夏文利, 律睿慜, 陳 偉
(江南大學(xué) 人工智能與計算機(jī)學(xué)院,江蘇 無錫 214122)
書法的傳承一直是中國傳統(tǒng)文化教育中不可或缺的課題。而傳統(tǒng)字帖中的范字為靜態(tài)圖像,初學(xué)者難以揣摩書寫范字時的運筆速度、運筆力度等對學(xué)習(xí)書法至關(guān)重要的動態(tài)信息。書寫速度變化是筆跡變化的最基本因素之一[1],也是常見的書寫指標(biāo)[2]?;诖耍Y(jié)合如今各式各樣的計算機(jī)相關(guān)技術(shù)發(fā)展,提出兩個問題,1)不同的顯示方式是否會對學(xué)習(xí)者模仿線條運行軌跡存在不同程度的促進(jìn)作用。2)線條軌跡運動速度的動態(tài)顯示是否會更優(yōu)于傳統(tǒng)的靜態(tài)顯示方案。
本文以運筆速度為參考量,提出了一個基于數(shù)位屏和無線壓感筆設(shè)備的速度模仿顯示的設(shè)計方案,將預(yù)先設(shè)計的線條運動數(shù)據(jù)以不同的顯示方式進(jìn)行展現(xiàn),并收集測試數(shù)據(jù)進(jìn)行統(tǒng)計分析,來驗證不同的顯示方式是否會對學(xué)習(xí)者模仿有不同程度的促進(jìn)作用。
近年來,計算機(jī)相關(guān)技術(shù)的發(fā)展也推動了書寫學(xué)的發(fā)展。Alamargot D等人將眼動設(shè)備與書寫板進(jìn)行結(jié)合[3];有團(tuán)隊組合使用壓力感應(yīng)設(shè)備和電子筆進(jìn)行測量握筆力度和書寫位置[4]; Morikawa A等人采用Leapmotion傳感器開發(fā)一種書法筆法自我訓(xùn)練系統(tǒng)[5]。硬件的發(fā)展使書寫運動方面的量化研究迅速發(fā)展,而書寫學(xué)常見的動態(tài)指標(biāo)中最重要的就是速度指標(biāo)。Accardo A P等人通過數(shù)字平板電腦執(zhí)行特定任務(wù)測試書寫速度[6]。Nishino H等人實現(xiàn)了一個強(qiáng)大的3D畫筆模型,用于實時可視化手寫過程[7]。但目前書法學(xué)習(xí)者學(xué)習(xí)的主要方式還是臨帖,而字帖只能展現(xiàn)單一的線條。因此探討不同的線條顯示模式對于學(xué)習(xí)者模仿學(xué)習(xí)的效率的影響具有研究意義。
為了研究不同速度可視化方案對于臨摹效果的影響,需要讓測試者在不同的速度顯示模式下對于多種運動推移過程進(jìn)行模仿,記錄其模仿數(shù)據(jù)并與參照運動數(shù)據(jù)進(jìn)行比較,量化地得出樣本與參照數(shù)據(jù)之間的差異性?;诖怂悸?,本文提出一個書寫速度測試系統(tǒng),其研究框架流程如圖1所示。因此,本文實驗第一步就是構(gòu)造參照數(shù)據(jù)(即運動類型數(shù)據(jù))和設(shè)計不同的書寫速度顯示模式。
圖1 研究框架
文獻(xiàn)[8]提出了線條節(jié)奏控制的5種類型,根據(jù)這5種類型可以構(gòu)造出5個不同的運動類型數(shù)據(jù)(在后續(xù)的圖中均以data0,data1…表示)。構(gòu)造過程為利用貝塞爾曲線構(gòu)造出位移—速度曲線(curve)。取一個足夠小的時間間隔Δt,及起點位置x0,利用曲線curve可以得到x0對應(yīng)的速度v0,則x1=x0+v0*Δt,通過x1得到v1,依此類推,可以得到該曲線的位移、速度及時間的對應(yīng)關(guān)系數(shù)據(jù)并保存為本地文件作為不同運動類型參考數(shù)據(jù)。構(gòu)造出的5種數(shù)據(jù)曲線如圖2所示。每幅圖下方的圖片為該運動類型的一種顯示方案的展示。
圖2 運動類型數(shù)據(jù)的位移—速度曲線
因為實驗主要研究不同顯示模式對于臨摹效果的影響,要盡可能控制其他因素的干擾,所以,在模式設(shè)計上均取固定縱坐標(biāo)的水平運動。本文以文獻(xiàn)[8]提出的顯示方案為基礎(chǔ),設(shè)計了兩種靜態(tài)方案和兩種動態(tài)方案。
1)顯示模式1:如圖3(a)所示,對所選數(shù)據(jù)的復(fù)現(xiàn)規(guī)則為從這條路徑上等距離選取7個點,用相應(yīng)的符號進(jìn)行標(biāo)記速度。模式1對書寫速度進(jìn)行標(biāo)記使用的符號意義如表1所示。
表1 符號與意義
2)顯示模式2:如圖3(b)所示,對所選數(shù)據(jù)的顯示方式為單個小球沿相應(yīng)路徑按照記錄的速度數(shù)據(jù)向右運動。
3)顯示模式3:如圖3(c)所示,根據(jù)所選數(shù)據(jù),在相應(yīng)的等時間間隔的位置放置一個半透明的白色小球形成運動路徑。
4)顯示模式4:如圖3(d)所示,根據(jù)所選數(shù)據(jù),會生成5個運動的小球,每個小球均沿相應(yīng)路徑按照記錄的速度數(shù)據(jù)向右運動,小球為等時間間隔依次生成。
圖3 顯示模式設(shè)計方案
測試者在參考系統(tǒng)界面上方黑色框中的顯示后,在界面下方的黑色框中用無線壓感筆在液晶數(shù)位屏上畫線進(jìn)行書寫速度的模仿。手寫筆的信號將被實時捕獲,轉(zhuǎn)換為數(shù)字化信息存儲于本地文件。系統(tǒng)以壓感筆接觸數(shù)位屏的時刻為開始記錄數(shù)據(jù)的時刻,以壓感筆離開數(shù)位屏的時刻為結(jié)束記錄數(shù)據(jù)的時刻。用戶錄入的原始數(shù)據(jù)包括測試者書寫時的時間、筆位置、書寫速度及筆壓力。數(shù)據(jù)形式如表2所示。
表2 樣本存儲數(shù)據(jù)
系統(tǒng)采用數(shù)位屏和無線壓感筆作為測試工具,基于Wintab系統(tǒng)接口實時捕獲手寫運動信號。Wintab驅(qū)動程序為用戶提供了API,文獻(xiàn)[9]介紹了如何調(diào)用這個API庫。整個系統(tǒng)是基于Windows操作系統(tǒng),以Unity為開發(fā)平臺進(jìn)行編程設(shè)計的。在Unity中使用WintabAPI規(guī)范,可以實時獲取到手寫筆的輸入位置、筆壓力、筆傾斜等手寫數(shù)據(jù)進(jìn)而進(jìn)行記錄和分析。
實驗對象為27名工科研究生,其專業(yè)為軟件工程,男女比例為13︰14,年齡在23~26歲之間,視力或矯正視力正常,在電腦上進(jìn)行實驗。在正式測試之前,先讓志愿者們熟悉測試模型并進(jìn)行簡單訓(xùn)練,訓(xùn)練時間大約為10 min,確保志愿者們對于操作過程有全面了解,避免由操作失誤帶來的過大誤差。然后開始正式的測試,志愿者們被要求按順序完成4種模式速度模仿測試,每種模式重復(fù)測試20次,測試者需要在20 s之內(nèi)完成當(dāng)次測試,每次測試的運動類型數(shù)據(jù)均隨機(jī)從5種類型中取得。每次測試結(jié)束3 s之后會繼續(xù)進(jìn)行下一次測試。
實驗工具為一臺DELL筆記本電腦和Wacom DTZ—1200W液晶數(shù)位屏及無線壓感筆。
對于樣本數(shù)據(jù)的分析,旨在得出不同顯示模式下,樣本數(shù)據(jù)在不同位置上速度的變化趨勢是否與原始運動類型數(shù)據(jù)具有一致性。若將書寫過程看作是一個沿水平走向的時序信號,那么若要度量信號的一致性,則可計算樣本信號與原始參考數(shù)據(jù)的相關(guān)性。
因此,對實驗數(shù)據(jù)進(jìn)行以下操作:首先,對原始運動類型數(shù)據(jù)進(jìn)行曲線擬合,為了使所有數(shù)據(jù)點最大程度位于擬合曲線上,本文使用最小二乘法對數(shù)據(jù)進(jìn)行擬合得到擬合函數(shù)[10]。之后,對樣本數(shù)據(jù)與擬合函數(shù)進(jìn)行計算皮爾遜相關(guān)系數(shù)(Pearson correlation coefficient,PCC),PCC用于衡量不同變量之間關(guān)系密切程度[11],該系數(shù)可用于判斷樣本數(shù)據(jù)運動趨勢與原數(shù)據(jù)運動趨勢的相似度。再對所有系數(shù)分類進(jìn)行方差分析(analysis of variance,ANOVA),ANOVA用于2個及2個以上樣本均值差別的顯著性檢驗[12]。取α顯著水平為0.05,若計算出的ANOVA表中概率p值小于α,則代表不同顯示模式對于樣本PCC值具有顯著影響。對所有數(shù)據(jù)進(jìn)行關(guān)于運動類型和顯示模式類型的雙因素方差分析,可以計算出這兩個因素及其交互效應(yīng)對結(jié)果的影響程度。
實驗總共收集到2 142份有效數(shù)據(jù)樣本,對所有數(shù)據(jù)按照顯示模式分類計算PCC平均數(shù),得到結(jié)果如表3所示。從表中PCC平均值可以看出,mode3樣本的相關(guān)性顯著高于其他三種模式,其次為mode1。
表3 計算結(jié)果
對所有PCC按運動類型分別繪制箱體圖,如圖4所示,箱體從下到上5條線分別代表最小值、下四分位數(shù)、中位數(shù)、上四分位數(shù)和最大值。從圖中可以看出,在不同運動類型中,靜態(tài)顯示模式的mode1和mode3表現(xiàn)優(yōu)于動態(tài)顯示模式的mode2和mode4。
圖4 不同運動類型下樣本PCC箱體
對所有數(shù)據(jù)進(jìn)行關(guān)于不同模式的單因素方差分析,得到圖5所示箱體圖??梢园l(fā)現(xiàn),在樣本總體分析下,mode3和mode1的表現(xiàn)情況仍然優(yōu)于mode2和mode4。
圖5 所有數(shù)據(jù)PCC箱體
得到的單因素方差分析表如表4所示。表中p值小于0.05,可以得出不同模式對于樣本PCC值具有顯著影響。
表4 單因素ANOVA
對不同模式和運動類型進(jìn)行雙因素方差分析,得到的方差分析表如表5所示。表中行、列及交互效應(yīng)的p值均小于0.05,為具有顯著影響水平;且影響程度為:顯示模式>交互效應(yīng)>運動類型。
表5 雙因素ANOVA
本文設(shè)計了一種研究書寫模仿的顯示方案的實驗系統(tǒng)。實驗發(fā)現(xiàn),測試者模擬的數(shù)據(jù)在不同的顯示方案下的表現(xiàn)存在明顯差異,動態(tài)顯示方案并不如設(shè)想中的比靜態(tài)方案表現(xiàn)好,反而靜態(tài)顯示方案比動態(tài)顯示方案有更好的表現(xiàn),并且實驗中提出的新的靜態(tài)顯示方案表現(xiàn)效果明顯優(yōu)于文獻(xiàn)[8]中提出的靜態(tài)顯示方案。通過實驗證明了新的顯示方案能夠顯著提升學(xué)習(xí)者對于線條速度模仿的準(zhǔn)確性,因此,視覺顯示效果確實對于書法臨摹學(xué)習(xí)有重要作用,可為后續(xù)更多顯示方案的設(shè)計和應(yīng)用提供理論參考依據(jù)。本文僅比較了4種不同的可視化方案的優(yōu)劣性,還未對影響其臨摹效果的感知機(jī)制進(jìn)行深入研究,可以預(yù)見,對它的進(jìn)一步研究有助于尋找更優(yōu)化的運筆動作可視化方案。