区间
Figure 864134DEST_PATH_IMAGE057
的个数为。
6.根据权利要求5所述的一种古琴减字谱指法的手写谱字识别方法，其特征在于：所述步骤S005，具体包括：
待识别手写谱字特征图与标准减字符号库中的标准图片的归一化互信息为，待识别手写谱字特征图的梯度方向落在区间
Figure 538326DEST_PATH_IMAGE057
的个数为 ，标 准减字符号库图片的梯度方向落在区间
Figure 639455DEST_PATH_IMAGE057
的个数为，其中 ，
记
Figure 178517DEST_PATH_IMAGE062
,记
Figure 791989DEST_PATH_IMAGE063
，待识别手写谱字特征图与步骤S002得到的标准减字符号库图片的笔画相似度为
Figure 169881DEST_PATH_IMAGE064
。
7.根据权利要求6所述的一种古琴减字谱指法的手写谱字识别方法，其特征在于：所述步骤S006，具体包括：
S0701、记待识别手写谱字特征图与左手指法标准符号库中所有的标准图片的归一化互信息集合和笔画相似度集合分别为
Figure 177151DEST_PATH_IMAGE065
,
Figure 843756DEST_PATH_IMAGE066
，其中，集合元素下标表示左手指法标准符号库中的标准图片的编号；
S0702、引入阈值参数
Figure 860254DEST_PATH_IMAGE067
,引入权重因子
Figure 295914DEST_PATH_IMAGE068
、K*,且
Figure 739665DEST_PATH_IMAGE069
，并建立评价计算方式为：
Figure 159145DEST_PATH_IMAGE070
，其中，
Figure 713754DEST_PATH_IMAGE071
,
Figure 3921DEST_PATH_IMAGE072
;得出判定待识别手写谱字图的评价标准为：
Figure 87415DEST_PATH_IMAGE073
，
Figure 931874DEST_PATH_IMAGE074
,其中：max为求取集合元素的最大值；式（1）为该待识别书写谱字图中没有左手指法符号；式（2）为该待识别手写谱字图中有左手指法符号，且该待识别手写谱字图中包含的左手指法符号为：以集合
Figure 290174DEST_PATH_IMAGE075
中元素
Figure 231585DEST_PATH_IMAGE076
的下标为编号的左手指法标准符号库的标准图片中所示符号；其中
Figure 11279DEST_PATH_IMAGE076
越大表示匹配度越高，
Figure 608614DEST_PATH_IMAGE077
时为最佳匹配；同理，可得待识别手写谱字图中还包含有哪些其他减字符号。
8.根据权利要求7所述的一种古琴减字谱指法的手写谱字识别方法，其特征在于：所述阈值参数
Figure 770605DEST_PATH_IMAGE067
和权重因子
Figure 832102DEST_PATH_IMAGE068
、K*的确定，具体为：
S0801、为标准减字符号库中每个标准图片分别选取5个手写谱字，则选取的手写谱字共为
Figure 54136DEST_PATH_IMAGE078
个，其中，
Figure 810870DEST_PATH_IMAGE079
为左手指法标准符号库对应选取的手写谱字个数，
Figure 245394DEST_PATH_IMAGE080
为左手徽位标准符号库对应选取的手写谱字个数，
Figure 895818DEST_PATH_IMAGE081
为装饰弹法标准符号库对应选取的手写谱字个数，
Figure 757595DEST_PATH_IMAGE082
为右手指法标准符号库对应选取的手写谱字个数，
Figure 126259DEST_PATH_IMAGE083
为右手弦位标准符号库对应选取的手写谱字个数；
S0802、将选取的N个手写谱字根据步骤S002、步骤S003、步骤S004、步骤S005和步骤S006分别与对应的标准图片进行匹配，其中，在步骤S006时，取
Figure 426791DEST_PATH_IMAGE084
，当
Figure 400563DEST_PATH_IMAGE085
时，取
Figure 964399DEST_PATH_IMAGE086
, 当
Figure 820360DEST_PATH_IMAGE087
时，取
Figure 65528DEST_PATH_IMAGE088
,记
Figure 956123DEST_PATH_IMAGE089
对应的
Figure 685002DEST_PATH_IMAGE090
，其中a=1或0；将N个手写谱字经过上述匹配后得到集合记为
Figure 231521DEST_PATH_IMAGE091
，
Figure 77117DEST_PATH_IMAGE092
，其中，
Figure 25481DEST_PATH_IMAGE093
的下标为选取的N个手写谱字的编号，
Figure 727858DEST_PATH_IMAGE094
表示编号为s的手写谱字
Figure 496094DEST_PATH_IMAGE095
值，
Figure 879802DEST_PATH_IMAGE096
表示编号为s的手写谱字
Figure 744990DEST_PATH_IMAGE097
值，记集合
Figure 555951DEST_PATH_IMAGE098
中值为1的元素个数为
Figure 77062DEST_PATH_IMAGE099
，取阈值参数
Figure 530040DEST_PATH_IMAGE100
，取权重因子
Figure 984155DEST_PATH_IMAGE101
，取权重因子
Figure 966018DEST_PATH_IMAGE102
，其中，min为求取集合元素的最小值。
CN202010297656.XA 2020-04-16 2020-04-16 一种古琴减字谱指法的手写谱字识别方法 Expired - Fee Related CN111222503B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010297656.XA CN111222503B (zh) 2020-04-16 2020-04-16 一种古琴减字谱指法的手写谱字识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010297656.XA CN111222503B (zh) 2020-04-16 2020-04-16 一种古琴减字谱指法的手写谱字识别方法

Publications (2)

Publication Number Publication Date
CN111222503A true CN111222503A (zh) 2020-06-02
CN111222503B CN111222503B (zh) 2020-09-08

Family

ID=70826948

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010297656.XA Expired - Fee Related CN111222503B (zh) 2020-04-16 2020-04-16 一种古琴减字谱指法的手写谱字识别方法

Country Status (1)

Country Link
CN (1) CN111222503B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111883089A (zh) * 2020-07-28 2020-11-03 张驰 一种生成可视化古琴琴谱的方法、装置及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1761205A (zh) * 2005-11-18 2006-04-19 郑州金惠计算机系统工程有限公司 基于内容的网络色情图像和不良图像检测系统
CN101593270A (zh) * 2008-05-29 2009-12-02 汉王科技股份有限公司 一种手绘形状识别的方法及装置
CN101944081A (zh) * 2010-09-17 2011-01-12 厦门大学 一种古琴减字谱的计算机生成、编辑方法与系统
CN103886586A (zh) * 2014-02-18 2014-06-25 南京邮电大学 一种基于互信息和梯度信息结合的医学图像配准方法
US8873813B2 (en) * 2012-09-17 2014-10-28 Z Advanced Computing, Inc. Application of Z-webs and Z-factors to analytics, search engine, learning, recognition, natural language, and other utilities
CN105373794A (zh) * 2015-12-14 2016-03-02 河北工业大学 一种车牌识别方法
CN106446952A (zh) * 2016-09-28 2017-02-22 北京邮电大学 一种乐谱图像识别方法及装置
CN107729826A (zh) * 2017-09-29 2018-02-23 苏州安斯特灵智能科技有限公司 药品包装图像识别方法及其装置
CN109032383A (zh) * 2018-09-13 2018-12-18 广东工业大学 基于手写识别的输入方法
CN109508712A (zh) * 2018-11-14 2019-03-22 衡阳师范学院 一种基于图像的汉语文字识别方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1761205A (zh) * 2005-11-18 2006-04-19 郑州金惠计算机系统工程有限公司 基于内容的网络色情图像和不良图像检测系统
CN101593270A (zh) * 2008-05-29 2009-12-02 汉王科技股份有限公司 一种手绘形状识别的方法及装置
CN101944081A (zh) * 2010-09-17 2011-01-12 厦门大学 一种古琴减字谱的计算机生成、编辑方法与系统
US8873813B2 (en) * 2012-09-17 2014-10-28 Z Advanced Computing, Inc. Application of Z-webs and Z-factors to analytics, search engine, learning, recognition, natural language, and other utilities
CN103886586A (zh) * 2014-02-18 2014-06-25 南京邮电大学 一种基于互信息和梯度信息结合的医学图像配准方法
CN105373794A (zh) * 2015-12-14 2016-03-02 河北工业大学 一种车牌识别方法
CN106446952A (zh) * 2016-09-28 2017-02-22 北京邮电大学 一种乐谱图像识别方法及装置
CN107729826A (zh) * 2017-09-29 2018-02-23 苏州安斯特灵智能科技有限公司 药品包装图像识别方法及其装置
CN109032383A (zh) * 2018-09-13 2018-12-18 广东工业大学 基于手写识别的输入方法
CN109508712A (zh) * 2018-11-14 2019-03-22 衡阳师范学院 一种基于图像的汉语文字识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHUANZHEN LI: "Optical Music Notes Recognition for Printed Music Score", 《2018 11TH INTERNATIONAL SYMPOSIUM ON COMPUTATIONAL INTELLIGENCE AND DESIGN》 *
潘知枭: "古琴减字谱图像的文本切分与提取", 《心智与计算》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111883089A (zh) * 2020-07-28 2020-11-03 张驰 一种生成可视化古琴琴谱的方法、装置及存储介质
CN111883089B (zh) * 2020-07-28 2023-08-08 张驰 一种生成可视化古琴琴谱的方法、装置及存储介质

Also Published As

Publication number Publication date
CN111222503B (zh) 2020-09-08

Similar Documents

Publication Publication Date Title
CN109543667B (zh) 一种基于注意力机制的文本识别方法
CN110544251B (zh) 基于多迁移学习模型融合的大坝裂缝检测方法
US7336827B2 (en) System, process and software arrangement for recognizing handwritten characters
CN111401361B (zh) 一种端到端的轻量级深度车牌识别方法
CN106845384B (zh) 一种基于递归模型的手势识别方法
CN112036383B (zh) 一种基于手静脉的身份识别方法及装置
CN111860525B (zh) 一种适用于端子排的自底向上光学字符识别方法
CN111783757A (zh) 一种基于ocr技术的复杂场景下身份证识别方法
CN109766886B (zh) 一种基于图像识别的水位识别方法
CN103927532B (zh) 基于笔画特征的笔迹配准方法
CN108171127A (zh) 一种基于深度学习的发票自动识别方法
CN110180186A (zh) 一种地形图转换方法及系统
CN108764140B (zh) 一种基于Ricci曲率流的三维人脸识别方法
CN112966685B (zh) 用于场景文本识别的攻击网络训练方法、装置及相关设备
CN110929640A (zh) 一种基于目标检测的宽幅遥感描述生成方法
CN111222503B (zh) 一种古琴减字谱指法的手写谱字识别方法
CN115713772A (zh) 变电站面板文字识别方法、系统、设备及存储介质
CN114359538A (zh) 一种水表读数定位与识别方法
CN110705535A (zh) 一种试卷版面文字行自动检测的方法
CN110766708B (zh) 基于轮廓相似度的图像比较方法
CN110188671B (zh) 一种利用机器学习算法分析笔迹特征的方法
CN115713776A (zh) 一种基于深度学习的通用证件结构化识别方法和系统
CN111582193B (zh) 坏例识别及其模型优化方法、装置及计算机存储介质
CN115482405A (zh) 基于深度学习的单模板匹配的方法
Mzoughi et al. Extraction of leaf parts by image analysis

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200908

CF01 Termination of patent right due to non-payment of annual fee