CN113822300A - 一种美术教学作品识别方法及装置 - Google Patents

Abstract

本发明涉及一种美术教学作品识别方法及装置，所述方法包括以下步骤：实时采集作品的图像信息，并对作品图像中的特征进行预处理；对预处理后的图像特征进行分割；对分割后的图像特征信息进行提取。本发明可以时刻对学员的作品进行识别，识别成功率较高，不会造成识别错误，有助于提高学员的学习效率。

Description

一种美术教学作品识别方法及装置

技术领域

本发明涉及在线教育技术领域，尤其涉及一种美术教学作品识别方法及装置。

背景技术

美术教学与传统的教学过程中存在的一个较大的不同在于，美术教学更注重于学员的实践绘画能力的提高，因此在教学过程中需要不停地进行美术临摹，方能够取得较好的教学效果，此外，美术教学过程中存在大量的资源可供学员使用，包括各种教学视频，可用于临摹的图片以及雕塑，各种文字资料。

现有的一些用于美术教学的系统，其无法很好地将学员的绘画进行识别，其在识别的过程当中容易造成错误的判断，因此无法较好的对学员进行指导，所以急需改进。

发明内容

本发明的目的在于提供一种美术教学作品识别方法及装置，可以时刻对学员的作品进行识别，识别成功率较高，不会造成识别错误，有助于提高学员的学习效率，可以解决背景技术中的问题。

为了解决上述技术问题，本发明提供的美术教学作品识别方法及装置的技术方案具体如下：

第一方面，本发明实施例公开了一种美术教学作品识别方法，包括以下步骤：

实时采集作品的图像信息，并对作品图像中的特征进行预处理；

对预处理后的图像特征进行分割；

对分割后的图像特征信息进行提取。

在上述任一方案中优选的是，将相机固定在支架上，并朝向学员的画板，获取作品图片，相机的内部参数已提前经过标定，因外界环境的影响，获取的图片可能存在噪声污染、亮度偏暗等干扰后续特征识别的影响因子，因此在识别特征之前，需要对这拍摄的作品图像进行预处理，其中，预处理包括灰度增强、均值滤波等，为了在灰度增强的过程中减少图像信息的丢失,特别是对于质量较差的原始图像进行图像增强处理，所述的美术教学作品识别方法，还包括将采集作品的图像信息进行灰度增强，其中，灰度增强的方法包括以下步骤：

初始化有关参数和变量,读入原始图像；

原始图像每个像素所具有的灰度值,逐个记入对应的灰度像素个数累加器r_i中；

对像素个数进行预处理，根据原始图像的特点选取合适的映射关系，其中，映射关系的计算方式为：r_i’＝ln(r_i+1)，

其中，Q为原始图像中像素总数，i为原始图像中的灰度，r_i为原始图像中灰度i所具有的像素个数，r_i’为r_i的映射；

计算出原始图像中灰度i经过转换后的灰度值f_i，将原始图像中具有灰度i的像素变为灰度f_i,所得图像即为变换后的图像，在具体的计算中,为了提高计算精度,可以将存放像素个数的变量以及Q定义成浮点型，若原始图像中的灰度为0,极易被转换成非0灰度值,且灰度为0的像素在原始图像中所占比重越大,其转换后的值也就越大。因此灰度值

其中，r_k为原始图像中灰度为k的像素个数，n为图像的灰度级别。

在上述任一方案中优选的是，所述的美术教学作品识别方法：还包括将识别的多个图像与储存的标准的美术作品进行对比，并进行灰度颜色空间转换，其中，灰度颜色空间转换方法包括以下步骤：

输入经过灰度处理后的图像，设定第一幅图像I₁,S₁为该图像特征点集合，直方图为C₁，即：

设定第二幅图像为I₂，提取surf特征点集合为S₂；

通过surf的特征匹配方法计算得到S₁和S₂中对应一致的特征点后，计算特征点对应待检测图像I₂的灰度直方图C₂，即：

对灰度直方图进行区域灰度增强的规定化处理，计算直方图的Bhattacharyya距离d_B,

若特征点一样，则d_B(C₁,C₂)＝0；d_B值越小，图像匹配度越高。

在上述任一方案中优选的是，所述的美术教学作品识别方法，还包括对预处理后的图像特征做傅里叶变换，并按照一定的角度把整个图像划分成若干个子块，然后对这些子块进行傅里叶反变换，得到对应的方向图像，其中，方向滤波计算方式为：

其中，

i＝1,2,...n；u＝1,2,...N；v＝1,2,...M，其中，n为子块的数目，子块的数目越多，其对应的区域就越精确。

在上述任一方案中优选的是，所述的美术教学作品识别方法，还包括采用

对频率空间进行方向滤波，其中，F是空域图像f的傅里叶变换，G_i是滤波函数，再对

作傅里叶反变换，得到对应的方向图像。

在上述任一方案中优选的是，所述的美术教学作品识别方法，还包括采用傅里叶反变换，对所有的方向图像的灰度值进行调整，调整公式为：

其中，f_i(x,y)表示第i个方向图像在(x,y)位置上的灰度值，

n是方向图像的个数。

在上述任一方案中优选的是，所述的美术教学作品识别方法，还包括采用二阶重心矩对方向图像进行计算，其中，二阶重心矩计算方式为：

其中，

为中心，f(x,y)是图像f在(x,y)处的灰度值，f是平均灰度值，α为图像f在(x,y)处的灰度偏差阈值。

在上述任一方案中优选的是，所述α的取值范围为：0≤α＜1。

在上述任一方案中优选的是，若方向图像中灰度值超过平均灰度值的像素点少,那么μ_2,2越小，若像素点比较分散，则μ_2,2越大。

本发明与现有技术相比，具有如下有益效果：可以时刻对学员的作品进行识别，识别成功率较高，不会造成识别错误，有助于提高学员的学习效率。

第二方面，一种美术教学作品识别装置，包括：

获取及处理模块，用于实时采集作品的图像信息，并对作品图像中的特征进行预处理；

分割模块，用于对预处理后的图像特征进行分割；

提取模块，用于对分割后的图像特征信息进行提取；

增强模块，用于将采集作品的图像信息进行灰度增强，其中，灰度增强的方法包括以下步骤：初始化有关参数和变量,读入原始图像；原始图像每个像素所具有的灰度值,逐个记入对应的灰度像素个数累加器r_i中；对像素个数进行预处理，根据原始图像的特点选取合适的映射关系，其中，映射关系的计算方式为：r_i’＝ln(r_i+1)，

其中，Q为原始图像中像素总数，i为原始图像中的灰度，r_i为原始图像中灰度i所具有的像素个数，r_i’为r_i的映射；计算出原始图像中灰度i经过转换后的灰度值f_i，将原始图像中具有灰度i的像素变为灰度f_i,

其中，r_k为原始图像中灰度为k的像素个数，n为图像的灰度级别；

对比模块，用于将识别的多个图像与储存的标准的美术作品进行对比，并进行灰度颜色空间转换，其中，灰度颜色空间转换方法包括以下步骤：输入经过灰度处理后的图像，设定第一幅图像I₁,S₁为该图像特征点集合，直方图为C₁，即：

设定第二幅图像为I₂，提取surf特征点集合为S₂，通过surf的特征匹配方法计算得到S₁和S₂中对应一致的特征点后，计算特征点对应待检测图像I₂的灰度直方图C₂，即：

对灰度直方图进行区域灰度增强的规定化处理，计算直方图的Bhattacharyya距离d_B,

若特征点一样，则d_B(C₁,C₂)＝0；d_B值越小，图像匹配度越高；

变换模块，用于对预处理后的图像特征做傅里叶变换，并按照一定的角度把整个图像划分成若干个子块，然后对这些子块进行傅里叶反变换，得到对应的方向图像，其中，方向滤波计算方式为：

其中，

i＝1,2,...n；u＝1,2,...N；v＝1,2,...M，其中，n为子块的数目，子块的数目越多，其对应的区域就越精确。

第二方面的有益效果与第一方面的有益效果相同，故在此不再赘述。

附图说明

附图用于对本发明的进一步理解，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。

图1是按照本发明美术教学作品识别方法示意图。

图2是按照本发明美术教学作品识别装置示意图。

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。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

为了更好地理解上述技术方案，下面将结合说明书附图及具体实施方式对本发明技术方案进行详细说明。

实施例：

第一方面，如图1所示，本发明实施例公开了一种美术教学作品识别方法，包括以下步骤：

步骤1：实时采集作品的图像信息，并对作品图像中的特征进行预处理；

步骤2：对预处理后的图像特征进行分割；

步骤3：对分割后的图像特征信息进行提取。

在步骤1中，在本发明实施例所述的美术教学作品识别方法中，将相机固定在支架上，并朝向学员的画板，获取作品图片，相机的内部参数已提前经过标定，因外界环境的影响，获取的图片可能存在噪声污染、亮度偏暗等干扰后续特征识别的影响因子，因此在识别特征之前，需要对这拍摄的作品图像进行预处理，其中，预处理包括灰度增强、均值滤波等，为了在灰度增强的过程中减少图像信息的丢失,特别是对于质量较差的原始图像进行图像增强处理,因此，本发明采用的灰度增强的方法包括以下步骤：

步骤11：初始化有关参数和变量,读入原始图像。

步骤12：原始图像每个像素所具有的灰度值,逐个记入对应的灰度像素个数累加器r_i中；

步骤13：对像素个数进行预处理，根据原始图像的特点选取合适的映射关系，其中，映射关系的计算方式为：r_i’＝ln(r_i+1)，

其中，Q为原始图像中像素总数，i为原始图像中的灰度，r_i为原始图像中灰度i所具有的像素个数，r_i’为r_i的映射；它们之间的关系为:r_i’＝f(r_i)＜r_i,对映射f的要求是其值域为正实数域。为了与原始图像保持一致,该映射同时要求为单调递增；

步骤14：计算出原始图像中灰度i经过转换后的灰度值f_i，将原始图像中具有灰度i的像素变为灰度f_i,所得图像即为变换后的图像，在具体的计算中,为了提高计算精度,可以将存放像素个数的变量以及Q定义成浮点型，若原始图像中的灰度为0,极易被转换成非0灰度值,且灰度为0的像素在原始图像中所占比重越大,其转换后的值也就越大。因此灰度值

其中，r_k为原始图像中灰度为k的像素个数，n为图像的灰度级别。

在另一个实施例中，在平台当中储存有标准的美术作品，为了提高识别的准确性，还可以将识别的多个图像与储存的标准的美术作品进行对比，为了提高原始图像在区域灰度增强下与储存的标准作品的匹配度，需要进行灰度颜色空间转换，其中，灰度颜色空间转换方法包括以下步骤：

步骤11：输入经过灰度处理后的图像，设定第一幅图像I₁,S₁为该图像特征点集合，直方图为C₁，即：

步骤12：设定第二幅图像为I₂，提取surf特征点集合为S₂

步骤13：通过surf的特征匹配方法计算得到S₁和S₂中对应一致的特征点后，计算特征点对应待检测图像I₂的灰度直方图C₂，即：

步骤14：对灰度直方图进行区域灰度增强的规定化处理，计算直方图的Bhattacharyya距离

若特征点一样，则d_B(C₁,C₂)＝0；d_B值越小，图像匹配度越高。

在步骤2中，对预处理后的图像特征做傅里叶变换，并按照一定的角度把整个图像划分成若干个子块，然后对这些子块进行傅里叶反变换，得到对应的方向图像，为了尽可能使划分方向与能量集中成分的方向特征一致，使能量集中成分尽量处在一个子块中，因此，方向滤波函数为：

其中，

i＝1,2,...n；u＝1,2,...N；v＝1,2,...M，在上述计算方式中，n为子块的数目，子块的数目越多，其对应的区域就越精确，优选的n＝6，其中，采用

对频率空间进行方向滤波，其中，F是空域图像f的傅里叶变换，G_i是滤波函数，再对

作傅里叶反变换，得到对应的方向图像，不同的子块中可能包含有同一线状物体的频率成分，从而使同一线状物体反应在不同的方向图像中，在傅里叶反变换后，对所有的方向图像的灰度值进行调整，调整公式为：

其中，f_i(x,y)表示第i个方向图像在(x,y)位置上的灰度值，

n是方向图像的个数。

在步骤2中，对于滤波之后得到的一些方向图像，其中，某些包含有各个方向的线状物体，而另外一些方向图像之中则没有，因此选择出那些包含有线状物体的方向图像，迭加之后输出，在图像处理中，各类矩常用作形状分析，其中，二阶重心矩计算方式为：

其中，

为中心，f(x,y)是图像f在(x,y)处的灰度值，f是平均灰度值，α为图像f在(x,y)处的灰度偏差阈值，其中，0≤α＜1；如果方向图像中灰度值超过平均灰度值的像素点少,那么μ_2,2就小，如果这些像素点比较分散，则μ_2,2就大，因此μ_2,2可用来描述灰度值超过平均灰度值像素点的分布情况，通过计算平均灰度值f和二阶重心矩μ_2,2，并对μ_2,2加上一个上限和一个下限，就可以选择方向图像，当μ_2,2满足上下限条件时，就认为这个方向图像具有线状物体，μ_2,2上下限的确定决定于超过平均灰度值的像素点的多少，它们的灰度值的大小，以及这些像素点的分布情况，上限过小,会丢失一些应保留的线状物体而上限过大,又会在图像中留下均质部分，同样对于μ_2,2,的下限,过大会丢失应保留的线状物体；而上限过小会把一些分散的但灰度值较大的杂物留在图像中。

在步骤3中，通过小波滤波器将图片分为N个大小相等的图片，并分别对各自图片的LBP值进行计算，并得到每块LBP的直方图，最后再对N个特征向量进行连接，得到总的特征向量。

第二方面，一种美术教学作品识别装置，包括：

获取及处理模块，用于实时采集作品的图像信息，并对作品图像中的特征进行预处理；

分割模块，用于对预处理后的图像特征进行分割；

提取模块，用于对分割后的图像特征信息进行提取；

增强模块，用于将采集作品的图像信息进行灰度增强，其中，灰度增强的方法包括以下步骤：初始化有关参数和变量,读入原始图像；原始图像每个像素所具有的灰度值,逐个记入对应的灰度像素个数累加器r_i中；对像素个数进行预处理，根据原始图像的特点选取合适的映射关系，其中，映射关系的计算方式为：r_i’＝ln(r_i+1)，

其中，Q为原始图像中像素总数，i为原始图像中的灰度，r_i为原始图像中灰度i所具有的像素个数，r_i’为r_i的映射；计算出原始图像中灰度i经过转换后的灰度值f_i，将原始图像中具有灰度i的像素变为灰度f_i,

其中，r_k为原始图像中灰度为k的像素个数，n为图像的灰度级别；

对比模块，用于将识别的多个图像与储存的标准的美术作品进行对比，并进行灰度颜色空间转换，其中，灰度颜色空间转换方法包括以下步骤：输入经过灰度处理后的图像，设定第一幅图像I₁,S₁为该图像特征点集合，直方图为C₁，即：

设定第二幅图像为I₂，提取surf特征点集合为S₂，通过surf的特征匹配方法计算得到S₁和S₂中对应一致的特征点后，计算特征点对应待检测图像I₂的灰度直方图C₂，即：

对灰度直方图进行区域灰度增强的规定化处理，计算直方图的Bhattacharyya距离d_B,

若特征点一样，则d_B(C₁,C₂)＝0；d_B值越小，图像匹配度越高；

变换模块，用于对预处理后的图像特征做傅里叶变换，并按照一定的角度把整个图像划分成若干个子块，然后对这些子块进行傅里叶反变换，得到对应的方向图像，其中，方向滤波计算方式为：

其中，

i＝1,2,...n；u＝1,2,...N；v＝1,2,...M，其中，n为子块的数目，子块的数目越多，其对应的区域就越精确。

以上仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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 (10)

1.一种美术教学作品识别方法，其特征在于：包括以下步骤：

实时采集作品的图像信息，并对作品图像中的特征进行预处理；

对预处理后的图像特征进行分割；

对分割后的图像特征信息进行提取。

2.根据权利要求1所述的美术教学作品识别方法，其特征在于：还包括将采集作品的图像信息进行灰度增强，其中，灰度增强的方法包括以下步骤：

初始化有关参数和变量,读入原始图像；

原始图像每个像素所具有的灰度值,逐个记入对应的灰度像素个数累加器r_i中；

对像素个数进行预处理，根据原始图像的特点选取合适的映射关系，其中，映射关系的计算方式为：r’_i＝ln(r_i+1)，

其中，Q为原始图像中像素总数，i为原始图像中的灰度，r_i为原始图像中灰度i所具有的像素个数，r’_i为r_i的映射；

计算出原始图像中灰度i经过转换后的灰度值f_i，将原始图像中具有灰度i的像素变为灰度f_i,

其中，r_k为原始图像中灰度为k的像素个数，n为图像的灰度级别。

3.根据权利要求2所述的美术教学作品识别方法，其特征在于：还包括将识别的多个图像与储存的标准的美术作品进行对比，并进行灰度颜色空间转换，其中，灰度颜色空间转换方法包括以下步骤：

输入经过灰度处理后的图像，设定第一幅图像I₁,S₁为该图像特征点集合，直方图为C₁，即：C₁＝{c_1j}_{j＝1,2,...,k},

设定第二幅图像为I₂，提取surf特征点集合为S₂；

通过surf的特征匹配方法计算得到S₁和S₂中对应一致的特征点后，计算特征点对应待检测图像I₂的灰度直方图C₂，即：C₂＝{c_2j}_{j＝1,2,...,k},

对灰度直方图进行区域灰度增强的规定化处理，计算直方图的Bhattacharyya距离d_B,

若特征点一样，则d_B(C₁,C₂)＝0；d_B值越小，图像匹配度越高。

4.根据权利要求3所述的美术教学作品识别方法，其特征在于：还包括对预处理后的图像特征做傅里叶变换，并按照一定的角度把整个图像划分成若干个子块，然后对这些子块进行傅里叶反变换，得到对应的方向图像，其中，方向滤波计算方式为：

其中，

其中，n为子块的数目，子块的数目越多，其对应的区域就越精确。

5.根据权利要求4所述的美术教学作品识别方法，其特征在于：还包括采用

对频率空间进行方向滤波，其中，F是空域图像f的傅里叶变换，G_i是滤波函数，再对

作傅里叶反变换，得到对应的方向图像。

6.根据权利要求5所述的美术教学作品识别方法，其特征在于：还包括采用傅里叶反变换，对所有的方向图像的灰度值进行调整，调整公式为：

其中，f_i(x,y)表示第i个方向图像在(x,y)位置上的灰度值，m(x,y)＝max{f_i(x,y)},

n是方向图像的个数。

7.根据权利要求6所述的美术教学作品识别方法，其特征在于：还包括采用二阶重心矩对方向图像进行计算，其中，二阶重心矩计算方式为：

其中，

为中心，f(x,y)是图像f在(x,y)处的灰度值，f是平均灰度值，α为图像f在(x,y)处的灰度偏差阈值。

8.根据权利要求7所述的美术教学作品识别方法，其特征在于：α的取值范围为：0≤α＜1。

9.根据权利要求8所述的美术教学作品识别方法，其特征在于：若方向图像中灰度值超过平均灰度值的像素点少,那么μ_2,2越小，若像素点比较分散，则μ_2,2越大。

10.一种美术教学作品识别装置，其特征在于：包括：

获取及处理模块，用于实时采集作品的图像信息，并对作品图像中的特征进行预处理；

分割模块，用于对预处理后的图像特征进行分割；

提取模块，用于对分割后的图像特征信息进行提取。

Images