|
古琴艺术历史悠久，是中国最古老的弹拨乐器，已有三千多年的历史，最初以文字记录，即文字谱，由于文字谱过于繁复，不便使用和传承，后经唐代著名琴家曹柔减化，发展成为减字谱。
古琴艺术是最具民族特色的文化遗产之一，被誉为艺术性的哲学或哲学性的艺术，以“琴棋书画”四艺之首的特殊地位绵延几千年，得到了充分的发展，随着被联合国纳入“人类口头和非物质遗产代表作”，有关古琴的传承和保护得到了普遍关注和重视。在这种背景下，如何充分利用现代数字信息智能技术，为弘扬和保护古琴艺术做一些技术性的研究和开发工作显得迫切需要。
由于古琴减字没有被收录在现有的文字编码库中，而古琴减字又多达上万个，对古琴减字编码也非易事，古琴谱又多为手抄本，这都严重阻碍了古琴艺术的传承，所以古琴减字谱的数字化成为我们面临的又迫切需要解决的一个重要课题。
因此，有必要提供一种能够对古琴手写谱字包含的减字符号做出判断，且面向古琴谱手写谱字的识别方法。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供一种古琴减字谱指法的手写谱字识别方法，能够实现古琴减字谱数字化，使得利用现代图像处理技术手段保存手写古琴减字谱成为可能，并且将极大地推动古琴艺术的传播。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种古琴减字谱指法的手写谱字识别方法，包括：
S001、建立标准减字符号库；
S002、预处理待识别手写谱字与标准减字符号库；
S003、获取待识别手写谱字的特征图；
S004、计算待识别手写谱字和标准减字符号特征信息；
S005、匹配待识别手写谱字特征信息和标准减字符号特征信息，通过计算得出待识别手写谱字特征信息与标准减字符号特征信息的相关度；
S006、根据待识别手写谱字特征信息与标准减字符号特征信息的相关度，对待识别手写谱字的特定位置包含的标准减字符号做出综合判断。
进一步的，所述步骤S001，具体包括：
S0201、获取标准体减字谱的谱字图片，通过平滑以及二值化处理得到背景像素灰度值为255、笔画像素灰度值为0的谱字图，以谱字图的右上角为原点建立像素坐标系，将谱字图中笔画的最上端、最下端、最左端和最右端的像素坐标分别记为(xt，yt)、(xb，yb)、(xl，yl)、(xr，yr)，并裁剪顶点为(xl，yt)、(xr，yt)、(xl，yb)、(xr，yb)的矩形区域，将得到的裁剪图片归纳为SP集合；
S0202、挑选SP集合中包含左手指法的裁剪图片并命名为SPr集合，将SPr集合中非左手指法部分的笔画像素灰度值重置为255，从而得到左手指法标准符号库；同理，分别得到左手徽位标准符号库、装饰弹法标准符号库、右手指法标准符号库和右手弦位标准符号库，将左手指法标准符号库、左手徽位标准符号库、装饰弹法标准符号库、右手指法标准符号库和右手弦位标准符号库归纳为标准减字符号库，并将标准减字符号库中的裁剪图片大小调整至m2×n2像素，得到标准图片。
进一步的，所述步骤S002，具体包括：
S0301、获取待识别手写谱字的图像，通过去噪、平滑、裁剪、图片二值化，获得背景像素灰度值为255、笔画像素灰度值为0的待识别手写谱字图，将待识别手写谱字图大小调整至m1×n1像素；
S0302、对待识别手写谱字图和匹配的标准图片的大小进行对比，当m2＞m1或n2＞n1时，将待识别手写谱字图放大至m2×n2像素，当m2＜m1且n2＜n1时，并将与待识别手写谱字图进行匹配的标准图片尺寸与待识别手写谱字图尺寸均缩放至m1×n*像素，n*为(m1×n2)/m2向下取整记。
进一步的，所述步骤S003，具体包括：
S0401、将步骤S001得到的单个标准图片中所有的像素灰度值归纳集合记为std＝{pi1，pi2，pi2，...，pin}，将步骤S002得到的待识别手写谱字图中所有像素灰度值归纳集合记为集合元素的下标表示该像素灰度值在标准图片或待识别手写谱字图中的位置；
S0402、将待识别手写谱字图的像素灰度值集合转化为其中将集合mag*中像素灰度值为0的点的个数记为n0，对n0的个数进行判断，当n0≥50时，得到的mag*集合对应的图片即为待识别手写谱字特征图；
当n0＜50时，进行如下步骤：
(1)、记腐蚀次数为nf＝0；
(2)、腐蚀次数nf自增1，对nf进行判断，当nf＞30时跳转至第(5)步，否则执行第(3)步；
(3)、以3×3的结构元腐蚀mag*集合对应的图片，记腐蚀后的图片像素灰度值集合为magf＝{pif1，pif2，pif2，...，pifn}，集合元素的下标表示该灰度值在图片中的位置；
(4)、将腐蚀后的图片像素灰度值集合转化为其中
(5)、对nf进行判断，当nf＞30时，该待识别手写谱字图不是有效的谱字图片，处理其他待识别手写谱字、以及要与之匹配的标准减字符号；当n0＜50时，跳转至第(2)步；当n0≥50时，得到的集合mag*对应的图片即为待识别手写谱字特征图。
进一步的，所述步骤S004，具体包括：
S0501、将待识别手写谱字特征图的大小记为m×n，将待识别手写谱字特征图像素灰度值为i的个数记为ni，且0≤i≤255，则待识别手写谱字特征图中每个像素灰度值出现的概率从而待识别手写谱字特征图的信息熵为同理，得到标准减字符号库中的标准图片信息熵为其中为标准减字符号库中的标准图片的每个像素灰度值出现的概率；
S0502、记待识别手写谱字特征图的像素点灰度值为A(x，y)，记标准图片中像素点灰度值为B(x，y)，其中，x和y分别为像素点的横、纵坐标，并且0≤x≤m，0≤y≤n，记其中，i和j为像素点灰度值，且0≤i≤255，0≤j≤255，则待识别手写谱字特征图的像素点灰度值与标准图片的像素点灰度值联合概率为从而待识别手写谱字特征图与标准图片的联合熵为互信息为I(A，B)＝Hmag+Hstd-H(A，B)，将互信息归一化得
S0503、分别在垂直方向和水平方向计算待识别手写谱字特征图的梯度及梯度方向，垂直方向梯度算子为[-1，0，1]T水平方向梯度算子为[-1，0，1]，Ay(x，y)＝fA(x，y+1)-fA(x，y-1)，Ax(x，y)＝fA(x+1，y)-fA(x-1，y).其中Ay(x，y)，Ax(x，y)分别为待识别手写谱字特征图在像素点(x，y)处的垂直梯度和水平梯度，fA(x，y)为待识别手写谱字特征图在像素点(x，y)处的像素灰度值，θA(x，y)则指的是像素点在点(x，y)处梯度的方向，且同理，得到的标准图片像素点在点(x，y)处的梯度方向为其中By(x，y)，Bx(x，y)分别为标准图片在像素点(x，y)处的垂直梯度和水平梯度，且
S0504、将区间等分为9个左闭右开的子区间，将等分后得到的子区间记为Is，其中1≤s≤9，将待识别手写谱字特征图的梯度方向落在子区间Is的个数记为NAs，同理，得到的标准图片的梯度方向落在子区间Is的个数为NBs。
进一步的，所述步骤S005，具体包括：
待识别手写谱字特征图与标准减字符号库中的标准图片的归一化互信息为待识别手写谱字特征图的梯度方向落在区间Is的个数为NAs，标准减字符号库图片的梯度方向落在区间Is的个数为NBs，其中1≤s≤9，
记
记待识别手写谱字特征图与步骤S002得到的标准减字符号库图片的笔画相似度为
进一步的，所述步骤S006，具体包括：
S0701、记待识别手写谱字特征图与左手指法标准符号库中所有的标准图片的归一化互信息集合和笔画相似度集合分别为Ω＝{NMI1，NMI2，NMI3，...，NMIn}.Ω*＝{count1，count2，count3，...，countn}，其中，集合元素下标表示左手指法标准符号库中的标准图片的编号；
S0702、引入阈值参数L，引入权重因子K、K*，且K+K*＝1，并建立评价计算方式为：Eva＝{Eva1，Eva2，Eva3，...，Evan}，其中，Evai＝K×NMIi+K*×counti，1≤i≤n；得出判定待识别手写谱字图的评价标准为：max(Eva)＜L (1)，
max(Eva)≥L (2)，其中：max为求取集合元素的最大值；式(1)为该待识别书写谱字图中没有左手指法符号；式(2)为该待识别手写谱字图中有左手指法符号，且该待识别手写谱字图中包含的左手指法符号为：以集合Eva中元素max(Eva)的下标为编号的左手指法标准符号库的标准图片中所示符号；其中max(Eva)越大表示匹配度越高，max(Eva)＝1时为最佳匹配；同理，可得待识别手写谱字图中还包含有哪些其他减字符号。
进一步的，所述阈值参数L和权重因子K、K*的确定，具体为：
S0801、为标准减字符号库中每个标准图片分别选取5个手写谱字，则选取的手写谱字共为N＝(N1+N2+N3+N4+N5)个，其中，N1为左手指法标准符号库对应选取的手写谱字个数，N2为左手徽位标准符号库对应选取的手写谱字个数，N3为装饰弹法标准符号库对应选取的手写谱字个数，N4为右手指法标准符号库对应选取的手写谱字个数，N5为右手弦位标准符号库对应选取的手写谱字个数；
S0802、将选取的N个手写谱字根据步骤S002、步骤S003、步骤S004、步骤S005和步骤S006分别与对应的标准图片进行匹配，其中，在步骤S006时，取L＝0，当NMIi≥counti时，取K＝1，K*＝0，当NMIi＜counti时，取K＝0，K*＝1，记LEva＝max(Eva)对应的K＝a，其中a＝1或0；将N个手写谱字经过上述匹配后得到集合记为LEva*＝{LEva1，LEva2，LEva3，...，LEvaN}，a*＝{a1，a2，a3，...，aN}，其中，LEva和a的下标为选取的N个手写谱字的编号，LEvas表示编号为s的手写谱字LEva值，as表示编号为s的手写谱字a值，记集合a*中值为1的元素个数为Num，取阈值参数取权重因子取权重因子K*＝1-K，其中，min为求取集合元素的最小值。
(三)有益效果
本发明提供了一种古琴减字谱指法的手写谱字识别方法。具备以下益效果：本发明通过扫描仪或视觉传感器对古琴谱手写谱字实现离线或在线提取，对提取的待识别手写谱字以及标准减字符号库中的标准图片进行预处理，建立待识别手写谱字特征图模型，计算待识别手写谱字的特征信息和标准减字符号库中标准图片(即标准减字符号)的特征信息，通过计算得出待识别手写谱字的特征信息与标准减字符号特征信息的相关度，根据待识别手写谱字与标准减字符号的相关度，对待识别手写谱字特定位置包含的标准减字符号做出综合判断；本发明利用古琴谱谱字全局降维特征信息，使用待识别手写谱字与标准减字符号的互信息和笔画相似度的加权值作为是否包含相关减字符号的鉴定标准，能够对待识别手写谱字包含的减字符号作出鉴定，满足离线和在线自动识别古琴谱手写谱字包含的减字符号，为后续自动输出标准谱字提供必要的可靠的信息。该方法能够自动识别古琴谱手写谱字字，并且对旋转、平移、缩放具有较高的鲁棒性，在充分保证识别速度和精度的情况下大大节约了人工录谱成本，显著提高录谱效率，并且能够杜绝人工录谱的误录，实现古琴减字谱的数字化，使得利用现代图像处理技术手段保存手写古琴减字谱成为可能，必将为弘扬和保护古琴艺术做出重要贡献。
附图说明
图1为本发明实施例一提供的一种古琴减字谱指法的手写谱字识别方法的流程示意图；
图2为本发明实施例一提供的减字结构示意图；
图3为本发明实施例一提供的像素坐标系示意图；
图4为本发明实施例二提供的一种古琴减字谱指法的手写谱字识别方法的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例；基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例一提供的一种古琴减字谱指法的手写谱字识别方法的流程示意图，如图1所示，一种古琴减字谱指法的手写谱字识别方法，包括：
S001、建立标准减字符号库；
S002、预处理待识别手写谱字与标准减字符号库；
S003、获取待识别手写谱字的特征图；
S004、计算待识别手写谱字和标准减字符号特征信息；
S005、匹配待识别手写谱字特征信息和标准减字符号特征信息，通过计算得出待识别手写谱字特征信息与标准减字符号特征信息的相关度；
S006、根据待识别手写谱字特征信息与标准减字符号特征信息的相关度，对待识别手写谱字的特定位置包含的标准减字符号做出综合判断。
具体的，通过扫面议或视觉传感器获取待识别的手写的古琴减字谱图片，将得到的古琴减字谱图片分割成单个谱字图片，图像坐标系示意图如图3所示，谱字结构示意图如图2所示。
谱字中的字是古琴乐谱新构造的谱字，具备指导音律的作用；减字符号中的字是汉字的意思，通过减少汉字的某些笔画获得的减字符号。
单个谱字可以由单个减字符号构成，也可由多个减字符号构成，一旦称其为谱字，则是将其放在了乐谱之中，与前后的谱字相关联，具备音律指导作用，可以产生旋律，不同于单独某个减字符号。
考虑到泛音的谱字，只指示了某种音色，并没有指定指法，重复的谱字不指代某种音色或者指法，只是标志重复某一段而已。
本发明通过扫描仪或视觉传感器对古琴谱手写谱字实现离线或在线提取，对提取的待识别手写谱字以及标准减字符号库中的标准图片进行预处理，建立待识别手写谱字特征图模型，计算待识别手写谱字的特征信息和标准减字符号库中标准图片(即标准减字符号)的特征信息，通过计算得出待识别手写谱字的特征信息与标准减字符号特征信息的相关度，根据待识别手写谱字与标准减字符号的相关度，对待识别手写谱字特定位置包含的标准减字符号做出综合判断；本发明利用古琴谱谱字全局降维特征信息，使用待识别手写谱字与标准减字符号的互信息和笔画相似度的加权值作为是否包含相关减字符号的鉴定标准，能够对待识别手写谱字包含的减字符号作出鉴定，满足离线和在线自动识别古琴谱手写谱字包含的减字符号，为后续自动输出标准谱字提供必要的可靠的信息。该方法能够自动识别古琴谱手写谱字字，并且对旋转、平移、缩放具有较高的鲁棒性，在充分保证识别速度和精度的情况下大大节约了人工录谱成本，显著提高录谱效率，并且能够杜绝人工录谱的误录。
所述步骤S001，具体包括：
S0201、获取标准体减字谱的谱字图片，所获得的标准谱字图片背景像素灰度值较大，谱字笔画像素灰度值较低，通过平滑以及二值化处理得到背景像素灰度值为255、笔画像素灰度值为0的谱字图，以谱字图的右上角为原点建立像素坐标系，像素坐标系如图3所示，将谱字图中笔画的最上端、最下端、最左端和最右端的像素坐标分别记为(xt，yt)、(xb，yb)、(xl，yl)、(xr，yr)，并裁剪谱字图，留下顶点为(xl，yt)、(xr，yt)、(xl，yb)、(xr，yb)构成的矩形区域，将得到的裁剪图片归纳为SP集合，谱字结构划分为图2所示；
S0202、人工挑选SP集合中包含左手指法的裁剪图片并命名为SPr集合，将SPr集合中非左手指法部分的笔画像素灰度值重置为255，且保持裁剪图片大小不变，从而得到左手指法标准符号库；同理，分别得到左手徽位标准符号库、装饰弹法标准符号库、右手指法标准符号库和右手弦位标准符号库，将左手指法标准符号库、左手徽位标准符号库、装饰弹法标准符号库、右手指法标准符号库和右手弦位标准符号库统一归纳为标准减字符号库，并将标准减字符号库中的裁剪图片大小调整至m2×n2像素，得到标准图片。
所述步骤S002，具体包括：
S0301、获取待识别手写谱字的图像，通过去噪、平滑、裁剪，使得待识别手写谱字的图像的最上端、最下端、最左端、最右端均存在像素灰度值为0的像素点，对图片进行二值化，获得背景像素灰度值为255、笔画像素灰度值为0的待识别手写谱字图，将待识别手写谱字图大小调整至m1×n1像素；
S0302、对待识别手写谱字图的大小和匹配的标准图片的大小进行对比，当m2＞m1或n2＞n1时，将待识别手写谱字图放大至m2×n2像素，当m2＜m1且n2＜n1时，并将与待识别手写谱字图进行匹配的标准图片尺寸与待识别手写谱字图尺寸均缩放至m1×n*像素，n*为(m1×n2)/m2向下取整记。
所述步骤S003，具体包括：
S0401、将步骤S001得到的单个标准图片中所有的像素灰度值归纳集合记为std＝{pi1，pi2，pi2，...，pin}，将步骤S002得到的待识别手写谱字图中所有像素灰度值归纳集合记为集合元素的下标1、2、3……表示该像素灰度值在标准图片或待识别手写谱字图中的位置；
S0402、将待识别手写谱字图的像素灰度值集合转化为其中将集合mag*中像素灰度值为0的点的个数记为n0，对n0的个数进行判断，当n0≥50时，得到的mag*集合对应的图片即为待识别手写谱字特征图；
当n0＜50时，进行如下步骤：
(1)、记腐蚀次数为nf＝0；
(2)、腐蚀次数nf自增1，对nf进行判断，当nf＞30时跳转至第(5)步，否则执行第(3)步；
(3)、以3×3像素的结构元腐蚀mag*集合对应的图片，记腐蚀后的图片像素灰度值集合为magf＝{pif1，pif2，pif2，...，pifn}，集合元素的下标表示该灰度值在图片中的位置；
(4)、将腐蚀后的图片像素灰度值集合转化为其中
(5)、对nf进行判断，当nf＞30时，该待识别手写谱字图不是有效的谱字图片，处理其他待识别手写谱字、以及要与之匹配的标准减字符号；当n0＜50时，跳转至第(2)步；当n0≥50时，得到的集合mag*对应的图片即为待识别手写谱字特征图。
所述步骤S004，具体包括：
S0501、将待识别手写谱字特征图的大小记为m×n，将待识别手写谱字特征图像素灰度值为i的个数记为ni，且0≤i≤255，则待识别手写谱字特征图中每个像素灰度值出现的概率从而待识别手写谱字特征图的信息熵为同理，得到标准减字符号库中的标准图片信息熵为其中为标准减字符号库中的标准图片的每个像素灰度值出现的概率；
S0502、记待识别手写谱字特征图的像素点灰度值为A(x，y)，记标准图片中像素点灰度值为B(x，y)，其中，x和y分别为像素点的横、纵坐标，并且0≤x≤m，0≤y≤n，记其中，i和j为像素点灰度值，且0≤i≤255，0≤j≤255，则待识别手写谱字特征图的像素点灰度值与标准图片的像素点灰度值联合概率为从而待识别手写谱字特征图与标准图片的联合熵为互信息为I(A，B)＝Hmag+Hstd-H(A，B)，将互信息归一化得
S0503、分别在垂直方向和水平方向计算待识别手写谱字特征图的梯度及梯度方向，垂直方向梯度算子为[-1，0，1]T，水平方向梯度算子为[-1，0，1]，Ay(x，y)＝fA(x，y+1)-fA(x，y-1)，Ax(x，y)＝fA(x+1，y)-fA(x-1，y)，其中Ay(x，y)，Ax(x，y)分别为待识别手写谱字特征图在像素点(x，y)处的垂直梯度和水平梯度，fA(x，y)为待识别手写谱字特征图在像素点(x，y)处的像素灰度值，θA(x，y)则指的是像素点在点(x，y)处梯度的方向，且同理，得到的标准图片像素点在点(x，y)处的梯度方向为其中By(x，y)，Bx(x，y)分别为标准图片在像素点(x，y)处的垂直梯度和水平梯度，且
S0504、将区间等分为9个左闭右开的子区间，将等分后得到的子区间记为Is，其中1≤s≤9，将待识别手写谱字特征图的梯度方向落在子区间Is的个数记为NAs，其中梯度方向落在区间的个数还包括梯度方向为的个数，同理，得到的标准图片的梯度方向落在子区间Is的个数为NBs。
所述步骤S005，具体包括：
待识别手写谱字特征图与标准减字符号库中的标准图片的归一化互信息为待识别手写谱字特征图的梯度方向落在区间Is的个数为NAs，标准减字符号库图片的梯度方向落在区间Is的个数为NBs，其中1≤s≤9，
记
记待识别手写谱字特征图与步骤S002得到的标准减字符号库图片的笔画相似度为
所述步骤S006，具体包括：
S0701、记待识别手写谱字特征图与左手指法标准符号库中所有的标准图片的归一化互信息集合和笔画相似度集合分别为Ω＝{NMI1，NMI2，NMI3，...，NMIn}，Ω*＝{count1，count2，count3，...，countn}，其中，集合元素下标表示左手指法标准符号库中的标准图片的编号；
S0702、引入阈值参数L，引入权重因子K、K*，且K+K*＝1，并建立评价计算方式为：Eva＝{Eva1，Eva2，Eva3，...，Evan}，其中，Evai＝K×NMIi+K*×counti，1≤i≤n；得出判定待识别手写谱字图的评价标准为：max(Eva)＜L (1)，max(Eva)≥L (2)，其中：max为求取集合元素的最大值；式(1)为该待识别书写谱字图中没有左手指法符号；式(2)为该待识别手写谱字图中有左手指法符号，且该待识别手写谱字图中包含的左手指法符号为：以集合Eva中元素max(Eva)的下标为编号的左手指法标准符号库的标准图片中所示符号；其中max(Eva)越大表示匹配度越高，max(Eva)＝1时为最佳匹配；同理，可得待识别手写谱字图中还包含有哪些其他减字符号。
所述阈值参数L和权重因子K、K*的确定，具体为：
S0801、为标准减字符号库中每个标准图片分别选取5个手写谱字，则选取的手写谱字共为N＝(N1+N2+N3+N4+N5)个，其中，N1为左手指法标准符号库对应选取的手写谱字个数，N2为左手徽位标准符号库对应选取的手写谱字个数，N3为装饰弹法标准符号库对应选取的手写谱字个数，N4为右手指法标准符号库对应选取的手写谱字个数，N5为右手弦位标准符号库对应选取的手写谱字个数；
S0802、将选取的N个手写谱字根据步骤S002、步骤S003、步骤S004、步骤S005和步骤S006分别与对应的标准图片进行匹配，其中，在步骤S006时，取L＝0，当NMIi≥counti时，取K＝1，K*＝0，当NMIi＜counti时，取K＝0，K*＝1，记LEva＝max(Eva)对应的K＝a，其中a＝1或0；将N个手写谱字经过上述匹配后得到集合记为LEva*＝{LEva1，LEva2，LEva3，...，LEvaN}，a*＝{a1，a2，a3，...，aN}，其中，LEva和a的下标为选取的N个手写谱字的编号，LEvas表示编号为s的手写谱字LEva值，as表示编号为s的手写谱字a值，记集合a*中值为1的元素个数为Num，取阈值参数取权重因子取权重因子K*＝1-K，其中，min为求取集合元素的最小值。
图4为本发明实施例二提供的一种面向古琴谱手写谱字识别方法的流程示意图，如图4所示，一种面向古琴谱手写谱字识别方法，包括：
建立标准减字符号库，将在线或离线获得的古琴减字谱分割成单个谱字，对获得的待识别手写谱字以及标准减字符号(标准减字符号库中的标准图片上的笔画结构即标准减字符号)进行预处理，建立待识别手写谱字特征图模型，计算待识别手写谱字和标准减字符号特征信息，通过计算得出待识别手写谱字特征信息与标准减字符号特征信息的相关度，根据待识别手写谱字和标准减字符号的相关度以及特征图，对待识别手写谱字特定位置包含的标准减字符号做出综合判断。其中，谱字的减字符号结构的匹配顺序一次为左手指法符号，左手徽位符号，右手指法符号，右手弦位符号，其他减字符号，当待识别手写谱字无左手指法符号时，跳过左手徽位符号的匹配而直接匹配右手指法符号，当待识别手写谱字无右手指法符号时，跳过右手弦位符号的匹配而直接匹配其他减字符号，当其他减字符号全部匹配完之后，统计识别到的减字符号，根据划分的减字结构和识别出的减字符号生成标准谱字并输出，当没有待识别减字时，结束流程，当还有待识别手写谱字时，重复上述流程继续识别下一个手写谱字。本方法能够自动识别古琴谱手写谱字，并且对旋转、平移、缩放具有较高的鲁棒性，在充分保证识别速度和精度的情况下大大节约了人工录谱成本，显著提高录谱效率，并且能够杜绝人工录谱的误录。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
|
