[发明专利]基于计算机视觉的书法临帖智能评价与指导方法

权利要求书

1.一种基于计算机视觉的书法临帖智能评价与指导方法，其特征在于，包括以下步骤：

步骤一，对上传的临帖字体和原帖字体进行图像预处理；

步骤二，对上传的临帖字体和原帖字体进行字体配准：

步骤2.1，将包含字体的最小拟合矩形作为感兴趣区域，具体为对于经过预处理后的图像，按照行列顺序遍历图像像素，记录布尔值为0的像素点横坐标的最小值x_min、横坐标的最大值x_max,纵坐标的最小值y_min和纵坐标的最大值y_max，从而确定感兴趣区域的左上角坐标为(x_min,y_min),右下角坐标为(x_max,y_max)；

步骤2.2，将预处理后的临帖字体和原帖字体的感兴趣区域裁剪，计算感兴趣区域内字体的像素个数，其中临帖字体感兴趣区域内字体的像素个数为S_a、原帖字体感兴趣区域内字体的像素个数为S_b,将临帖字体的感兴趣区域长和宽均乘以使得临帖字体和原帖字体有相同的字体面积，得到处理后的临帖字体和原帖字体

步骤2.3，计算处理后的临帖字体和原帖字体的字体重心；

步骤2.4，新建两个固定且相等边长的正方形空白图像，将处理后的临帖字体和原帖字体平移至空白图像中，使得字体的重心与空白图像的中心坐标重合，得到配准后临帖字体图像和配准后原帖字体图像；

步骤三，对经过预处理后的书法图像进行字形匹配重合度评分：

步骤3.1，提取配准后的原帖字体的边缘轮廓；

步骤3.2，计算f₁作为字形匹配重合度评分:

其中,S₁为配准后临帖字体的形体，S₂为配准后原帖字体的形体；

步骤3.3，将配准后临帖字体图像和配准后原帖字体图像的正方形边框对齐，得到字形匹配的可视化指导图像；

步骤四，对经过预处理后的书法图像进行结构匹配重合度评分：

步骤4.1，分别提取配准后临帖字体图像和配准后原帖字体图像的边缘轮廓，生成连通域的凸包；

步骤4.2，将凸包区域内的像素赋值为1填充凸包，用二值化的0赋值凸包外的像素；

步骤4.3，计算f₂作为结构匹配重合度评分:

其中,S₃为临帖字体的凸包图像，S₄为原帖字体的凸包图像；S₃∩S₄表示临帖字体的凸包图像与原帖字体的凸包图像的图像重合区域面积；S₃∪S₄表示临帖字体的凸包图像与原帖字体的凸包图像的图像合并后区域面积；

步骤4.4，将处理后原帖字体和原帖字体凸包图像的轮廓凸以及临帖字体凸图像的轮廓叠加到临帖字体的图像上，得到结构匹配的可视化指导图像；

步骤五，对经过预处理后的书法图像进行字体投影相似度评分：

步骤5.1，按照书法练习米字格的标准，计算与绘制原帖字体和临帖字体分别在0、-45°、45°和90°方向上的投影直方图；每个方向上，记原帖字体的投影直方图为H_T，临帖字体的投影直方图为H_C；

步骤5.2，计算f₃作为每个方向上原帖字体投影和临帖字体投影的匹配重合度评分：

步骤5.3，计算f₄作为每个方向上原帖字体投影和临帖字体投影的相关度评分：

其中，和分别代表投影直方图H_C和H_T中分箱平均高度；H_C(I)表示投影直方图H_C中第I个分箱的高度，H_T(I)表示投影直方图H_T中第I个分箱的高度，N表示直方图的分箱的个数；

步骤六，对经过预处理后的书法图像进行关键点相似度评分：

步骤6.1，基于学生的书法临摹字库，结合书法笔画的提按顿挫、圆转方折，对每一个书法字体的关键点进行标注，构建书法关键点数据集；所述书法字体的关键点包括笔画的起笔、落笔、拐笔和笔画交点；

步骤6.2，基于深度学习目标检测算法，采用FasterR-CNN，通过计算目标框的中心点，完成关键点检测模型的训练与验证，得到训练好的书法字体关键点检测模型；

步骤6.3，采用得到训练好的书法字体关键点检测模型，完成临帖字体和原帖字体的关键点提取，通过一致性点漂移算法完成临帖字体和原帖字体的关键点匹配；

步骤6.4，计算f₅作为原帖字体和临帖字体的关键点相似度评分：

其中，k表示字体的关键点的个数，表示配准后原帖字体第i个关键点的横坐标，表示配准后临帖字体第i个关键点的横坐标，表示配准后原帖字体第i个关键点的纵坐标，表示配准后临帖字体第i个关键点的纵坐标；

步骤七，通过字形匹配重合度评分、结构匹配重合度评分、字体投影相似度评分和关键点相似度评分对临帖字体进行综合评分，完成对于临帖字体的评价；

步骤八、根据字形匹配重合度评分、结构匹配重合度评分、字体投影相似度评分、关键点相似度评分综合评分，从预设的指导语句库中生成相应的语句指导进行临帖字体的点评和指导。