CN117671703A - 一种基于触控屏的可交互书法临摹评价方法及系统 - Google Patents
一种基于触控屏的可交互书法临摹评价方法及系统 Download PDFInfo
- Publication number
- CN117671703A CN117671703A CN202311649599.7A CN202311649599A CN117671703A CN 117671703 A CN117671703 A CN 117671703A CN 202311649599 A CN202311649599 A CN 202311649599A CN 117671703 A CN117671703 A CN 117671703A
- Authority
- CN
- China
- Prior art keywords
- image
- copying
- touch screen
- handwriting
- module
- 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 46
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 22
- 239000013598 vector Substances 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000003860 storage Methods 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000003628 erosive effect Effects 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000012886 linear function Methods 0.000 claims description 5
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 238000007670 refining Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 101100272279 Beauveria bassiana Beas gene Proteins 0.000 claims 1
- 230000006870 function Effects 0.000 description 18
- 238000004590 computer program Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Character Discrimination (AREA)
Abstract
本发明涉及书法临摹评价技术领域，具体涉及一种基于触控屏的可交互书法临摹评价方法及系统，该系统包括：预处理模块，用于对书法作品的图像进行预处理，并提取图像中的笔画轮廓；智能手写模块，用于输出临摹信号；触控屏模块，用于显示笔画轮廓及记录智能手写模块的临摹数据；存储模块，用于记录图像数据以及临摹数据；处理模块，用于提取图像数据的图像特征以及临摹数据的临摹特征，将两种特征拼接成特征向量，并计算出相似性分数。本发明的目的在于提供一种基于触控屏的可交互书法临摹评价方法及系统，通过引入触控屏，在触控屏上直接进行临摹和打分，无需将临帖转换成图像，评价临摹分数的准确性更高，其临摹者的体验感也更好。
Description
技术领域
本发明涉及书法临摹评价技术领域，具体涉及一种基于触控屏的可交互书法临摹评价方法及系统。
背景技术
目前硬笔书法的学习、临摹以及评价的过程中，大多数作品的评判标准并不能够做到具体、完备、统一，评判硬笔书法作品的好坏更倾向于表现评判者对作品的主观看法，这样得到的对硬笔书法作品的评价并不客观、公正。随着社会各界对中华文化发扬与传承的重视，书法教育得到大力普及，国内中、小学也纷纷开设书法课程，同时市面上也涌现出大量辅助少儿练字的应用，但层出不穷的各类应用也给书法学习者带来了选择困难，且不同的应用评判标准各异，大多应用并不能给出清晰、具体甚至正确的评判准则，这无疑会阻碍书法学习者们的进步，同时也会给书法教育事业的发展带来负作用。
在现有的书法评价系统中，普遍存在以下问题：临摹者需要在纸上先写一遍，评价系统分别提取原帖图像和临帖图像，再由系统进行对比和评分。但这种做法存在以下问题：由于临帖图像需要进行图像获取和转换后才能由系统进行评价，这势必会造成评价误差，且临摹者的体验感也比较一般。
发明内容
为了克服现有技术中存在的缺点和不足，本发明的目的在于提供一种基于触控屏的可交互书法临摹评价方法及系统，通过引入触控屏，在触控屏上直接进行临摹和打分，无需将临帖转换成图像，评价临摹分数的准确性更高，其临摹者的体验感也更好。
本发明是通过以下技术方案实现的：
第一方面，本发明提供了一种基于触控屏的可交互书法临摹评价方法，包括以下步骤：
S100.将书法作品的图片转换为灰度图像，提取出图像中的笔画轮廓；
S200.将提取出的笔画轮廓进行骨架化处理形成图像数据，将图像数据在触控屏上显示成单字书法样本；
S300.临摹者使用智能手写模块在触控屏上记录临摹者的临摹数据；
S400.系统提取图像数据的图像特征以及临摹数据的临摹特征，将两种特征拼接成特征向量，并计算出相似性分数。
结合第一方面，进一步的，所述步骤S100具体包括：
S101.对图像进行高斯滤波器的平滑处理，处理的公式为：
，其中，x，y是图像中一个像素的坐标，l(x，y)是图像中的一个像素的灰度值，σ是高斯滤波器的标准差，G(x，y)是图像处理后的一个像素的灰度值，
S102.计算图像的梯度幅值和方向，计算的公式为：
，其中，M(x，y)表示图像经过计算后的一个像素的梯度幅值，θ(x，y)表示图像经过计算后的一个像素的梯度方向，Gy(x，y)及Gx(x，y)表示图像讲过Sobel算子处理后的一个像素在水平和垂直方向上的梯度幅值；
S103.对梯度幅值进行非极大值抑制，保留局部最大值，消除多余的边缘；
S104.设定两个阈值Thigh及Tlow，如果M(x，y)＞Thigh，则标记为强边缘；如果Thigh＞M(x，y)＞Tlow，则标记为弱边缘；如果Tlow＞M(x，y)，则将其舍弃。
结合第一方面，进一步的，所述步骤S200具体包括：
S201.对图像进行二值化处理，将像素值大于某个阈值的像素标记为前景；
S202.对图像进行细化处理，对图像进行侵蚀操作，侵蚀操作的的公式为：
其中，A是图像的集合，B是结构元素的集合，z是原点的位置的元素，(B)Z是将B的原点移动到z的结果，是将B在A上滑动，如果B完全包含在A的某个区域内，那么该区域的原点保留，否则将其删除。
结合第一方面，进一步的，所述步骤S400具体包括：
S401.将临摹数据平面化表示为特征向量序列X＝(Dx1，x2，...，xm)，将图像数据平面化表示为特征向量序列Y＝(y1，y2，...，ym)，其中特征向量序列X和特征向量序列r是水平方向上平行的；
S402.构建一个m×n的矩阵D，其中D(i，j)表示xi和yj之间的距离；
S403.在矩阵D中寻找从D(1，1)到D(m，n)的最优路径P＝(p1，p2，...，pk)，其中pi＝(i，j)，且满足以下条件：
条件一：p1＝(1，1)，pk＝(m，n)；
条件二，pi+1-pi∈{(1，0)，(0，1)，(1，1)}；
条件三，如果pi＝(a，b)，那么pi+1≠(a′+b′)，其中a′≤a或b′≤b；
条件四，P是满足所有条件一、二、三的路径中，使得
为最小的路径；
S404.根据最优路径P计算出特征向量序列X与特征向量序列Y之间的总距离
，然后根据一个评分函数将距离转换为相似性分数。
结合第一方面，进一步的，在步骤S404中，所述评分函数为线性函数、指数函数以及对数函数中的一种。
结合第一方面，进一步的，所述步骤S400具体包括：
S401.利用模糊支持向量机的方法计算出决策边界，计算方式具体为：
，其中，w和b是决策边界的参数，ξi和ηi是松弛变量，C是惩罚系数，μi是第i个样本的隶属度，满足0≤μi≤1，
约束条件具体为：
其中，xi是第i个样本的特征向量，yi是第i个样本的标签，n是正样本的个数，m是负样本的个数，正样本是图像数据的特征向量，负样本是临摹数据的特征向量；
S402.通过求解得到决策边界的参数W和b，计算出临摹作品的相似性分数，该计算公式为：
，其中，s是相似性评价分数。
第二方面，本发明提供了一种基于触控屏的可交互书法临摹评价系统，包括：
预处理模块，用于对书法作品的图像进行预处理，并提取图像中的笔画轮廓；
智能手写模块，用于输出临摹信号；
触控屏模块，用于显示笔画轮廓及记录智能手写模块的临摹数据；
存储模块，用于记录图像数据以及临摹数据；
处理模块，用于提取图像数据的图像特征以及临摹数据的临摹特征，将两种特征拼接成特征向量，并计算出相似性分数。
第三方面，本发明提供了一种计算机设备，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1～6任一项所述方法的步骤。
本发明的有益效果：
本发明的一种基于触控屏的可交互书法临摹评价方法及系统，通过设置触控屏以及与触控屏交互的相关模块，由临摹者通过智能手写模块在触控屏上进行临摹后，由系统对临摹作品进行相似性打分，无需将临帖转换成图像，评价临摹分数的准确性更高，其临摹者的体验感也更好。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明评价方法的流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施例的限制。
目前硬笔书法的学习、临摹以及评价的过程中，大多数作品的评判标准并不能够做到具体、完备、统一，评判硬笔书法作品的好坏更倾向于表现评判者对作品的主观看法，这样得到的对硬笔书法作品的评价并不客观、公正。随着社会各界对中华文化发扬与传承的重视，书法教育得到大力普及，国内中、小学也纷纷开设书法课程，同时市面上也涌现出大量辅助少儿练字的应用，但层出不穷的各类应用也给书法学习者带来了选择困难，且不同的应用评判标准各异，大多应用并不能给出清晰、具体甚至正确的评判准则，这无疑会阻碍书法学习者们的进步，同时也会给书法教育事业的发展带来负作用。
在现有的书法评价系统中，普遍存在以下问题：临摹者需要在纸上先写一遍，评价系统分别提取原帖图像和临帖图像，再由系统进行对比和评分。但这种做法存在以下问题：由于临帖图像需要进行图像获取和转换后才能由系统进行评价，这势必会造成评价误差，且临摹者的体验感也比较一般。
为了解决上述问题，本实施例公开了一种基于触控屏的可交互书法临摹评价系统，包括：
预处理模块，用于对书法作品的图像进行预处理，并提取图像中的笔画轮廓；
智能手写模块，用于输出临摹信号；
触控屏模块，用于显示笔画轮廓及记录智能手写模块的临摹数据；
存储模块，用于记录图像数据以及临摹数据；
处理模块，用于提取图像数据的图像特征以及临摹数据的临摹特征，将两种特征拼接成特征向量，并计算出相似性分数。
需要说明的是，采集的原理是利用触控屏的交互功能，实现书法临摹的过程和结果的可视化和可量化。本实施例的触控屏优选为苹果牌的IPad设备，智能手写模块优选为苹果牌的Apple Pencil设备，首先，需在IPad上安装相应的临摹软件，通过启动软件后方可使用Apple Pencil进行临摹；由于Apple Pencil具有像素级别的精准度，以及灵敏的切斜角度和压力感应，可以完美地获取临摹者在IPad上书写的相关临摹数据。其中，临摹数据就包括笔画顺序、笔画速度、笔画压力等。
进一步的，本实施例还提供了一种基于触控屏的可交互书法临摹评价方法，该评价方法应用于上述的评价系统。为了更清晰地对本发明的可交互书法临摹评价方法进行说明，下面结合图1对本发明实施例中各步骤展开详述。
该方法具体包括以下步骤：
S100.将书法作品的图片转换为灰度图像，提取出图像中的笔画轮廓；
S200.将提取出的笔画轮廓进行骨架化处理形成图像数据，将图像数据在触控屏上显示成单字书法样本；
S300.临摹者使用智能手写模块在触控屏上记录临摹者的临摹数据；
S400.系统提取图像数据的图像特征以及临摹数据的临摹特征，将两种特征拼接成特征向量，并计算出相似性分数。
在本实施例中，所述步骤S100具体包括：
S101.对图像进行高斯滤波器的平滑处理，处理的公式为：
，其中，x，y是图像中一个像素的坐标，x表示水平方向上的坐标，从左到右递增，y表示垂直方向上的坐标，从上到下递增；l(x，y)是图像中的一个像素的灰度值，即该像素的亮度，灰度值的范围一般是0到255，0表示黑色，255表示白色，中间的值表示不同的灰度；σ是高斯滤波器的标准差，它决定了高斯分布的形状，也就是滤波器的平滑程度，标准差越大，高斯分布越分散，滤波器的平滑效果越明显，但是也会导致图像的细节丢失。标准差越小，高斯分布越集中，滤波器的平滑效果越不明显，但是也会保留更多的图像细节；G(x，y)是图像处理后的一个像素的灰度值，这个参数表示图像经过高斯滤波器处理后的一个像素的灰度值，即该像素的平滑后的亮度，它使用高斯分布作为权重，对图像中的每个像素及其邻域的像素进行加权平均，得到一个新的像素值；步骤S101可对图像进行平滑处理，去除噪声；
S102.计算图像的梯度幅值和方向，计算的公式为：
，其中，M(x，y)表示图像经过计算后的一个像素的梯度幅值，这个参数表示图像经过梯度幅值计算后的一个像素的梯度幅值，即该像素的边缘强度；θ(x，y)表示图像经过计算后的一个像素的梯度方向，这个参数表示图像经过梯度方向计算后的一个像素的梯度方向，即该像素的边缘方向；Gy(x，y)及Gx(x，y)表示图像讲过Sobel算子处理后的一个像素在水平和垂直方向上的梯度幅值，即该像素在水平和垂直方向上的灰度变化率，梯度值的大小表示边缘的强度，梯度值的方向表示边缘的方向，Sobel算子是一种用于计算图像梯度的算子，它是一个矩阵，可以与图像进行卷积运算，得到图像在水平和垂直方向上的梯度；
S103.对梯度幅值进行非极大值抑制，保留局部最大值，消除多余的边缘，如果M(x，y)是沿着θ(x，y)方向的局部最大值，那么保留M(x，y)的值，否则将其置为零；
S104.设定两个阈值Thigh及Tlow，如果M(x，y)＞Thigh，则标记为强边缘；如果Thigh＞M(x，y)＞Tlow，则标记为弱边缘；如果Tlow＞M(x，y)，则将其舍弃；这种做法的目的是对边缘进行连接，确定真实的边缘。
进一步的，所述步骤S200具体包括：
S201.对图像进行二值化处理，将像素值大于某个阈值的像素标记为前景；
S202.对图像进行细化处理，对图像进行侵蚀操作，侵蚀操作的的公式为：
其中，A是图像的集合，B是结构元素的集合，z是原点的位置的元素，(B)Z是将B的原点移动到z的结果。是将B在A上滑动，这个参数表示集合A和集合B的侵蚀运算，即将集合B在集合A上滑动，如果集合B完全包含在集合A的某个区域内，那么将该区域的原点保留，否则将其删除的结果。侵蚀运算是一种用于图像细化的运算，它可以去除图像中的细小的噪声和突出物，同时保持图像的形状和拓扑结构不变。
步骤S200将提取出的笔画轮廓进行骨架化处理，将笔画的宽度统一为一个像素，同时保持笔画的形状和拓扑结构不变。骨架化处理是一种图像细化的方法，它能够简化笔画的表示，减少计算量，同时便于提取笔画的特征。
将骨架化处理后的笔画轮廓与标准的硬笔楷书字模进行匹配和评价，计算出笔画相似性的分数。匹配和评价的方法是使用动态时间规整算法，它能够将两个不同长度的序列对齐，同时考虑到笔画的形状和方向的差异，计算出两个序列之间的最小距离。
进一步的，所述步骤S400具体包括：
S401.将临摹数据平面化表示为特征向量序列X＝(Dx1，x2，...，xm)，将图像数据平面化表示为特征向量序列Y＝(y1，y2，...，ym)，其中特征向量序列X和特征向量序列Y是水平方向上平行的；
S402.构建一个m×n的矩阵D，其中D(i，j)表示xi和yj之间的距离；
S403.在矩阵D中寻找从D(1，1)到D(m，n)的最优路径P＝(p1，p2，...，pk)，其中pi＝(i，j)，且满足以下条件：
条件一：p1＝(1，1)，pk＝(m，n)；
条件二，pi+1-pi∈{(1，0)，(0，1)，(1，1)}；
条件三，如果pi＝(a，b)，那么pi+1≠(a′+b′)，其中a′≤a或b′≤b；
条件四，P是满足所有条件一、二、三的路径中，使得
为最小的路径；
S404.根据最优路径P计算出特征向量序列X与特征向量序列Y之间的总距离
，然后根据一个评分函数将距离转换为相似性分数。
优选的，在步骤S404中，所述评分函数为线性函数、指数函数以及对数函数中的一种。
其中，线性函数的形式是f(d)＝a_bd，其中d是两个序列之间的距离，a和b是两个常数，满足a≥0，b＞0，f(0)＝100，f(∞)＝0。
另外的，指数函数是一种较为复杂的评分函数，它的形式是f(d)＝ae_bd，其中d是两个序列之间的距离，a和b是两个常数，满足a＞0，b＞0，f(0)＝100，f(∞)＝0。
另外的，对数函数是一种介于线性函数和指数函数之间的评分函数，它的形式是f(d)＝a_bln(d+c)，其中d是两个序列之间的距离，a，b和c是三个常数，满足a≥0，b＞0，c＞0，f(0)＝100，f(∞)＝0。
本实施例的可交互书法临摹评价方法及系统，通过设置触控屏以及与触控屏交互的相关模块，由临摹者通过智能手写模块在触控屏上进行临摹后，由系统对临摹作品进行相似性打分，无需将临帖转换成图像，评价临摹分数的准确性更高，其临摹者的体验感也更好。
实施例2
在本实施例中，所述步骤S400具体包括：
S401.利用模糊支持向量机的方法计算出决策边界，计算方式具体为：
，其中，w和b是决策边界的参数，ξi和ηi是松弛变量，C是惩罚系数，μi是第i个样本的隶属度，满足0≤μi≤1，
约束条件具体为：
其中，xi是第i个样本的特征向量，yi是第i个样本的标签，n是正样本的个数，m是负样本的个数，正样本是图像数据的特征向量，负样本是临摹数据的特征向量；
S402.通过求解得到决策边界的参数w和b，计算出临摹作品的相似性分数，该计算公式为：
，其中，s是相似性评价分数，它反映了书法临摹作品和参考作品的特征向量之间的距离，距离越小，分数越高，表示书法临摹作品的笔画相似性越高。
述基于触控屏的可交互书法临摹评价方法，具有以下优点：
它可以同时考虑书法临摹作品的图像特征和笔迹特征，提高评价的全面性和准确性；
它可以利用深度学习的方法自动提取书法临摹作品的特征，避免人工选择和提取特征的主观性和复杂性；
它可以利用模糊支持向量机的方法计算书法临摹作品的笔画相似性评价分数，降低噪声和异常值的影响，提高评价的稳定性和客观性。
需要说明的是，本实施例除了上述步骤与实施例1不同外，其余步骤均与实施例1相同，在此不再赘述。
实施例3
本发明还提供了一种计算机设备，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行实施例1所述方法的步骤。
实施例4
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现实施例1所述方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (8)
1.一种基于触控屏的可交互书法临摹评价方法，其特征在于，包括以下步骤：
S100.将书法作品的图片转换为灰度图像，提取出图像中的笔画轮廓；
S200.将提取出的笔画轮廓进行骨架化处理形成图像数据，将图像数据在触控屏上显示成单字书法样本；
S300.临摹者使用智能手写模块在触控屏上记录临摹者的临摹数据；
S400.系统提取图像数据的图像特征以及临摹数据的临摹特征，将两种特征拼接成特征向量，并计算出相似性分数。
2.根据权利要求1所述的一种基于触控屏的可交互书法临摹评价方法，其特征在于，所述步骤S100具体包括：
S101.对图像进行高斯滤波器的平滑处理，处理的公式为：
其中，x,y是图像中一个像素的坐标，l(x,y)是图像中的一个像素的灰度值，σ是高斯滤波器的标准差，G(x,y)是图像处理后的一个像素的灰度值，
S102.计算图像的梯度幅值和方向，计算的公式为：
其中，M(x,y)表示图像经过计算后的一个像素的梯度幅值，θ(x,y)表示图像经过计算后的一个像素的梯度方向，Gy(x,y)及Gx(x,y)表示图像讲过Sobel算子处理后的一个像素在水平和垂直方向上的梯度幅值；
S103.对梯度幅值进行非极大值抑制，保留局部最大值，消除多余的边缘；
S104.设定两个阈值Thigh及Tlow，如果M(x,y)>Thigh，则标记为强边缘；如果Thhgh>M(x,y)>Tlow，则标记为弱边缘；如果Tlow>M(x,y)，则将其舍弃。
3.根据权利要求1所述的一种基于触控屏的可交互书法临摹评价方法，其特征在于，所述步骤S200具体包括：
S201.对图像进行二值化处理，将像素值大于某个阈值的像素标记为前景；
S202.对图像进行细化处理，对图像进行侵蚀操作，侵蚀操作的的公式为：
其中，A是图像的集合，B是结构元素的集合，z是原点的位置的元素，(B)Z是将B的原点移动到z的结果，是将B在A上滑动，如果B完全包含在A的某个区域内，那么该区域的原点保留，否则将其删除。
4.根据权利要求1所述的一种基于触控屏的可交互书法临摹评价方法，其特征在于，所述步骤S400具体包括：
S401.将临摹数据平面化表示为特征向量序列X＝(Dx1,x2,...,xm)，将图像数据平面化表示为特征向量序列Y＝(y1,y2,...,ym)，其中特征向量序列X和特征向量序列Y是水平方向上平行的；
S402.构建一个m×n的矩阵D，其中D(i,j)表示xi和yj之间的距离；
S403.在矩阵D中寻找从D(1,1)到D(m,n)的最优路径P＝(p1,p2,...,pk)，其中pi＝(i,j)，且满足以下条件：
条件一：p1＝(1,1)，pk＝(m,n)；
条件二，pi+1-pi∈{(1,0),(0,1),(1,1)}；
条件三，如果pi＝(a,b)，那么pi+1≠(a′+b′)，其中a′≤a或b′≤b；
条件四，P是满足所有条件一、二、三的路径中，使得
为最小的路径；
S404.根据最优路径P计算出特征向量序列X与特征向量序列Y之间的总距离
然后根据一个评分函数将距离转换为相似性分数。
5.根据权利要求4所述的一种基于触控屏的可交互书法临摹评价方法，其特征在于，在步骤S404中，所述评分函数为线性函数、指数函数以及对数函数中的一种。
6.根据权利要求1所述的一种基于触控屏的可交互书法临摹评价方法，其特征在于，所述步骤S400具体包括：
S401.利用模糊支持向量机的方法计算出决策边界，计算方式具体为：
其中，w和b是决策边界的参数，ξi和ηi是松弛变量，C是惩罚系数，μi是第i个样本的隶属度，满足0≤μi≤1，
约束条件具体为：
其中，xi是第i个样本的特征向量，yi是第i个样本的标签，n是正样本的个数，m是负样本的个数，正样本是图像数据的特征向量，负样本是临摹数据的特征向量；
S402.通过求解得到决策边界的参数w和b，计算出临摹作品的相似性分数，该计算公式为：
其中，s是相似性评价分数。
7.根据要求1-6任一项所述的一种基于触控屏的可交互书法临摹评价系统，其特征在于，包括：
预处理模块，用于对书法作品的图像进行预处理，并提取图像中的笔画轮廓；
智能手写模块，用于输出临摹信号；
触控屏模块，用于显示笔画轮廓及记录智能手写模块的临摹数据；
存储模块，用于记录图像数据以及临摹数据；
处理模块，用于提取图像数据的图像特征以及临摹数据的临摹特征，将两种特征拼接成特征向量，并计算出相似性分数。
8.一种计算机设备，其特征在于，
包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行如权利要求1～6任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311649599.7A CN117671703A (zh) | 2023-12-04 | 2023-12-04 | 一种基于触控屏的可交互书法临摹评价方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311649599.7A CN117671703A (zh) | 2023-12-04 | 2023-12-04 | 一种基于触控屏的可交互书法临摹评价方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117671703A true CN117671703A (zh) | 2024-03-08 |
Family
ID=90067589
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311649599.7A Pending CN117671703A (zh) | 2023-12-04 | 2023-12-04 | 一种基于触控屏的可交互书法临摹评价方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117671703A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105553665A (zh) * | 2015-12-15 | 2016-05-04 | 戴林 | 一种基于书写行为生物特征的智能手机用户身份认证方法 |
| CN113515337A (zh) * | 2021-06-18 | 2021-10-19 | 广东广视通智慧教育科技有限公司 | 书法教学方法、装置、系统及存储介质 |
| CN115393876A (zh) * | 2022-08-12 | 2022-11-25 | 福建捷宇电脑科技有限公司 | 一种基于神经网络的在线签名鉴定方法 |
| CN115641308A (zh) * | 2022-10-17 | 2023-01-24 | 中国科学院自动化研究所 | 一种书法字临摹评价系统 |
| CN115984875A (zh) * | 2023-03-21 | 2023-04-18 | 南京信息工程大学 | 一种硬笔楷书临摹作品的笔画相似性评价方法及系统 |
-
2023
- 2023-12-04 CN CN202311649599.7A patent/CN117671703A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105553665A (zh) * | 2015-12-15 | 2016-05-04 | 戴林 | 一种基于书写行为生物特征的智能手机用户身份认证方法 |
| CN113515337A (zh) * | 2021-06-18 | 2021-10-19 | 广东广视通智慧教育科技有限公司 | 书法教学方法、装置、系统及存储介质 |
| CN115393876A (zh) * | 2022-08-12 | 2022-11-25 | 福建捷宇电脑科技有限公司 | 一种基于神经网络的在线签名鉴定方法 |
| CN115641308A (zh) * | 2022-10-17 | 2023-01-24 | 中国科学院自动化研究所 | 一种书法字临摹评价系统 |
| CN115984875A (zh) * | 2023-03-21 | 2023-04-18 | 南京信息工程大学 | 一种硬笔楷书临摹作品的笔画相似性评价方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 吕成戍 等: "基于支持向量机回归的协同过滤相似度优化方法", 《中国管理信息化》, vol. 18, no. 05, 15 March 2015 (2015-03-15), pages 227 - 229 * |
| 钱银领: "手写体汉字临摹质量评价算法研究", 《中国优秀硕士学位论文全文数据库 (哲学与人文科学辑)》, no. 2021, 15 January 2021 (2021-01-15), pages 088 - 591 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106875381B (zh) | 一种基于深度学习的手机外壳缺陷检测方法 | |
| CN111833306B (zh) | 缺陷检测方法和用于缺陷检测的模型训练方法 | |
| CN108399386A (zh) | 饼图中的信息提取方法及装置 | |
| Rivest-Hénault et al. | A local linear level set method for the binarization of degraded historical document images | |
| CN111144215B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN110120065B (zh) | 一种基于分层卷积特征和尺度自适应核相关滤波的目标跟踪方法及系统 | |
| CN112712273B (zh) | 一种基于骨架相似度的手写体汉字美观度评判方法 | |
| CN111626297A (zh) | 文字书写质量评价方法、装置、电子设备和记录介质 | |
| CN113850238B (zh) | 文档检测方法、装置、电子设备及存储介质 | |
| CN112257665A (zh) | 图像内容的识别方法、图像识别模型的训练方法及介质 | |
| CN115497108B (zh) | 一种基于椭圆离心率的汉字骨架角点检测方法 | |
| US20210390667A1 (en) | Model generation | |
| CN113706562B (zh) | 图像分割方法、装置、系统及细胞分割方法 | |
| CN115457296A (zh) | 一种面向非平稳纹理结构属性的结构提取方法 | |
| CN112508966B (zh) | 一种交互式图像分割方法及系统 | |
| CN117726809A (zh) | 一种基于信息交互增强的小样本语义分割方法 | |
| CN117671703A (zh) | 一种基于触控屏的可交互书法临摹评价方法及系统 | |
| CN114419078B (zh) | 基于卷积神经网络的表面缺陷区域分割方法及装置 | |
| CN105528791A (zh) | 一种面向触摸屏手绘图像的质量评价装置及其评价方法 | |
| CN115984875A (zh) | 一种硬笔楷书临摹作品的笔画相似性评价方法及系统 | |
| CN114445649A (zh) | 用多尺度超像素融合检测rgb-d单幅图像阴影的方法 | |
| CN115330705A (zh) | 一种基于自适应加权模板ncc的蒙皮漆面缺陷检测方法 | |
| CN113315995A (zh) | 提高视频质量的方法、装置、可读存储介质及电子设备 | |
| CN113850239A (zh) | 多文档检测方法、装置、电子设备及存储介质 | |
| CN114066896A (zh) | 图像分割模型训练方法、图像分割方法及装置 |
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 |