[發(fā)明專利]基于計算機視覺的書法臨帖智能評價與指導(dǎo)方法

有效

• 申請?zhí)枺?/td>: 202110100196.1
• 申請日: 2021-01-25
• 公開（公告）號: CN112800936B
• 公開（公告）日: 2022-03-08
• 發(fā)明（設(shè)計）人: 孫銘蔚;謝斌;徐勇;聶海濤;彭哲;萬思遠
• 申請（專利權(quán)）人: 中南大學(xué)
• 主分類號: G06V30/32
• 分類號: G06V30/32;G06V30/146;G06V30/19;G06K9/62;G06N20/00;G06Q50/20;G06T3/40;G06T5/00;G06T7/13;G06T7/33
• 代理公司: 長沙麓創(chuàng)時代專利代理事務(wù)所(普通合伙) 43249
• 代理人: 賈慶

1.一種基于計算機視覺的書法臨帖智能評價與指導(dǎo)方法，其特征在于，包括以下步驟：

步驟一，對上傳的臨帖字體和原帖字體進行圖像預(yù)處理；

步驟二，對上傳的臨帖字體和原帖字體進行字體配準：

步驟2.1，將包含字體的最小擬合矩形作為感興趣區(qū)域，具體為對于經(jīng)過預(yù)處理后的圖像，按照行列順序遍歷圖像像素，記錄布爾值為0的像素點橫坐標的最小值x_min、橫坐標的最大值x_max,縱坐標的最小值y_min和縱坐標的最大值y_max，從而確定感興趣區(qū)域的左上角坐標為(x_min,y_min),右下角坐標為(x_max,y_max)；

步驟2.2，將預(yù)處理后的臨帖字體和原帖字體的感興趣區(qū)域裁剪，計算感興趣區(qū)域內(nèi)字體的像素個數(shù)，其中臨帖字體感興趣區(qū)域內(nèi)字體的像素個數(shù)為S_a、原帖字體感興趣區(qū)域內(nèi)字體的像素個數(shù)為S_b,將臨帖字體的感興趣區(qū)域長和寬均乘以使得臨帖字體和原帖字體有相同的字體面積，得到處理后的臨帖字體和原帖字體

步驟2.3，計算處理后的臨帖字體和原帖字體的字體重心；

步驟2.4，新建兩個固定且相等邊長的正方形空白圖像，將處理后的臨帖字體和原帖字體平移至空白圖像中，使得字體的重心與空白圖像的中心坐標重合，得到配準后臨帖字體圖像和配準后原帖字體圖像；

步驟三，對經(jīng)過預(yù)處理后的書法圖像進行字形匹配重合度評分：

步驟3.1，提取配準后的原帖字體的邊緣輪廓；

步驟3.2，計算f₁作為字形匹配重合度評分:

其中,S₁為配準后臨帖字體的形體，S₂為配準后原帖字體的形體；

步驟3.3，將配準后臨帖字體圖像和配準后原帖字體圖像的正方形邊框?qū)R，得到字形匹配的可視化指導(dǎo)圖像；

步驟四，對經(jīng)過預(yù)處理后的書法圖像進行結(jié)構(gòu)匹配重合度評分：

步驟4.1，分別提取配準后臨帖字體圖像和配準后原帖字體圖像的邊緣輪廓，生成連通域的凸包；

步驟4.2，將凸包區(qū)域內(nèi)的像素賦值為1填充凸包，用二值化的0賦值凸包外的像素；

步驟4.3，計算f₂作為結(jié)構(gòu)匹配重合度評分:

其中,S₃為臨帖字體的凸包圖像，S₄為原帖字體的凸包圖像；S₃∩S₄表示臨帖字體的凸包圖像與原帖字體的凸包圖像的圖像重合區(qū)域面積；S₃∪S₄表示臨帖字體的凸包圖像與原帖字體的凸包圖像的圖像合并后區(qū)域面積；

步驟4.4，將處理后原帖字體和原帖字體凸包圖像的輪廓凸以及臨帖字體凸圖像的輪廓疊加到臨帖字體的圖像上，得到結(jié)構(gòu)匹配的可視化指導(dǎo)圖像；

步驟五，對經(jīng)過預(yù)處理后的書法圖像進行字體投影相似度評分：

步驟5.1，按照書法練習(xí)米字格的標準，計算與繪制原帖字體和臨帖字體分別在0、-45°、45°和90°方向上的投影直方圖；每個方向上，記原帖字體的投影直方圖為H_T，臨帖字體的投影直方圖為H_C；

步驟5.2，計算f₃作為每個方向上原帖字體投影和臨帖字體投影的匹配重合度評分：

步驟5.3，計算f₄作為每個方向上原帖字體投影和臨帖字體投影的相關(guān)度評分：

其中，和分別代表投影直方圖H_C和H_T中分箱平均高度；H_C(I)表示投影直方圖H_C中第I個分箱的高度，H_T(I)表示投影直方圖H_T中第I個分箱的高度，N表示直方圖的分箱的個數(shù)；

步驟六，對經(jīng)過預(yù)處理后的書法圖像進行關(guān)鍵點相似度評分：

步驟6.1，基于學(xué)生的書法臨摹字庫，結(jié)合書法筆畫的提按頓挫、圓轉(zhuǎn)方折，對每一個書法字體的關(guān)鍵點進行標注，構(gòu)建書法關(guān)鍵點數(shù)據(jù)集；所述書法字體的關(guān)鍵點包括筆畫的起筆、落筆、拐筆和筆畫交點；

步驟6.2，基于深度學(xué)習(xí)目標檢測算法，采用FasterR-CNN，通過計算目標框的中心點，完成關(guān)鍵點檢測模型的訓(xùn)練與驗證，得到訓(xùn)練好的書法字體關(guān)鍵點檢測模型；

步驟6.3，采用得到訓(xùn)練好的書法字體關(guān)鍵點檢測模型，完成臨帖字體和原帖字體的關(guān)鍵點提取，通過一致性點漂移算法完成臨帖字體和原帖字體的關(guān)鍵點匹配；

步驟6.4，計算f₅作為原帖字體和臨帖字體的關(guān)鍵點相似度評分：

其中，k表示字體的關(guān)鍵點的個數(shù)，表示配準后原帖字體第i個關(guān)鍵點的橫坐標，表示配準后臨帖字體第i個關(guān)鍵點的橫坐標，表示配準后原帖字體第i個關(guān)鍵點的縱坐標，表示配準后臨帖字體第i個關(guān)鍵點的縱坐標；

步驟七，通過字形匹配重合度評分、結(jié)構(gòu)匹配重合度評分、字體投影相似度評分和關(guān)鍵點相似度評分對臨帖字體進行綜合評分，完成對于臨帖字體的評價；

步驟八、根據(jù)字形匹配重合度評分、結(jié)構(gòu)匹配重合度評分、字體投影相似度評分、關(guān)鍵點相似度評分綜合評分，從預(yù)設(shè)的指導(dǎo)語句庫中生成相應(yīng)的語句指導(dǎo)進行臨帖字體的點評和指導(dǎo)。