CN108427828A - 一种自动评估平面设计布局质量与优化的装置 - Google Patents

Abstract

本发明涉及一种图文平面设计技术领域，提供一种能够对设计成品进行质量评估，以对设计成品进行自助调整与优化，提高设计成品的质量的基于自动评估平面设计布局质量与优化的装置。

Description

一种自动评估平面设计布局质量与优化的装置

技术领域

本发明涉及图文平面设计技术领域，特别涉及一种自动评估平面设计布局质量与优化的装置。

背景技术

随着广告业发展，人们对平面设计的需求越来越多。尽管，许多计算机辅助设计工具（例如：Photoshop、SketchUp、Illustrator 等）的出现，极大地方便了海报设计，提高了设计的效率。但是，通过专有的图文设计软件如Photoshop、CorelDRAW 实现海报设计的方式，专业要求较高，对于多数没有平面设计理论知识和基本美学知识的人来说，做一张专业的平面设计仍然是一件困难的事情。

当前有一些自助式平面设计软件通过有限的功能实现简单的图文平面设计。所述自助式平面设计方法，主要是预先为用户提供设计模板，在设计模板的固定位置上预留自定义区，用户在自定义区添加图文素材。此种图文平面设计方式虽然实现比较简单，专业要求低，能够适用于普通群众，但固有的设计模板限定了图文平面设计的最终效果，而且，由于***缺乏针对最终设计成品质量的客观判断标准，不会对设计成品进行有效的自助调整与优化，无法有效自助提升设计成品的质量，很大程度上不能满足用户个性化设计需求，实用性低。

发明内容

因此，针对上述的问题，本发明提出一种自动评估平面设计布局质量与优化的装置，所述基于自动评估平面设计布局质量与优化的装置能够对设计成品进行质量评估，以对设计成品进行自助调整与优化，提高设计成品的质量。

为实现上述技术问题，本发明采取的解决方案为：一种自动评估平面设计布局质量与优化的装置，包括设计结构分析模块、评分模块和优化设计模块；

所述设计结构分析模块将设计成品的图片格式文件转换为结构化文件，并且根据所述结构化文件能够获得所述设计成品的文字框属性、背景图片属性，所述文字框属性包括所述文字框的框架大小、文字框的位置，所述背景图片属性包括所述背景图片的尺寸大小、背景图片的色彩元素；

所述评分模块通过所述结构分析模块输出的结构化文件，获得文字框属性和背景图属性以进行设计质量评分，设计质量评分包括对文字框的对齐特征评估、对文字框的规整性特征评估、对文字框和图片的平衡特征评估、对海报的留白特征评估、对文字框和图片的重叠特征评估；

所述优化设计模块自动对文字框属性、背景图属性的各构成参数分别进行参数改变操作，将第n次参数改变操作执行后得到的平面设计布局状态标记为环境状态S_n，环境状态S_n由评分模块获得的各特征评估分数叠加而得，计算环境状态S_n的环境分值函数R(Sn)；同时，所述优化设计模块根据平均分布几率计算第n次参数改变操作的动作执行几率函数P(An)，P(An) = 1/ N，N表示总共的参数改变操作次数；所述优化设计模块根据环境分值函数R(Sn)、动作执行几率函数P(An)获取第n次参数改变操作的动作期望值E_n，E_n = P(An)x R(Sn)；所述优化设计模块对各参数改变操作对应的动作期望值E_n进行累积计算，获取其中最大的动作期望值E_max，并将该动作期望值E_max所对应的参数改变操作执行运用于设计成品，即得到优化后的设计成品。

进一步的是，对文字框的对齐特征评估为计算所有文字框的对齐性；对文字框的对齐特征评估为：

①计算各文字框框架在上，下，左，右，水平中点，垂直中点这6 个维度坐标位置，将各文字框标记为T₁， T ₂，T _3…T _n，T _n表示第n个文字框，文字框框架的维度坐标位置的数据结构表示为T _n{ T _n(up), T _n(down), T _n(left), T _n(right), T _n(horizion), T _n(veritical) }；

②分别计算6 个维度坐标位置的直方图，计算6 个维度坐标位置的平均值M：

M_up = (T _1(up) + T _2(up) +…+ T _n(up))/2；

M_down= (T _1(down) + T _2(down) + … + T _n(down))/2；

M _left = (T _1(left)+ T _2(left)+ … + T _n(left) )/2；

M _right = (T _1(lright)+ T _2(lright)+ … + T _n(lright) )/2；

M _horizion = (T _1(horizion)+ T _2(horizion)+ … + T _n(horizion) )/2；

M _veritical = (T _1(veritical) + T _2(veritical) + … + T _n(veritical) )/2；

③分别针对6 个维度坐标位置的直方图，计算6 个维度坐标位置的离散程度D，该离散程度即为对齐性分数；

；

；

；

；

；

；

④选取6 个维度坐标位置中离散程度最低的一维，作为其对齐方式的一种，并选用该对齐方式的离散程度的分数作为最终的对齐性分数S_对齐,即

S_对齐= min(D_up, D_down, D_left, D_right, D_horizion, D_vertical )。

进一步的是，对文字框的规整性特征评估为计算各文字框框架的宽或者高的一致性；对文字框的规整性特征评估为：

①获取各文字框框架的宽高数据，将各文字框标记为T ₁， T ₂，T _3…T _n，T _n表示第n个文字框，文字框框架的维度坐标位置数据结构表示为T _n{ T _n(width), T _n(hight) }；

②计算各文字框框架的宽高数据的平均值M：

M_width = （T _1（width） + T_2(width)+ …+ T _n(width)）/3；

M_hight = （T _1(hight)+ T _2(hight) +…+ T _n(hight) /3；

③计算各文字框框架的宽高数据的方差：

；

；

④选取两个方差中的最小方差D_{min =} min(D_width，D_hight)；

⑤对最小方差做归一化计算以得到规整性分数S_规整= 1/(1+D_min)。

进一步的是，对文字框和图片的平衡特征评估为计算视觉显著性图的上下与左右对称性；对文字框和图片的平衡特征评估为：

将文字框的重要性均设置为1，背景图片的重要性设置为0-1 区间， 计算所有图片图层叠加后的总图，并计算其显著性图：

①将n 个文字框分别标记为T ₁，T ₂，T _3…T _n， T₁ =1, T₂ =1, … T_n=1；将m 个背景图片分别标记为P₁， P₂，P_3…P_m， P₁ = random(0,1) = P₂ = P₃ = … = P_m；

②计算文字框显著性T_sal和背景图片显著性P_sal：

，n是文字框的数量总数，T _k表示第k个文字框；

，m是背景图片的数量总数，P_k表示第k个背景图片；

③将计算得到的背景图片显著性P_sal与文字框显著性T_sal叠加，得到最终显著性图P_fianl，即P_fianl= P_sal+T_sal；

④计算最终显著性图P_fianl的平衡性，以得到平衡性分数S_平衡：

，

其中，m是背景图片的数量总数，表示第K张显著性图的左边位置的显著性，表示第K张显著性图的左边位置的显著性，表示第K张显著性图的上边位置的显著性，表示第K张显著性图的下边位置的显著性。

进一步的是，对海报的留白特征评估为针对文字框和图片显著性区块所占据海报区域大小，对海报的留白特征评估为：

①计算海报内容留白的留白比例P_white：

Area(T)_k表示第K个文字框的面积，Area(P)_k表示第K个背景图片的面积，Area(total)表示设计成品的平面总面积；

②对留白比例归一化处理，归一化处理所得即留白特征评估分数S_留白：

。

进一步的是，对文字框和图片的重叠特征评估为：

①计算海报中所有背景图片按图层叠加后的总图，计算其显著性图：

Area(P)_k表示第K个背景图片的面积，m表示背景图片的数量总数；

②计算遮挡比例：

其中，表示图片区域与文字区域叠加位置的图片面积；

③对遮挡比例做归一化处理，归一化处理后即重叠特征分数S_重叠：

。

通过采用前述技术方案，本发明的有益效果是：如上所述设计的自动评估平面设计布局质量与优化的装置，可以对设计的美学主观标准，转换为一种可量测的数学评估对比，进而可以根据此评分，透过深度强化学习来优化设计成品，实现设计成品的自助化调整与优化，提高设计成品的质量。

附图说明

图1是本发明实施例的结构原理框图。

具体实施方式

现结合附图和具体实施例对本发明进一步说明。

参考图1，本发明实施例揭示的是，一种自动评估平面设计布局质量与优化的装置，包括设计结构分析模块、评分模块和优化设计模块。

所述设计结构分析模块将设计成品的图片格式文件转换为结构化文件，并且根据所述结构化文件能够获得所述设计成品的文字框属性、背景图片属性，所述文字框属性包括所述文字框的框架大小、文字框的位置，所述背景图片属性包括所述背景图片的尺寸大小、背景图片的色彩元素。

所述评分模块通过所述结构分析模块输出的结构化文件，获得文字框属性和背景图属性以进行设计质量评分，设计质量评分包括对文字框的对齐特征评估、对文字框的规整性特征评估、对文字框和图片的平衡特征评估、对海报的留白特征评估、对文字框和图片的重叠特征评估：

对文字框的对齐特征评估为计算所有文字框的对齐性；对文字框的对齐特征评估为：

①计算各文字框框架在上，下，左，右，水平中点，垂直中点这6 个维度坐标位置，将各文字框标记为T₁， T ₂，T _3…T _n，T _n表示第n个文字框，文字框框架的维度坐标位置的数据结构表示为T _n{ T _n(up), T _n(down), T _n(left), T _n(right), T _n(horizion), T _n(veritical) }；

②分别计算6 个维度坐标位置的直方图，计算6 个维度坐标位置的平均值M：

M_up = (T _1(up) + T _2(up) +…+ T _n(up))/2；

M_down= (T _1(down) + T _2(down) + … + T _n(down))/2；

M _left = (T _1(left)+ T _2(left)+ … + T _n(left) )/2；

M _right = (T _1(lright)+ T _2(lright)+ … + T _n(lright) )/2；

M _horizion = (T _1(horizion)+ T _2(horizion)+ … + T _n(horizion) )/2；

M _veritical = (T _1(veritical) + T _2(veritical) + … + T _n(veritical) )/2；

③分别针对6 个维度坐标位置的直方图，计算6 个维度坐标位置的离散程度D，该离散程度即为对齐性分数；

；

；

；

；

；

；

④选取6 个维度坐标位置中离散程度最低的一维，作为其对齐方式的一种，并选用该对齐方式的离散程度的分数作为最终的对齐性分数S_对齐,即

S_对齐= min(D_up, D_down, D_left, D_right, D_horizion, D_vertical )。

对文字框的规整性特征评估为计算各文字框框架的宽或者高的一致性；对文字框的规整性特征评估为：

①获取各文字框框架的宽高数据，将各文字框标记为T ₁， T ₂，T _3…T _n，T _n表示第n个文字框，文字框框架的维度坐标位置数据结构表示为T _n{ T _n(width), T _n(hight) }；

②计算各文字框框架的宽高数据的平均值M：

M_width = （T _1（width） + T_2(width)+ …+ T _n(width)）/3；

M_hight = （T _1(hight)+ T _2(hight) +…+ T _n(hight) /3；

③计算各文字框框架的宽高数据的方差：

；

；

④选取两个方差中的最小方差D_{min =} min(D_width，D_hight)；

⑤对最小方差做归一化计算以得到规整性分数S_规整= 1/(1+D_min)。

对文字框和图片的平衡特征评估为计算视觉显著性图的上下与左右对称性；对文字框和图片的平衡特征评估为：

将文字框的重要性均设置为1，背景图片的重要性设置为0-1 区间， 计算所有图片图层叠加后的总图，并计算其显著性图：

①将n 个文字框分别标记为T ₁，T ₂，T _3…T _n， T₁ =1, T₂ =1, … T_n=1；将m 个背景图片分别标记为P₁， P₂，P_3…P_m， P₁ = random(0,1) = P₂ = P₃ = … = P_m；

②计算文字框显著性T_sal和背景图片显著性P_sal：

，n是文字框的数量总数，T _k表示第k个文字框；

，m是背景图片的数量总数，P_k表示第k个背景图片；

③将计算得到的背景图片显著性P_sal与文字框显著性T_sal叠加，得到最终显著性图P_fianl，即P_fianl= P_sal+T_sal；

④计算最终显著性图P_fianl的平衡性，以得到平衡性分数S_平衡：

，

其中，m是背景图片的数量总数，表示第K张显著性图的左边位置的显著性，表示第K张显著性图的左边位置的显著性，表示第K张显著性图的上边位置的显著性，表示第K张显著性图的下边位置的显著性。

对海报的留白特征评估为针对文字框和图片显著性区块所占据海报区域大小，对海报的留白特征评估为：

①计算海报内容留白的留白比例P_white：

Area(T)_k表示第K个文字框的面积，Area(P)_k表示第K个背景图片的面积，Area(total)表示设计成品的平面总面积；

②对留白比例归一化处理，归一化处理所得即留白特征评估分数S_留白：

。

对文字框和图片的重叠特征评估为：

①计算海报中所有背景图片按图层叠加后的总图，计算其显著性图：

Area(P)_k表示第K个背景图片的面积，m表示背景图片的数量总数；

②计算遮挡比例：

其中，表示图片区域与文字区域叠加位置的图片面积；

③对遮挡比例做归一化处理，归一化处理后即重叠特征分数S_重叠：

。

所述优化设计模块自动对文字框属性、背景图属性的各构成参数分别进行参数改变操作，将第n次参数改变操作执行后得到的平面设计布局状态标记为环境状态S_n，环境状态S_n由评分模块获得的各特征评估分数叠加而得，即S_n=S_对齐+S_规整+S_平衡+S_留白+S_重叠，计算环境状态S_n的环境分值函数R(Sn)；同时，所述优化设计模块根据平均分布几率计算第n次参数改变操作的动作执行几率函数P(An)，P(An) = 1/ N，N表示总共的参数改变操作次数；所述优化设计模块根据环境分值函数R(Sn)、动作执行几率函数P(An)获取第n次参数改变操作的动作期望值E_n，E_n = P(An)x R(Sn)；所述优化设计模块对各参数改变操作对应的动作期望值E_n进行累积计算，获取其中最大的动作期望值E_max，并将该动作期望值E_max所对应的参数改变操作执行运用于设计成品，即得到优化后的设计成品。

综上所述设计的述自动评估平面设计布局质量与优化的装置，能够对设计成品进行质量评估，以对设计成品进行自助调整与优化，提高设计成品的质量，实用性强。

以上所记载，仅为利用本创作技术内容的实施例，任何熟悉本项技艺者运用本创作所做的修饰、变化，皆属本创作主张的专利范围，而不限于实施例所揭示者。

Claims (6)

1.一种自动评估平面设计布局质量与优化的装置，其特征在于：包括设计结构分析模块、评分模块和优化设计模块；

所述设计结构分析模块将设计成品的图片格式文件转换为结构化文件，并且根据所述结构化文件能够获得所述设计成品的文字框属性、背景图片属性，所述文字框属性包括所述文字框的框架大小、文字框的位置，所述背景图片属性包括所述背景图片的尺寸大小、背景图片的色彩元素；

所述评分模块通过所述结构分析模块输出的结构化文件，获得文字框属性和背景图属性以进行设计质量评分，设计质量评分包括对文字框的对齐特征评估、对文字框的规整性特征评估、对文字框和图片的平衡特征评估、对海报的留白特征评估、对文字框和图片的重叠特征评估；

所述优化设计模块自动对文字框属性、背景图属性的各构成参数分别进行参数改变操作，将第n次参数改变操作执行后得到的平面设计布局状态标记为环境状态S_n，环境状态S_n由评分模块获得的各特征评估分数叠加而得，计算环境状态S_n的环境分值函数R(Sn)；同时，所述优化设计模块根据平均分布几率计算第n次参数改变操作的动作执行几率函数P(An)，P(An) = 1/ N，N表示总共的参数改变操作次数；所述优化设计模块根据环境分值函数R(Sn)、动作执行几率函数P(An)获取第n次参数改变操作的动作期望值E_n，E_n = P(An)x R(Sn)；所述优化设计模块对各参数改变操作对应的动作期望值E_n进行累积计算，获取其中最大的动作期望值E_max，并将该动作期望值E_max所对应的参数改变操作执行运用于设计成品，即得到优化后的设计成品。

2.根据权利要求1所述的自动评估平面设计布局质量与优化的装置，其特征在于，对文字框的对齐特征评估为计算所有文字框的对齐性；对文字框的对齐特征评估为：

①计算各文字框框架在上，下，左，右，水平中点，垂直中点这6 个维度坐标位置，将各文字框标记为T₁， T ₂，T _3…T _n，T _n表示第n个文字框，文字框框架的维度坐标位置的数据结构表示为T _n{ T _n(up), T _n(down), T _n(left), T _n(right), T _n(horizion), T _n(veritical) }；

②分别计算6 个维度坐标位置的直方图，计算6 个维度坐标位置的平均值M：

M_up = (T _1(up) + T _2(up) +…+ T _n(up))/2；

M_down= (T _1(down) + T _2(down) + … + T _n(down))/2；

M _left = (T _1(left)+ T _2(left)+ … + T _n(left) )/2；

M _right = (T _1(lright)+ T _2(lright)+ … + T _n(lright) )/2；

M _horizion = (T _1(horizion)+ T _2(horizion)+ … + T _n(horizion) )/2；

M _veritical = (T _1(veritical) + T _2(veritical) + … + T _n(veritical) )/2；

③分别针对6 个维度坐标位置的直方图，计算6 个维度坐标位置的离散程度D，该离散程度即为对齐性分数；

；

；

；

；

；

；

④选取6 个维度坐标位置中离散程度最低的一维，作为其对齐方式的一种，并选用该对齐方式的离散程度的分数作为最终的对齐性分数S_对齐,即

S_对齐= min(D_up, D_down, D_left, D_right, D_horizion, D_vertical )。

3.根据权利要求1所述的自动评估平面设计布局质量与优化的装置，其特征在于，对文字框的规整性特征评估为计算各文字框框架的宽或者高的一致性；对文字框的规整性特征评估为：

①获取各文字框框架的宽高数据，将各文字框标记为T ₁， T ₂，T _3…T _n，T _n表示第n个文字框，文字框框架的维度坐标位置数据结构表示为T _n{ T _n(width), T _n(hight) }；

②计算各文字框框架的宽高数据的平均值M：

M_width = （T _1（width） + T_2(width)+ …+ T _n(width)）/3；

M_hight = （T _1(hight)+ T _2(hight) +…+ T _n(hight) /3；

③计算各文字框框架的宽高数据的方差：

；

；

④选取两个方差中的最小方差D_{min =} min(D_width，D_hight)；

⑤对最小方差做归一化计算以得到规整性分数S_规整= 1/(1+D_min)。

4.根据权利要求1所述的自动评估平面设计布局质量与优化的装置，其特征在于，对文字框和图片的平衡特征评估为计算视觉显著性图的上下与左右对称性；对文字框和图片的平衡特征评估为：

将文字框的重要性均设置为1，背景图片的重要性设置为0-1 区间， 计算所有图片图层叠加后的总图，并计算其显著性图：

①将n 个文字框分别标记为T ₁，T ₂，T _3…T _n， T₁ =1, T₂ =1, … T_n=1；将m 个背景图片分别标记为P₁， P₂，P_3…P_m， P₁ = random(0,1) = P₂ = P₃ = … = P_m；

②计算文字框显著性T_sal和背景图片显著性P_sal：

，n是文字框的数量总数，T _k表示第k个文字框；

，m是背景图片的数量总数，P_k表示第k个背景图片；

③将计算得到的背景图片显著性P_sal与文字框显著性T_sal叠加，得到最终显著性图P_fianl，即P_fianl= P_sal+T_sal；

④计算最终显著性图P_fianl的平衡性，以得到平衡性分数S_平衡：

，

其中，m是背景图片的数量总数，表示第K张显著性图的左边位置的显著性，表示第K张显著性图的左边位置的显著性，表示第K张显著性图的上边位置的显著性，表示第K张显著性图的下边位置的显著性。

5.根据权利要求1所述的自动评估平面设计布局质量与优化的装置，其特征在于，对海报的留白特征评估为针对文字框和图片显著性区块所占据海报区域大小，对海报的留白特征评估为：

①计算海报内容留白的留白比例P_white：

Area(T)_k表示第K个文字框的面积，Area(P)_k表示第K个背景图片的面积，Area(total)表示设计成品的平面总面积；

②对留白比例归一化处理，归一化处理所得即留白特征评估分数S_留白：

。

6.根据权利要求1所述的自动评估平面设计布局质量与优化的装置，其特征在于，对文字框和图片的重叠特征评估为：

①计算海报中所有背景图片按图层叠加后的总图，计算其显著性图：

Area(P)_k表示第K个背景图片的面积，m表示背景图片的数量总数；

②计算遮挡比例：

其中，表示图片区域与文字区域叠加位置的图片面积；

③对遮挡比例做归一化处理，归一化处理后即重叠特征分数S_重叠：

。