计算美学相关理论的发展,使用计算的方法对绘画作品进行越来越深入的研究成为了可能,因此对绘画作品的欣赏也更加深入。研究者在对绘画作品进行研究时,往往要求所使用的绘画作品是高分辨率的。众所周知,高分辨率的绘画作品是很难得到的。而在现在的互联网中我们可以很容易就得到我们想要的绘画作品,并且能够免费下载使用,但是各大网站为了减少图像的存储量,易于传输,在数字化的过程中往往把绘画作品的分辨率都降低了。因此把这些低分辨率绘画与高分辨率绘画作品进行对比研究,一方面可以判断低分辨率绘画作品提取的特征是否具有代表性,哪些特征的代表性最好；另一方面,还可以为以后研究绘画作品时选图提供帮助。在本文中我们首先对稀疏编码算法、信息论和用于机器学习的Weka软件进行了简单的概述和介绍。接着,基于稀疏编码算法做了以下实验。一、用稀疏编码算法对梵高的高、低分辨率绘画作品进行基函数的训练,对得到的基函数在Gabor域和频率域进行特征提取,比较高低分辨率绘画作品提取的特征对绘画风格的代表性。二、我们用具有较好代表性的特征,进行归一化互信息计算来测试高低分辨率的绘画作品对绘画风格代表性的差异。三、我们用高分辨率的绘画作品训练的检测器成功地对不同绘画风格的绘画作品进行了分类。最后,我们利用信息论的知识提取图像的特征,并用Weka软件中的分类器成功地对绘画作品的风格进行了分类。研究表明,低分辨率绘画作品训练的基函数和高分辨率绘画作品训练的基函数一样,能包含画家绘画风格的笔刷特性,低分辨率图像提取的特征仍然能代表画家的绘画风格。同时和高分辨率绘画作品相比,从低分辨率绘画作品中提取的特征值对绘画风格也有很好的敏感性,并且能很好地应用于绘画风格的判断。在用基于信息论提取的特征进行分类时,我们用Weka成功的区分开了同一画派和不同画派的绘画作品。本文的研究为我们今后对绘画作品研究时的选图和特征值的选取提供了有意义的指导作用,为绘画作品的研究带来了崭新的视角。