基于MATLAB的簡譜識別算法研究

束美其

摘要：該文介紹了運用MATLAB軟件實現(xiàn)簡譜識別的算法。該算法主要實現(xiàn)圖像的預(yù)處理、分割以及匹配識別等功能，關(guān)鍵是對音符進(jìn)行準(zhǔn)確的分割，因為這直接影響到識別效果的好壞。

關(guān)鍵詞：簡譜識別；算法；MATLAB；分割

中圖分類號：TP37 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2014）36-8757-03

隨著數(shù)字化信息時代的到來，全球經(jīng)濟(jì)以前所未有的速度向前發(fā)展，同時，人們的生活水平和文化要求也越來越高，人們在各個領(lǐng)域的工作也更加的細(xì)化和深化，軟件行業(yè)異軍突起， 各種應(yīng)用軟件不斷的得以開發(fā)并應(yīng)用于工業(yè)、農(nóng)業(yè)、行政、文化娛樂等行業(yè)，不僅為信息時代的人類提供了更加簡潔、方便的工作和生活方式，更加使我們的生活豐富多彩。在音樂方面，各種樂譜編輯軟件、音樂合成軟件和音樂制作軟件已經(jīng)廣泛地應(yīng)用于音樂愛好者和專業(yè)人士的音樂工作中，在這些眾多的軟件中，絕大部分的音樂處理軟件都是對唱譜的后期制作與處理軟件，而對于樂譜的識別軟件相關(guān)的卻不多，樂譜識別，是相應(yīng)于現(xiàn)代化人們對快節(jié)奏工作方式的要求而產(chǎn)生的，但現(xiàn)有的識別軟件大多都存在種種的誤差，實際應(yīng)用性不高，能夠較準(zhǔn)確地識別出樂譜地軟件更是少之又少，這就給樂譜識別的軟件開發(fā)人員帶來了動力與挑戰(zhàn)，同時，樂譜識別軟件的開發(fā)也具有較好的市場發(fā)展前景。

簡譜，相對于五線譜而言，它書寫較為簡便，學(xué)習(xí)起來也比較容易，越來越多的人傾向于用簡譜來創(chuàng)作音樂，演奏音樂，目前市場上的簡譜識別軟件非常少，這與簡譜本身的特點有關(guān)，使得識別處理存在一些難點。因此，該文主要研究和設(shè)計了簡譜識別算法。

1 算法設(shè)計與實現(xiàn)

1.1 設(shè)計思路

對于一張掃描到電腦中的簡譜，進(jìn)行識別前需要首先進(jìn)行預(yù)處理，使之能夠轉(zhuǎn)化為易于進(jìn)行數(shù)字化處理的形式。依次為中值濾波、二值化、細(xì)化處理，如前所述，中值濾波可以較好的去除圖片中的椒鹽噪聲，二值化將待處理音符提取出來，細(xì)化處理很好的保留了音符的形狀、邊界特征，這對于后續(xù)的識別是大有好處的。本識別系統(tǒng)中最重要的一步就是準(zhǔn)確地分割出簡譜中的每個音符，分割的準(zhǔn)確與否直接影響到識別效果的好壞，我們采用水平投影、垂直投影并以零為閾值分割出每行和每列，再次利用水平和垂直投影分割出單個音符，之后即可進(jìn)行單個音符及其它符號的識別，這里需要注意的是需要用到多重循環(huán)，其嵌套關(guān)系是逐步遞進(jìn)的?？偠灾?，即先分割，每分割出一個音符就進(jìn)行一次識別，然后對該字符附近幾個區(qū)域進(jìn)行搜索其它符號的算法，每識別出一個音符賦一次值。其流程圖如圖1。

圖1 簡譜識別的基本流程

1.2 簡譜的分割算法

在本系統(tǒng)中，我們對簡譜用了四次分割：1） 水平投影（針對整篇簡譜）——行分割；2） 垂直投影（針對每行）——列分割；3） 水平投影（針對每列）——音符高度的分割；4） 垂直投影（針對2和3截出的區(qū)域）——音符寬度的分割。

第一次對整篇細(xì)化后的簡譜進(jìn)行水平投影，可以劃分出每行的高度，這里的高度一般就是小節(jié)線的高度（記為higth（u），u為行數(shù)），當(dāng)然，若該行中存在高低音點或減時線的話，水平投影后還會分割出距離較小的行高度，一般其值不超過5，這樣的行是沒有意義的，因為它不包含音符，所以在進(jìn)行第二次每行的垂直分割之前，須進(jìn)行一次判斷，即若該行的高度是大于5的，才對該行進(jìn)行后面的垂直投影分割，小于等于5的情況不作處理；

第二次對每行進(jìn)行垂直投影，可以劃分出每列的最大寬度（width（h），h為列數(shù)），這里的最大寬度可能是單個音符的寬度，也可能是帶有減時線的組合音符的寬度；

經(jīng)過兩次分割，截出的圖象區(qū)域的高度不是準(zhǔn)確的字符高度，寬度也可能不是單個音符的寬度（不帶減時線的情況下可以分割出單個音符的寬度），因此，有必要再次確定音符的準(zhǔn)確高度和寬度；

第三次水平投影，是對第二次分割出的每列進(jìn)行的，這樣得到的高度值中可能也包含距離較小的高度（可能包含減時線），又因為音符的準(zhǔn)確高度只能為一個值，所以我們可對分割出的高度higth1取最大值即：maxhigth1=max（higth1），即是單個字符的確切高度；

第四次分割是以第二次分割出的每個寬度width（h）為寬度，以第三次分割出的maxhigth1為高度，進(jìn)行垂直投影，這樣就可以把組合音符也分割開來。

至此，每個音符都可以被依次分割出來，依次識別。具體的分割算法如下（以第一次分割為例）：

y2=sum（bowa'）'；%每行象素值求和

T1=0； %分割閾值

i=1，j=1；

for k=1：m-1

if y2（k）<=T1&y2（k+1）>T1

h1（i）=k； %灰度上升點

i=i+1；

end

if y2（k）>T1&y2（k+1）<=T1

h2（j）=k+1+1； %灰度下降點

j=j+1；

end

end

higth=h2-h1； %分割出每行的高度

其中，bowa是做過細(xì)化后的二值圖像，y2是每行像素值之和，m是該簡譜圖像的行數(shù)。經(jīng)過該算法處理后，就可以得到準(zhǔn)確的行高度和位置。其它三次分割算法與此類似。

1.3 音符及各種符號的識別算法

基圖的識別算法及流程：分割出單個音符后，首先要對其歸一化，即經(jīng)過放縮、線形插值算法處理，使其成為與模版相同的大小，這樣與模版進(jìn)行匹配識別才能達(dá)到較準(zhǔn)確的匹配比較結(jié)果。歸一化之后是圖像的匹配識別處理，這里模版的選取也是要值得注意的，因為平常掃描的簡譜字符屬于印刷體，印刷體雖然比手寫體規(guī)范許多，但是也會因印刷體的版本、大小不同有所區(qū)別。大小不同可以經(jīng)過歸一化處理轉(zhuǎn)化為規(guī)定大小；版本不同，但是音符的書寫的特點并未改變，所以采用模糊模版匹配的識別方法，即讓分割出的音符矩陣與模版矩陣做差并求和，認(rèn)為與模版誤差最小的音符就是該模版所代表的音符。定義模版之前，需要查閱大量的簡譜，統(tǒng)計其音符的特點，之后選取與大部分音符特征最為相近的數(shù)字作為模版數(shù)字。這里模版的定義是：對模版數(shù)字1、2、3、4、5、6、7、0同樣放縮到規(guī)定大小，它們依次存放在一個矩陣中。進(jìn)行模版匹配時，要讓分割出的每個音符分別與每個數(shù)字模版進(jìn)行一次差值比較，對各差值取絕對值，這樣得到8個差值，再對這8個差值求最小值，那么該最小值對應(yīng)的模版數(shù)字就是該音符的識別結(jié)果。

混合圖的識別算法及流程： 在簡譜中，存在著大量的組合音符，如圖2（a）圖中前四個音符就屬于一個組合音符，（b）圖中前三個是一個組合音符，后兩個也是一個組合音符。

（a） （b）

圖2 混合圖的識別舉例

由圖2可以看出，組合音符一般都包含減時線，使多個音符組成一個整體。如何識別這些復(fù)雜的組合音符呢？我們采用了先分割，再識別的方法，即在第一次水平分割，垂直分割的基礎(chǔ)上再次進(jìn)行一次水平分割和一次垂直分割，有前所述，對于單個音符，第一次的分割可以得到準(zhǔn)確的音符寬度和上下帶有空余的音符高度，在此基礎(chǔ)上進(jìn)行第二次水平分割就可得到準(zhǔn)確的音符高度。但對于組合音符，在第二次水平投影分割后得到的是準(zhǔn)確的已去除減時線的組合音符的高度和寬度，并未分割出單個音符，因此必須再次進(jìn)行垂直投影分割。這樣，整個簡譜經(jīng)過兩次水平投影分割，兩次垂直投影分割就可以準(zhǔn)確地分割出單個音符了。

在最后一次列分割完成后，得到一個存放音符的數(shù)組，該數(shù)組中可能只有一個音符（對應(yīng)于單個音符的情況），也可能包含若干個音符（對應(yīng)于組合音符的情況），接下來對該數(shù)組中的每個音符要進(jìn)行識別判斷，若該列的寬度是小于或等于5的，則不滿足音符條件，屬于附點，進(jìn)行下一列的處理，否則滿足音符條件就進(jìn)行音符的匹配識別。

各種符號的識別算法： 對簡譜中的小節(jié)線、延時線、高、低音點和附點的識別，我們都采用了閾值判別法，因為細(xì)化處理給我們帶來的很大的好處就是小節(jié)線、延時線在理想情況下都被細(xì)化成寬度或高度為1個像素值，經(jīng)過統(tǒng)計，即使不太理想的情況下其投影寬度也不會超過5，而附點的有無是通過計算特定區(qū)域內(nèi)的像素不為零的點的個數(shù)（pointcnt），經(jīng)過統(tǒng)計，可定其閾值范圍為0

對小節(jié)線的判別是判斷它的寬度是否是<=5，是則不處理，否則進(jìn)行延時線的判別；

對延時線是判斷它的高度是否是<=5的，是則對其前一個音符作延時線標(biāo)記，否則可判定它滿足音符的條件，進(jìn)行音符識別處理；

對高低音點和附點有無的判斷是在識別完該音符后，再在該音符的上方、下方、右方的某一特定區(qū)域內(nèi)搜索不為零的像素個數(shù)，如果個數(shù)是大于0且小于或等于4的話就說明存在，并對該音符進(jìn)行高低音點、附點標(biāo)記；

高音點的搜索區(qū)域（point1） 是這樣定義的：高度的行起點為從該音符的行起點值減去該音符的高度，行終點為該音符的行起點；寬度就是該音符的寬度，并與之列的起點和終點對齊。低音點的搜索區(qū)域與高音點的搜索區(qū)域（point2） 相對應(yīng)，如下代碼實現(xiàn)的便是高、低音點的識別：

p1=h11-maxhigth1；

p2=h22+maxhigth1；

if p1<=0

p1=1；

end %越界處理

if p2>=m

p2=m；

end

point1=（bowa（p1：h11，w11（t）：w22（t）））；

point2=（bowa（h22：p2，w11（t）：w22（t）））；

point1cnt=find（point1）；[point1cnt，d]=size（point1cnt）；

point2cnt=find（point2）；[point2cnt，d]=size（point2cnt）；

if point1cnt>0 & point1cnt<=4

flag=1；

point（count）=3； %高低音點的識別

else

flag=0；

end

if flag==0

if point2cnt>0 & point2cnt<=4

point（count）=1；

flag=1；

else

flag=0；

end

end

if flag==0

point（count）=2；

end

上述代碼中用到了越界處理，這在處理點的運算時經(jīng)常要用到，在搜索區(qū)域中尋找像素值不為零的個數(shù)，判斷是否在0～5之間，若是，則表示有高或低音點，否則沒有，注意這里高低音點的表示用的是數(shù)組point（count），由高音點，point（count）=3；有低音點，point（count）=1；兩者都不存在，point（count）=2；這些將作為識別結(jié)果的四位代碼的首位。同時，在代碼中，高低音點的識別采用相并行的處理方法，即若首先判斷出該音符有高音點，則不用再去執(zhí)行低音點的識別程序，這樣既可簡化識別過程，又符合邏輯。

附點的識別區(qū)域的高度定義為pointhigth=round（3/4*maxhigth1），寬度為該音符寬度的列終點加上pointhigth。識別過程與高低音點的識別相似，這里不再贅述。

對減時線的識別采用的是穿線法判別，即通過計算音符正下方一定區(qū)域內(nèi)豎直方向上灰度突變的次數(shù)總和并求均值，四舍五入取整后，若統(tǒng)計結(jié)果是2，則表明該音符下方有一條減時線；若統(tǒng)計結(jié)果是4，則表明該音符下方有兩條減時線，若統(tǒng)計結(jié)果為0則表明該音符下方?jīng)]有減時線

2 運行結(jié)果

識別結(jié)果由一個四位的代碼來表示，有前所述，第一位代表音符是否含有高低音點，有高音點用3表示，有低音點用1表示，兩者都沒有用2表示；第二位代表的是具體的識別音符，用“x6”表示，其中“x”就是識別的音符（0～7） ，6這一位是與聲音庫中的代碼相對應(yīng)的；最后一位代表的是音符的節(jié)拍，用阿拉伯?dāng)?shù)字0～9表示，識別結(jié)果的賦值語句如下：

result（count）=

point（count）*1000+Reconga（count）*10+resultpai（count）

在上式中，point（count）標(biāo)記了高低音點的數(shù)值，Reconga（count）標(biāo)記了識別出的具體音符，resultpai（count）標(biāo)記了音符的節(jié)拍數(shù)值，這就是說，每個音符的識別結(jié)果包含了：音的高低、具體的音節(jié)、以及音符的節(jié)拍。并且每識出一個音符就記一個結(jié)果到數(shù)組result，并將其數(shù)組元素的個數(shù)加1。

該算法實現(xiàn)了對于一般簡譜的識別功能，經(jīng)統(tǒng)計，識別率達(dá)87%左右。易發(fā)生識別錯誤的情況，多是對于高低音點、附點的識別，由于本算法最終沒有用到中值濾波，因而對于簡譜圖像上的較小的噪聲點沒有去除，使得噪聲點易于同簡譜中的圓點混淆。這是因為用到本算法用到了細(xì)化處理，如果先對整篇簡譜進(jìn)行中值濾波，由于中值濾波是對該像素點相鄰的8個像素點取中間的像素點的值，而很多時候兩條減時線之間僅相隔一個像素點的間隔，則許多情況下兩條減時線就會被合成一條粗線，再經(jīng)細(xì)化處理就成為一條細(xì)線了 ，那么經(jīng)過穿線法統(tǒng)計的話，就會判斷成一條減時線，從而導(dǎo)致識別節(jié)拍的錯誤，如果進(jìn)行中值濾波，那么簡譜上的噪聲能夠被較好的去除，高低音點和附點的識別率也會上升。在個別情況下，某幾個數(shù)字的識別也容易發(fā)生識別錯誤，比如有時5會被識別成3，2有時會被識別成7，當(dāng)然，這也和具體的掃描上的簡譜的清晰度有關(guān)，也和模版選取的合適與否有一定的關(guān)系。

3 算法改進(jìn)

1） 找到合適的去噪方法

本算法在一開始確定用中值濾波去噪，是有一定的理論根據(jù)的，但是對于簡譜這種具體情況，中值濾波的處理會影響到減時線的識別。因此，找到一種合適的去噪算法，使之既可以較好的去除圖像上的椒鹽噪聲點，又不會影響減實線的個數(shù)。

2） 附點搜索的改進(jìn)算法

本算法對于附點的搜索是在音符的右邊，以該音符寬度的列終點為搜索區(qū)域的列起點，寬度為該音符高度的3/4左右，搜索區(qū)域的高度也為該音符高度的3/4左右，對于一般的情況是可以正確識別出附點的。但是，有時候兩個音符間的間隔會很短，甚至不到音符高度的3/4，這樣的話附點的搜索區(qū)域中會包含許多的非零像素點，導(dǎo)致識別結(jié)果為沒有附點，產(chǎn)生錯誤。因此，可以改進(jìn)算法為，將在音符右邊的固定大小區(qū)域內(nèi)搜索附點改為在該音符與下一個音符之間的區(qū)域中搜索附點，該區(qū)域的寬度的起點不變，寬度的計算變?yōu)?/3*（兩音符的間距），這樣搜索區(qū)域的大小是可變的，是隨著音符的間距的變化而變化，這樣就避免了區(qū)域劃分可能不準(zhǔn)確的問題。

3） 對于易混淆音符的區(qū)分識別

由于各種各樣的因素干擾，使得識別結(jié)果總存在一定的誤差，比如3與5可能會發(fā)生混淆，這樣可以考慮一種補償識別算法，即當(dāng)識別結(jié)果為3或5，就對該音符以另一種方法進(jìn)行識別，比如穿線法，得到穿線的統(tǒng)計值以區(qū)別是否識別正確。

4） 用小節(jié)線來驗證識別節(jié)拍的正確與否

本算法對于小節(jié)線沒有進(jìn)行任何處理，然而可以考慮一種驗證節(jié)拍算法，通過小節(jié)線的出現(xiàn)，來驗證上一小節(jié)的拍子是否正確，如果不正確就說明上一小節(jié)的節(jié)拍識別有錯，不過在識別一開始就要對該簡譜的節(jié)拍標(biāo)記進(jìn)行識別，以確定每一小節(jié)應(yīng)該有幾拍。

4 結(jié)束語

本文基于MATLAB軟件給出了簡譜識別的算法，包括對圖像的預(yù)處理、圖像分割和圖像的匹配識別等算法。經(jīng)過去噪、二值化、細(xì)化等一系列預(yù)處理步驟，再利用投影法進(jìn)行準(zhǔn)確的字符分割，最后對滿足數(shù)字條件的單個音符進(jìn)行模糊匹配識別。這里，對于每個數(shù)字識別完成后，要進(jìn)行高低音點，附點和減時線的識別。對于高低音點和符點的識別，我們采用的是一種區(qū)域搜索算法，對于減時線我們采用的是穿線法識別算法。實驗結(jié)果表明，對于一般的簡譜，能夠達(dá)到較準(zhǔn)確的識別結(jié)果。

參考文獻(xiàn)：

[1] 張宏林.Visual C++數(shù)字圖像模式識別技術(shù)及工程實踐[M].人民郵電出版社，2003：1-8.

[2] 朱虹.數(shù)字圖像處理基礎(chǔ)[M].科學(xué)出版社，2005：1-6.

[3] 徐飛，施曉紅. MATALB應(yīng)用圖像處理[M].西安電子科技大學(xué)出版社，2002：29-45.endprint

result（count）=

point（count）*1000+Reconga（count）*10+resultpai（count）

在上式中，point（count）標(biāo)記了高低音點的數(shù)值，Reconga（count）標(biāo)記了識別出的具體音符，resultpai（count）標(biāo)記了音符的節(jié)拍數(shù)值，這就是說，每個音符的識別結(jié)果包含了：音的高低、具體的音節(jié)、以及音符的節(jié)拍。并且每識出一個音符就記一個結(jié)果到數(shù)組result，并將其數(shù)組元素的個數(shù)加1。

該算法實現(xiàn)了對于一般簡譜的識別功能，經(jīng)統(tǒng)計，識別率達(dá)87%左右。易發(fā)生識別錯誤的情況，多是對于高低音點、附點的識別，由于本算法最終沒有用到中值濾波，因而對于簡譜圖像上的較小的噪聲點沒有去除，使得噪聲點易于同簡譜中的圓點混淆。這是因為用到本算法用到了細(xì)化處理，如果先對整篇簡譜進(jìn)行中值濾波，由于中值濾波是對該像素點相鄰的8個像素點取中間的像素點的值，而很多時候兩條減時線之間僅相隔一個像素點的間隔，則許多情況下兩條減時線就會被合成一條粗線，再經(jīng)細(xì)化處理就成為一條細(xì)線了 ，那么經(jīng)過穿線法統(tǒng)計的話，就會判斷成一條減時線，從而導(dǎo)致識別節(jié)拍的錯誤，如果進(jìn)行中值濾波，那么簡譜上的噪聲能夠被較好的去除，高低音點和附點的識別率也會上升。在個別情況下，某幾個數(shù)字的識別也容易發(fā)生識別錯誤，比如有時5會被識別成3，2有時會被識別成7，當(dāng)然，這也和具體的掃描上的簡譜的清晰度有關(guān)，也和模版選取的合適與否有一定的關(guān)系。

3 算法改進(jìn)

1） 找到合適的去噪方法

本算法在一開始確定用中值濾波去噪，是有一定的理論根據(jù)的，但是對于簡譜這種具體情況，中值濾波的處理會影響到減時線的識別。因此，找到一種合適的去噪算法，使之既可以較好的去除圖像上的椒鹽噪聲點，又不會影響減實線的個數(shù)。

2） 附點搜索的改進(jìn)算法

本算法對于附點的搜索是在音符的右邊，以該音符寬度的列終點為搜索區(qū)域的列起點，寬度為該音符高度的3/4左右，搜索區(qū)域的高度也為該音符高度的3/4左右，對于一般的情況是可以正確識別出附點的。但是，有時候兩個音符間的間隔會很短，甚至不到音符高度的3/4，這樣的話附點的搜索區(qū)域中會包含許多的非零像素點，導(dǎo)致識別結(jié)果為沒有附點，產(chǎn)生錯誤。因此，可以改進(jìn)算法為，將在音符右邊的固定大小區(qū)域內(nèi)搜索附點改為在該音符與下一個音符之間的區(qū)域中搜索附點，該區(qū)域的寬度的起點不變，寬度的計算變?yōu)?/3*（兩音符的間距），這樣搜索區(qū)域的大小是可變的，是隨著音符的間距的變化而變化，這樣就避免了區(qū)域劃分可能不準(zhǔn)確的問題。

3） 對于易混淆音符的區(qū)分識別

由于各種各樣的因素干擾，使得識別結(jié)果總存在一定的誤差，比如3與5可能會發(fā)生混淆，這樣可以考慮一種補償識別算法，即當(dāng)識別結(jié)果為3或5，就對該音符以另一種方法進(jìn)行識別，比如穿線法，得到穿線的統(tǒng)計值以區(qū)別是否識別正確。

4） 用小節(jié)線來驗證識別節(jié)拍的正確與否

本算法對于小節(jié)線沒有進(jìn)行任何處理，然而可以考慮一種驗證節(jié)拍算法，通過小節(jié)線的出現(xiàn)，來驗證上一小節(jié)的拍子是否正確，如果不正確就說明上一小節(jié)的節(jié)拍識別有錯，不過在識別一開始就要對該簡譜的節(jié)拍標(biāo)記進(jìn)行識別，以確定每一小節(jié)應(yīng)該有幾拍。

4 結(jié)束語

本文基于MATLAB軟件給出了簡譜識別的算法，包括對圖像的預(yù)處理、圖像分割和圖像的匹配識別等算法。經(jīng)過去噪、二值化、細(xì)化等一系列預(yù)處理步驟，再利用投影法進(jìn)行準(zhǔn)確的字符分割，最后對滿足數(shù)字條件的單個音符進(jìn)行模糊匹配識別。這里，對于每個數(shù)字識別完成后，要進(jìn)行高低音點，附點和減時線的識別。對于高低音點和符點的識別，我們采用的是一種區(qū)域搜索算法，對于減時線我們采用的是穿線法識別算法。實驗結(jié)果表明，對于一般的簡譜，能夠達(dá)到較準(zhǔn)確的識別結(jié)果。

參考文獻(xiàn)：

[1] 張宏林.Visual C++數(shù)字圖像模式識別技術(shù)及工程實踐[M].人民郵電出版社，2003：1-8.

[2] 朱虹.數(shù)字圖像處理基礎(chǔ)[M].科學(xué)出版社，2005：1-6.

[3] 徐飛，施曉紅. MATALB應(yīng)用圖像處理[M].西安電子科技大學(xué)出版社，2002：29-45.endprint

result（count）=

point（count）*1000+Reconga（count）*10+resultpai（count）

在上式中，point（count）標(biāo)記了高低音點的數(shù)值，Reconga（count）標(biāo)記了識別出的具體音符，resultpai（count）標(biāo)記了音符的節(jié)拍數(shù)值，這就是說，每個音符的識別結(jié)果包含了：音的高低、具體的音節(jié)、以及音符的節(jié)拍。并且每識出一個音符就記一個結(jié)果到數(shù)組result，并將其數(shù)組元素的個數(shù)加1。

該算法實現(xiàn)了對于一般簡譜的識別功能，經(jīng)統(tǒng)計，識別率達(dá)87%左右。易發(fā)生識別錯誤的情況，多是對于高低音點、附點的識別，由于本算法最終沒有用到中值濾波，因而對于簡譜圖像上的較小的噪聲點沒有去除，使得噪聲點易于同簡譜中的圓點混淆。這是因為用到本算法用到了細(xì)化處理，如果先對整篇簡譜進(jìn)行中值濾波，由于中值濾波是對該像素點相鄰的8個像素點取中間的像素點的值，而很多時候兩條減時線之間僅相隔一個像素點的間隔，則許多情況下兩條減時線就會被合成一條粗線，再經(jīng)細(xì)化處理就成為一條細(xì)線了 ，那么經(jīng)過穿線法統(tǒng)計的話，就會判斷成一條減時線，從而導(dǎo)致識別節(jié)拍的錯誤，如果進(jìn)行中值濾波，那么簡譜上的噪聲能夠被較好的去除，高低音點和附點的識別率也會上升。在個別情況下，某幾個數(shù)字的識別也容易發(fā)生識別錯誤，比如有時5會被識別成3，2有時會被識別成7，當(dāng)然，這也和具體的掃描上的簡譜的清晰度有關(guān)，也和模版選取的合適與否有一定的關(guān)系。

3 算法改進(jìn)

1） 找到合適的去噪方法

本算法在一開始確定用中值濾波去噪，是有一定的理論根據(jù)的，但是對于簡譜這種具體情況，中值濾波的處理會影響到減時線的識別。因此，找到一種合適的去噪算法，使之既可以較好的去除圖像上的椒鹽噪聲點，又不會影響減實線的個數(shù)。

2） 附點搜索的改進(jìn)算法

本算法對于附點的搜索是在音符的右邊，以該音符寬度的列終點為搜索區(qū)域的列起點，寬度為該音符高度的3/4左右，搜索區(qū)域的高度也為該音符高度的3/4左右，對于一般的情況是可以正確識別出附點的。但是，有時候兩個音符間的間隔會很短，甚至不到音符高度的3/4，這樣的話附點的搜索區(qū)域中會包含許多的非零像素點，導(dǎo)致識別結(jié)果為沒有附點，產(chǎn)生錯誤。因此，可以改進(jìn)算法為，將在音符右邊的固定大小區(qū)域內(nèi)搜索附點改為在該音符與下一個音符之間的區(qū)域中搜索附點，該區(qū)域的寬度的起點不變，寬度的計算變?yōu)?/3*（兩音符的間距），這樣搜索區(qū)域的大小是可變的，是隨著音符的間距的變化而變化，這樣就避免了區(qū)域劃分可能不準(zhǔn)確的問題。

3） 對于易混淆音符的區(qū)分識別

由于各種各樣的因素干擾，使得識別結(jié)果總存在一定的誤差，比如3與5可能會發(fā)生混淆，這樣可以考慮一種補償識別算法，即當(dāng)識別結(jié)果為3或5，就對該音符以另一種方法進(jìn)行識別，比如穿線法，得到穿線的統(tǒng)計值以區(qū)別是否識別正確。

4） 用小節(jié)線來驗證識別節(jié)拍的正確與否

本算法對于小節(jié)線沒有進(jìn)行任何處理，然而可以考慮一種驗證節(jié)拍算法，通過小節(jié)線的出現(xiàn)，來驗證上一小節(jié)的拍子是否正確，如果不正確就說明上一小節(jié)的節(jié)拍識別有錯，不過在識別一開始就要對該簡譜的節(jié)拍標(biāo)記進(jìn)行識別，以確定每一小節(jié)應(yīng)該有幾拍。

4 結(jié)束語

本文基于MATLAB軟件給出了簡譜識別的算法，包括對圖像的預(yù)處理、圖像分割和圖像的匹配識別等算法。經(jīng)過去噪、二值化、細(xì)化等一系列預(yù)處理步驟，再利用投影法進(jìn)行準(zhǔn)確的字符分割，最后對滿足數(shù)字條件的單個音符進(jìn)行模糊匹配識別。這里，對于每個數(shù)字識別完成后，要進(jìn)行高低音點，附點和減時線的識別。對于高低音點和符點的識別，我們采用的是一種區(qū)域搜索算法，對于減時線我們采用的是穿線法識別算法。實驗結(jié)果表明，對于一般的簡譜，能夠達(dá)到較準(zhǔn)確的識別結(jié)果。

參考文獻(xiàn)：

[1] 張宏林.Visual C++數(shù)字圖像模式識別技術(shù)及工程實踐[M].人民郵電出版社，2003：1-8.

[2] 朱虹.數(shù)字圖像處理基礎(chǔ)[M].科學(xué)出版社，2005：1-6.

[3] 徐飛，施曉紅. MATALB應(yīng)用圖像處理[M].西安電子科技大學(xué)出版社，2002：29-45.endprint