”一“的客观形态与主观感受之间的关联性研究

特征描述

书法骨架

在这里插入图片描述

笔画长度

在这里插入图片描述

平均笔画宽度

在这里插入图片描述

笔力

在这里插入图片描述

走势(斜率)

在这里插入图片描述
在这里插入图片描述

十二个“一”

1、在这里插入图片描述
2、在这里插入图片描述
3、在这里插入图片描述
4、在这里插入图片描述
5、在这里插入图片描述
6、在这里插入图片描述
7、在这里插入图片描述
8、在这里插入图片描述
9、在这里插入图片描述
10、在这里插入图片描述
11、在这里插入图片描述
12、在这里插入图片描述

算法实现

逻辑上而言,每个”一“的感受都来源于其形态,那么我们不禁要问,各个”一“带来的不同感受与它们的形态有何关联呢?为了探索”形态-感受“的关联性,需要对每个”一“的客观造型进行描述,提取特征,这里就需要用到图像处理的技术了。
通过对上述图片的观察可以发现有些图片的噪声多,不易于骨架的提取。所以要选对图片进行预处理。
matlab函数bwareaopen──删除小面积对象
格式:BW2 = bwareaopen(BW,P,conn)
作用:删除二值图像BW中面积小于P的对象,默认情况下使用8邻域。
通过bwareaopen函数对图像进行处理后可以得到比较整洁的图片。
预处理前的图片
在这里插入图片描述
预处理后的图片
在这里插入图片描述

预处理代码:

global pic;
global pic1;
pic11 = ~pic;
%删除二值图像BW中面积小于P的对象,默认情况下使用8邻域。
pic1=bwareaopen(pic11,200,8);
%进行填充
pic1=imfill(pic1,'holes');

特征提取代码:

function [ pic_skel,strokelen,averStrokeWdith,writingPower,trend ] = skeleton( pic )
%传入的二值图为黑底白字
%对横笔画的一进行骨架提取
%pic:输入的待处理的二值图像
%pic_skel:处理后的骨架
%strokelen:笔画长度
%averStrokeWdith:平均笔画宽度
%writingPower:笔力
%trend:z走势

[m,n]=size(pic);
disp(m);
disp(n);
pic1=zeros(m,n);

strokelen=0;
averStrokeWdith = 0;
%记录每一列中第一个‘1’出现的位置
first = 0;
%记录每一列中最后一个‘1’出现的位置
last = 0;

%点集数
pointnum = 0;
%点集数组
point = []

%起始点
start.x=0;start.y=0;
%结束点
finish.x=0;finish.y=0;
for i = 1:n
    flag=pic(:,i);
    for j=1:m
        if(~(pic(j,i)==0))
            if(first==0)
                first=j;
                last=j;
            else
                last=j;
            end
        end
    end
    if(~(first==0))
        pointnum = pointnum+1;
        num = floor((first+last)/2);
        pic1(num,i)=1;
        %笔画长度
        strokelen = strokelen + 1;
        
        %平均笔画宽度
        averStrokeWdith = averStrokeWdith + (last-first);
        
        %记录点集的宽度
        point = [point,last-first];
        
        %记录起始点
        if(start.x==0)
            start.y=num;
            start.x=i;
        else%记录结束点
            finish.y=num;
            finish.x=i;
        end
    end
    first = 0;
    last = 0;
end
%平均笔画宽度
averStrokeWdith = averStrokeWdith/pointnum;
%骨架
pic_skel = pic1;

%笔力
writingPower = 0;
[m,n]=size(point);
for f=1:n
    writingPower = writingPower + (point(1,f)- averStrokeWdith)*(point(1,f)- averStrokeWdith);
end
writingPower = sqrt(writingPower)/pointnum;

%走势
trend = -(finish.y-start.y)/(finish.x-start.x);
end

matlab进行实现

界面设计

在这里插入图片描述

对12个“一”进行特征测量

1、算法测量在这里插入图片描述
手工测量(PS进行测量)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
2、算法测量在这里插入图片描述
手工测量(PS进行测量)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
3、算法测量在这里插入图片描述
手工测量(PS进行测量)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
4、算法测量在这里插入图片描述
手工测量(PS进行测量)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
5、算法测量在这里插入图片描述
手工测量(PS进行测量)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
6、算法测量在这里插入图片描述
手工测量(PS进行测量)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
7、算法测量在这里插入图片描述
手工测量(PS进行测量)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
8、算法测量在这里插入图片描述
手工测量(PS进行测量)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
9、算法测量在这里插入图片描述
手工测量(PS进行测量)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
10、算法测量在这里插入图片描述
手工测量(PS进行测量)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

11、算法测量
在这里插入图片描述
手工测量(PS进行测量)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
12、算法测量在这里插入图片描述
手工测量(PS进行测量)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值