书法作品评价方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本申请实施例公开了一种书法作品评价方法、装置、电子设备及计算机可读存储介质，该方法可以包括：获取书法作品的第一图像；将所述第一图像拆分成至少一张第二图像，其中，每张所述第二图像中均包含一个书写的文字；通过训练好的机器学习模型提取每张第二图像所包含的文字，得到待测评文字信息；从标准字库中获取所述每张第二图像所包含的文字的标准字信息；对所述待测评文字信息和所述标准字信息进行比较，确定每张所述第二图像所包含的文字的得分，以得到所述书法作品的评分。实施本申请，可以解决现有技术中书法测评主要依靠人工来进行测评所导致的问题。进行测评所导致的问题。进行测评所导致的问题。

【技术实现步骤摘要】
书法作品评价方法、装置、电子设备及计算机可读存储介质


[0001]本申请涉及图像处理
，尤其涉及一种书法作品评价方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]伴随着经济的快速发展和科技的进步，中国传统文化受到越来越多人的关注，而书法是中国传统文化的重要表达形式和传播载体，它按照文字特点及其涵义，以相应笔法、结构和章法写字，使之成为富有美感的艺术作品，对传承和弘扬中国传统文化有着不可替代的重要作用。
[0003]现有的书法测评都是由人通过观察书法爱好者的书法作品，依托于自身对书法作品的主观评价得出评分，由于每个人的主观意识都有所不同，因此，不同的人对同一个书法作品所给出的评分也不尽相同。因此，如何提出一种科学有效地方法来评价书法作品是亟需解决的技术问题。

技术实现思路

[0004]本申请实施例提供一种书法作品评价方法、装置、电子设备及计算机可读存储介质，可以解决现有技术中书法测评主要依靠人工来进行测评所导致的问题。
[0005]第一方面，本申请实施例提供了一种书法作品评价方法，该方法包括：
[0006]获取书法作品的第一图像；
[0007]将所述第一图像拆分成至少一张第二图像，其中，每张所述第二图像中均包含一个书写的文字；
[0008]通过训练好的机器学习模型提取每张第二图像所包含的文字，得到待测评文字信息；
[0009]从标准字库中获取所述每张第二图像所包含的文字的标准字信息；
[0010]对所述待测评文字信息和所述标准字信息进行比较，确定每张所述第二图像所包含的文字的得分，以得到所述书法作品的评分。
[0011]实施本申请实施例，在对书法作品进行评价时，首先，获取书法作品的图像，然后，对书法作品的图像进行拆分，得到每个书写的文字的图像，之后，通过训练好的机器学习模型提取图像所包含的文字，得到待测评文字信息，并从标准字库中获取该文字对应的标准字信息，对待测评文字信息和标准字信息进行比较，得到每个文字的得分，以根据每个文字的得分得到书法作品的评分。以这种方式，可以解决现有技术中的书法测评方法主要依靠人工来进行测评所导致的问题，一方面，可以提高书法测评的便利性和效率；另一方面，节约了人工成本。
[0012]在一种可能的实现方式中，所述待测评文字信息包括至少一个文字特征，所述文字特征包括文字的大小、重心、形态、位置、笔画轮廓；所述标准字信息包括至少一个标准文字特征，所述标准文字特征包括文字的标准大小、标准重心、标准形态、标准位置、标准笔画
轮廓；所述对所述测评文字信息和所述标准字信息进行比较，确定每张所述第二图像所包含的文字的得分，包括：
[0013]基于所述待测评文字信息和所述标准字信息，分别计算同一类型的文字特征所对应的特征差异度；
[0014]根据所述特征差异度确定每张所述第二图像所包含的文字的得分，以得到所述书法作品的评分。
[0015]在一种可能的实现方式中，所述根据所述特征差异度确定每张所述第二图像所包含的文字的得分，包括：
[0016]在确定所述书法作品的评分时，根据以下公式计算
[0017]Y＝w1*X1+w2*X2+w3*X3+w4*X4+w5*X5
[0018]其中，w1、w2、w3、w4和w5为权重系数；X1表示大小项对应的特征差异度；X2表示重心项对应的特征差异度；X3表示形态项对应的特征差异度；X4表示位置项对应的特征差异度；X5表示笔画轮廓项对应的特征差异度。
[0019]在一种可能的实现方式中，所述将所述第一图像拆分成至少一张第二图像之后，还包括：
[0020]对所述第二图像进行预处理，其中，所述预处理包括图像灰度化、二值化、降噪、倾斜校正、文字分割中的至少一种。
[0021]在一种可能的实现方式中，所述方法还包括：
[0022]基于聚类算法对样本图像数据进行分类，并通过人工监督方式完成样本图像数据的标记，得到标记结果；
[0023]基于所述标记结果生成数据集；其中，所述数据集包括训练数据集和测试数据集；
[0024]通过所述训练数据集对所述机器学习模型进行训练，并结合测试数据集对所述机器学习模型进行测试，在确定所述机器学习模型所对应的文字识别结果大于预设值的情况下，得到所述训练好的机器学习模型。
[0025]在一种可能的实现方式中，所述训练数据集中所包含的数据数量大于所述测试训练集中所包含的数据数量。
[0026]在一种可能的实现方式中，所述机器学习模型包括卷积神经网络模型。
[0027]第二方面，本申请实施例提供了一种书法作品评价装置，包括：
[0028]获取图像单元，用于获取书法作品的第一图像；
[0029]拆分单元，用于将所述第一图像拆分成至少一张第二图像，其中，每张所述第二图像中均包含一个书写的文字；
[0030]文字识别单元，用于通过训练好的机器学习模型提取每张第二图像所包含的文字，得到待测评文字信息；
[0031]信息获取单元，用于从标准字库中获取所述每张第二图像所包含的文字的标准字信息；
[0032]评分单元，用于对所述待测评文字信息和所述标准字信息进行比较，确定每张所述第二图像所包含的文字的得分，以得到所述书法作品的评分。
[0033]第三方面，本申请实施例提供了一种电子设备，包括处理器和存储器，所述处理器和存储器相互连接，其中，所述存储器用于存储支持服务器执行上述方法的计算机程序，所
述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面的方法。
[0034]第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
[0035]第五方面，本申请实施例还提供了一种计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
附图说明
[0036]为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。
[0037]图1是本申请实施例提供的一种电子设备的结构示意图；
[0038]图2是本申请实施例提供的一种机器学习模型训练方法流程图；
[0039]图3是本申请实施例提供的一种书法作品评价方法的流程示意图；
[0040]图4a是本申请实施例提供的一种文字的外轮廓的示意图；
[0041]图4b是本申请实施例提供的一种文字的内轮廓的示意图；
[0042]图5是本申请实施例提供的一种书法作品评价装置的结构示意图；
[0043]图6是本申请实施例提供的另一种电子设备的结构示意图。
具体实施方式
[0044]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
[0045]本申本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种书法作品评价方法，其特征在于，包括：获取书法作品的第一图像；将所述第一图像拆分成至少一张第二图像，其中，每张所述第二图像中均包含一个书写的文字；通过训练好的机器学习模型提取每张第二图像所包含的文字，得到待测评文字信息；从标准字库中获取所述每张第二图像所包含的文字的标准字信息；对所述待测评文字信息和所述标准字信息进行比较，确定每张所述第二图像所包含的文字的得分，以得到所述书法作品的评分。2.根据权利要求1所述的方法，其特征在于，所述待测评文字信息包括至少一个文字特征，所述文字特征包括文字的大小、重心、形态、位置、笔画轮廓；所述标准字信息包括至少一个标准文字特征，所述标准文字特征包括文字的标准大小、标准重心、标准形态、标准位置、标准笔画轮廓；所述对所述测评文字信息和所述标准字信息进行比较，确定每张所述第二图像所包含的文字的得分，包括：基于所述待测评文字信息和所述标准字信息，分别计算同一类型的文字特征所对应的特征差异度；根据所述特征差异度确定每张所述第二图像所包含的文字的得分，以得到所述书法作品的评分。3.根据权利要求2所述的方法，其特征在于，所述根据所述特征差异度确定每张所述第二图像所包含的文字的得分，包括：在确定所述书法作品的评分时，根据以下公式计算：Y＝w1*X1+w2*x2+w3*x3+w4*X4+w5*X5其中，w1、w2、w3、w4和w5为权重系数；X1表示大小项对应的特征差异度；X2表示重心项对应的特征差异度；X3表示形态项对应的特征差异度；X4表示位置项对应的特征差异度；X5表示笔画轮廓项对应的特征差异度。4.根据权利要求1所述的方法，其特征在于，所述将所述第一图像拆分成至少一张第二图像之后，还包括：对所述第二图像进行预处理，其中，所述预处理包括图像灰度化、二值化、降噪、倾斜校正、文字分割中的至少一种。5.根据权利要求1
...

【专利技术属性】
技术研发人员：卢骏，丛会苹，
申请(专利权)人：深圳市超像素智能科技有限公司，
类型：发明
国别省市：