CN102637078A - 一种结构优化的汉字字形生成方法 - Google Patents

Abstract

本发明涉及一种结构优化的汉字字形生成方法，包括以下步骤，创建书法作品的笔画数据库及书法笔画对应的笔锋运动轨迹模板库；识别源自数字板的笔锋轨迹并将其与所述笔锋运动轨迹模板库中的运动轨迹进行对应；对所述书法汉字的间架结构进行描述并将该描述的方法进行标准化；将所述标准化后的书法汉字采用优化算法计算出符合该书法家风格的字体。采用上述方案，再现书法汉字书写的过程，通过预先建立起书法作品的笔画数据库及笔锋运动轨迹模板库，将数位板上输入的笔锋运动轨迹上述笔锋运动轨迹模板库进行匹配对比，以实现再现不同书法作品风格。

Description

一种结构优化的汉字字形生成方法

技术领域

本发明涉及一种汉字字形的生成方法，特别涉及一种结构优化的汉字字形生成方法。

背景技术

中国书法艺术源远流长，博大精深，是非常重要的文化遗产。尽管历史上流传下来大量的书法碑帖资料，但对于历史上某位书法家而言，我们能从其同一风格作品中获得的字符集却十分有限。如晋王羲之《兰亭序》全文仅324字，属小字符集，而汉字常用字符集包含6千多个汉字。如果能解决这个问题——即给定历史上某位书法家的小字符集，利用算法生成与其风格相似但该字符集中没有的汉字，那么在电脑字库建设、印刷出版，以及影视广告传媒等领域都具有十分广泛的应用前景。但是汉字结构复杂，其点画书写和间架结构都有严格的审美要求，由小规模字符集生成大规模字符集是一项极具挑战性的工作。

学术界也提出了一些合成汉字字形的方法，从合成方式来看一般采用自动合成汉字字形。章夏芬在2009年提出利用同一汉字的不同风格字形作为输入，提出基于汉字轮廓变形的字形生成方法，参见Zhang，X.and G.Liu，Chinese Calligraphy Character Image Synthesis Based on Retrieval.Advances in Multimedia Information Processing-PCM 2009，2009：p.167-178.。俆颂华于2005年介绍了基于综合推理的自动书法生成系统，他们把从不同字形样本学习得来的知识作为字形生成的依据，输出字形合成结果，参见Xu，S.，et al.，Automatic generation of artistic Chinesecalligraphy.Intelligent Systems，IEEE，2005.20(3)：p.32-39.。另外，俆颂华于2009年利用对同一汉字的多次书写结果进行加权平均来生成具有样本风格的字形，参见Xu，S.，et al.Automatic Generation of PersonalChinese Handwriting by Capturing the Characteristics of PersonalHandwriting.2009.

章夏芬、俆颂华提出的方法本质上是借助同一汉字的不同风格字形，采用类似形状加权平均的思想来产生新字形。其中涉及图像分割，及关键点对应等问题，目前这些问题还在进一步研究中，并未完全解决。另外，他们的方法需要同一个汉字的不同风格作为模板进行合成，最终风格与模板甚为相似。倘若某位书法家的风格与给定的模板差异很大，则无法通过给定的模板来合成想要的风格，因此根据自动合成的方法再现不同书法家的书写风格效果不佳。

发明内容

本发明为解决现有技术中存在的技术问题，提供了一种结构优化的汉字字形生成方法。采用该汉字生成方法，不仅根据交互的方式实现汉字字形的生成，并且其生成的汉字结构匀称、整体美观。另外，该汉字生成方法采用全新的汉字间架结构描述方式，以及全新的汉字优化算法，实现书法汉字的重心平稳、布白均匀、笔画风格统一。

本发明解决现有技术中存在的技术问题，提供的技术方案是：提供一种结构优化的汉字字形生成方法，包括以下步骤，步骤100，创建书法作品的笔画数据库及书法笔画对应的笔锋运动轨迹模板库；步骤200，识别源自数字板的笔锋轨迹并将其与所述笔锋运动轨迹模板库中的运动轨迹进行对应；步骤300，对所述书法汉字的间架结构进行描述并将该描述的方法进行标准化；步骤400，将所述标准化后的书法汉字采用优化算法计算出符合该书法家风格的字体。

作为本发明的优选方案，所述步骤100进一步包括以下步骤，步骤110，从书法作品中提取汉字的笔画，经过灰度化、二值化、平滑去噪的图像预处理后建立笔画数据库；步骤120，通过数位板输入书法笔画对应的笔锋运动轨迹；步骤130，创建索引号并以相应索引号作为书法笔画与笔锋运动轨迹的映射关系。

作为本发明的优选方案，所述步骤200进一步包括以下步骤，步骤210，将笔锋运动轨迹视为曲线并计算该曲线的属性；步骤220，根据该曲线上的各点构造特征矩阵；步骤230，将该曲线与笔锋运动轨迹模板库中的运动轨迹进行匹配。

作为本发明的优选方案，在步骤500中，采用模拟退火优化算法计算出符合该书法家风格的字体。

作为本发明的优选方案，所述描述汉字间架结构的方法为9-Intersections&Range Relation。

本发明所述的技术方案相对于现有技术，取得的有益效果是：本发明采用一种通过数位板书写交互式的汉字字形生成方法，再现书法汉字书写的过程，通过预先建立起书法作品的笔画数据库及笔锋运动轨迹模板库，将数位板上输入的笔锋运动轨迹上述笔锋运动轨迹模板库进行匹配对比，以实现再现不同书法作品风格。本发明通过交互式方法直接提取书法作品的笔画，回避了图像分割，及关键点对应等问题。通过本发明提出的对汉字间架结构描述和优化的方法，对特定风格书法作品的笔画重新组合，实现了书法家风格的字形合成，效果更好，适用性更强。

另外，本发明采用9IRR模型(9-Intersections&Range Relation，9交叉与范围关系模型)对汉字间架结构进行描述，使书法汉字的重心平稳、布白均匀、笔画风格统一。并且，采用模拟退火优化算法对书法汉字进行优化，从而使汉字更加美观。再者，本发明的方法不依赖于初始的间架结构，即使书写者写字不美观，也可借助本发明的方法生成美观的字形效果。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1示出了本发明所述的结构优化的汉字字形生成方法流程图；

图2a与图2b示出了本发明所述的笔锋轨迹识别过程；

图3是本发明中采用9IRR描述字形间架结构的字形优化效果示意图；

其中质心权值Wc＝0.3，布白权值为Ww＝0.3，笔画宽度权值为Ws＝0.4，优化迭代次数为i＝100次为参数，以“太”字和“心”为例；

图4示出了不采用9IRR描述字形间架结构的字形优化效果示意图；

图5示出了采用本发明算法优化汉字的结果与字贴中字形的对比示意图；

图6不同书写者的书写结果和利用本发明算法优化后的字形示意图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明所述的一种结构优化的汉字字形生成方法，包括以下步骤，

步骤100，创建书法作品的笔画数据库及书法笔画对应的笔锋运动轨迹模板库。

该步骤100进一步包括以下步骤，步骤110，从书法作品中提取汉字的笔画，经过灰度化、二值化、平滑去噪的图像预处理后建立笔画数据库；步骤120，通过数位板输入书法笔画对应的笔锋运动轨迹；步骤130，创建索引号并以相应索引号作为书法笔画与笔锋运动轨迹的映射关系。

步骤200，识别源自数字板的笔锋轨迹并将其与所述笔锋运动轨迹模板库中的运动轨迹进行对应。

具体地，如图2a、图2b所示以首端点为例(其他点以此类推)：首端点为S，末端点为E，计算首末端点的中心点O₁，将向量

绕着O₁逆时针旋转90°得到向量OO₁，以O为中心每隔1°做射线交曲线C于若干点。不妨设第k°交曲线C于P₀，P₁，...，P_m.则第k°距离

找出最大距离d_max＝max{d_k|0≤k≤359}和最小距离d_min＝min{d_k|0≤k≤359}.之后计算相对距离

$D_i=\frac{d_i-d_{\min }}{d_{\max }-d_{\min }+\mathrm{\ϵ}}$

ε是一个很小的正数，防止分母为0；如果无交点，则认为交点在无穷远处，相对距离D_i＝1.这样就形成了360维的特征向量F₁.

对曲线上每个点都作上述计算，可形成一个特征矩阵F＝[F₁，F₂，…，F_I]_360×I(I表示曲线上的点的个数)。之后，构造F的相关矩阵

利用特征值分解

Λ_C＝diag{λ_C1，λ_C2，…，λ_C360}为降序排列的特征值对角矩阵，而U_C＝[u_C1，u_C2，…，u_C360]为相应的特征向量矩阵。以U_C为基对F变换，得到特征集E＝[e₁，e₂，…，e_I]，这里e_i表示曲线第i个点的特征向量。在实际计算中对

只取前L个分量作为第i个点的最后特征向量(L＜360)。为了计算曲线的相似度，在上述基础上我们作如下的定义：

定义1：如果a，b分别为笔锋运动轨迹A和B的一个像素点，它们对应的特征向量分别是：N_a＝[e_a，0，e_a，1，…，e_a，L-1]^T，N_b＝[e_b，0，e_b，1，…，e_b，L-1]^T则两点间的差异：

$\mathrm{diff}(a,b)=\frac{1}{2}\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}\frac{{(e_{a,i}-e_{b,i})}^2}{e_{a,i}+e_{b,i}}$

定义2：点与笔锋运动轨迹的距离。笔锋运动轨迹A中的点a与笔锋运动轨迹B的距离是a点与B中其相似点的距离，即

dist(a，B)＝diff(a，argmin_p∈B(diff(a，p))

定义3：笔锋运动轨迹之间的相似度。两个笔锋运动轨迹A与B之间的距离是笔锋运动轨迹A中所有点与笔锋运动轨迹B对应的相似点之间的距离之和，即

$\mathrm{Sim}=(A,B)=\underset{a\∈A}{\mathrm{\Σ}}\mathrm{dist}(a,B)$

令A为当前用户输入的笔锋运动轨迹，B为模板中的笔锋运动轨迹，根据定义1～3可以计算出Sim(A，B)。由于点的特征向量本质上是由相对长度计算而来，这样可以保证曲线平移和缩放的不变性，同时因为曲线上每个点的特征是对相关矩阵C的特征顺序组合重排，使曲线上每点的特征具有相对的稳定性，可以提高识别的准确性。

步骤300，对所述书法汉字的间架结构进行描述并将该描述的方法进行标准化。

本发明采用了9-Intersections&Range Relation方法汉字的间架结构其描述。具体步骤如下

9-Intersections基础是点集拓扑理论，通过定义目标A的边界、内部A°、外部A^-之交集内容确定A和B的拓扑关系，此模型能够区分2种点-点关系、3种点-线关系，3种点-面关系，33种线线关系、19种线-面关系、8种面-面关系。9-Intersections模型在表达对象的拓扑关系时具有完备性，简洁性的优点。A与B的拓扑关系用9-Intersections模型描述为：

Range Relation模型描述如下：

在X方向：

${\mathrm{RR}}_X(C_i,C_j)$

$\stackrel{\mathrm{\Δ}}{=}\left[\begin{array}{cc}\mathrm{sgn}\left(\min \right\{x|x\∈C_i\}-\min \left\{x\right|x\∈C_j\left\}\right)& \mathrm{sgn}\left(\min \right\{x|x\∈C_i\}-\max \left\{x\right|x\∈C_j\left\}\right)\\ \mathrm{sgn}\left(\max \right\{x|x\∈C_i\}-\min \left\{x\right|x\∈C_j\left\}\right)& \mathrm{sgn}\left(\max \right\{x|x\∈C_i\}-\max \left\{x\right|x\∈C_j\left\}\right)\end{array}\right]$

在Y方向：

${\mathrm{RR}}_Y(C_i,C_j)$

$\stackrel{\mathrm{\Δ}}{=}\left[\begin{array}{cc}\mathrm{sgn}\left(\min \right\{y|y\∈C_i\}-\min \left\{y\right|y\∈C_j\left\}\right)& \mathrm{sgn}\left(\min \right\{y|y\∈C_i\}-\max \left\{y\right|y\∈C_j\left\}\right)\\ \mathrm{sgn}\left(\max \right\{y|y\∈C_i\}-\min \left\{y\right|y\∈C_j\left\}\right)& \mathrm{sgn}\left(\max \right\{y|y\∈C_i\}-\max \left\{y\right|y\∈C_j\left\}\right)\end{array}\right]$

设汉字C由C₁，C₂，…，C_nn个笔画构成，则汉字C的间架结构用9IRR模型描述为：

书法的间架结构讲究重心平稳、计白当黑，笔画间注重穿插避让，同时强调笔画风格统一。本发明将根据以上书法经验，根据9IRR算法描述构造间架结构评价函数用来指导合成汉字字形，并将其进行标准化。具体规则如下：

规则1：书法讲究“重心平稳”，要把字写得平正、均衡。我们可以通过调整质心位置尽可能与中心重合，这样一定程度上了可以反映此审美标准。设p_i(x_i，y_i)∈G_ξ(C)，G_ξ(C)∈B(C)(p_i(x_i，y_i)表示像素点，G_ξ(C)表示字符图像，B(C)表示字符C的包围盒)，图像C的质心可表示为：

$G_x\left(C\right)=\frac{{\mathrm{\Σ}}_{i=1}^n{x}_i}{n},$ $G_y\left(C\right)=\frac{{\mathrm{\Σ}}_{i=1}^n{y}_i}{n}$

定义 $f_1\left(C\right)=|\frac{G_x\left(C\right)}{\mathrm{width}}-\frac{1}{2}|+|\frac{G_y\left(C\right)}{\mathrm{height}}-\frac{1}{2}|$ 为规则1的评价函数(width，height分别表示图像字符C的包围盒的宽度和高度)。

规则2：书法结体注重“计白当黑”和“布白均匀”，即在构思汉字间架结构时，把笔画空白处(虚)和笔画(实)看得同等重要，体现汉字笔画空间虚实相生的和谐美。为了描述书法这一审美要求，我们通过定义一个滑动窗口扫描汉字图像，在扫描的过程中记录下每个窗口内空白点的数量，再计算所有窗口内空白点数量的均值和标准差，由标准差来反映汉字的布白情况。

设滑动窗口的大小为(2ω+1)×(2ω+1)，w_k(x，y)表示以点(x，y)为中心区域的空白点数量。

$p(x,y)=\left\{\begin{array}{cc}0,& \mathrm{if}(x,y)\∈G_{\mathrm{\ξ}}\left(C\right)\\ 1,& \mathrm{others}\end{array}\right.$

$w_k(x,y)={\mathrm{\Σ}}_{i=-\mathrm{\ω}}^{\mathrm{\ω}}{\mathrm{\Σ}}_{j=-\mathrm{\ω}}^{\mathrm{\ω}}p(x+i,y+j),$ ${\mathrm{\μ}}_2=\frac{1}{N}{\mathrm{\Σ}}_{k=1}^N{W}_k,,$ ${\mathrm{\σ}}_2=\sqrt{\frac{{\mathrm{\Σ}}_{k=1}^N{(W_k-{\mathrm{\μ}}_2)}^2}{N}},$

N表示获得的窗口数。f₂(C)＝σ₂越小布白越均匀。

规则3：书法强调“笔画风格统一”，即要求笔画宽度相对均匀和统一。单个笔画C_j的宽度计算可描述为：

设G_ξ(C_j)的骨架为Skeleton(G_ξ(C_j))＝{st₁，st₂，…，st_k}，轮廓Contour(G_ξ(C))＝{ct₁，ct₂，…，ct_s}，其宽度StrokeWidthArray＝{sw₁，sw₂，…，sw_k}，对ct_m满足 $\cos (\stackrel{\→}{{\mathrm{ct}}_1-{\mathrm{st}}_1},\stackrel{\→}{{\mathrm{st}}_1-{\mathrm{ct}}_m})=1,$ 并且

${\mathrm{sw}}_i=$

$\min \left\{\right|\stackrel{\&RightArrow;}{{\mathrm{ct}}_l-{\mathrm{st}}_1}|+|\stackrel{\&RightArrow;}{{\mathrm{st}}_1-{\mathrm{ct}}_m}\left|\right|1\&le;l<m\&le;s\},1\&le;i\&le;$

$k.\mathrm{StrokeWidth}\left(G_{\mathrm{\&xi;}}\left(C_j\right)\right)=\frac{1}{k}{\mathrm{\&Sigma;}}_{m=1}^k{\mathrm{sw}}_m.$

字G_ξ(C)的笔画宽度为 $\mathrm{StrokeWidth}\left(G_{\mathrm{\&xi;}}\left(C\right)\right)={\mathrm{\&mu;}}_3=\frac{1}{N}{\mathrm{\&Sigma;}}_{i=1}^N\mathrm{StrokeWidth}\left(G_{\mathrm{\&xi;}}\left(C_j\right)\right).$ 其标准差为：

${\mathrm{\&sigma;}}_3=\sqrt{\frac{{\mathrm{\&Sigma;}}_{j=1}^N{(\mathrm{StrokeWidth}\left(G_{\mathrm{\&xi;}}\left(C_j\right)\right)-{\mathrm{\&mu;}}_3)}^2}{N}}.$ N是笔画数。

f₃(C)＝σ₃.具体实现中首先需要计算笔画的轮廓，本文采用Canny算子作为轮廓提取的算法。Canny算子可以提取单像素宽度的汉字轮廓，它和骨架结合便于计算笔画的宽度。骨架提取我们采用非迭代细化算法来实现。计算笔画的宽度步骤如下：过每个骨架上的点，以若干个角度建立若干条直线，在这些直线中找出一条与轮廓相交且交点间距离最短的距离作为该骨架点的笔画宽度，之后计算骨架所有点的笔画宽度的数学期望作为该笔画的宽度。我们再对整个字按如上方法分别计算每个笔画的宽度，进而计算得到整个字的笔画平均宽度和标准差。

有了这些评判规则，需要规范评判函数值在一定的范围内。设G_ξ(C₁)，G_ξ(C₂)，...，G_ξ(C_n)为用ξ风格笔画组合的n个同一汉字的不同字形，按照上面的方法计算出规则i目标函数值的数学期望v_i和λ_i，从而得到在规则i下ξ风格汉字的规范值为：

${\mathrm{\&phi;}}_i=\frac{1}{{\mathrm{\&lambda;}}_i\sqrt{2\mathrm{\&pi;}}}\exp (-\frac{{(f_i\left(C\right)-v_i)}^2}{{2\mathrm{\&lambda;}}_i^2}),i=\mathrm{1,2,3}$

定义总体评价函数E： $E={\mathrm{\&Sigma;}}_{i=1}^3{\mathrm{\&omega;}}_i\&times;{\mathrm{\&phi;}}_i,$ ${\mathrm{\&Sigma;}}_{i=1}^3{\mathrm{\&omega;}}_i=1$ ω_i表示规则i权重，反映了评判标准的重要性，这组权值可根据经验赋值。

如图3所示，采用9IRR的方法及其标准化后的规则对汉字的间架结构进行描述后的效果图，而图4示出了没有采用9IRR的方法对汉字间架结构进行描述的效果图。从上两图中对比，可以看出，书法的间架结构重心平稳，笔画间注重穿插避让，同时强调笔画风格统一，整体更加美观。

步骤400，将所述标准化后的书法汉字采用优化算法计算出符合该书法家风格的字体。该优化算法可以是模拟退火优化算法。

具体算法如下：首先我们给各种笔画仿射变换编码，编码集合为Operation＝{0，1，2，3，4，5，6，7}，其中元素依顺序分别对应向左平移，向右平移，向上平移，向下平移，水平缩放，垂直缩放，水平拉伸，垂直拉伸变换。某个汉字组成笔画对应的编码集合为Object＝{0，1，…，N-1}(假设有N个笔画)。在每一次迭代中产生两个随机数分别和8，N取余，即r1＝random()％8，r2＝random()％N，依Operation和Object集合的元素值，选择对应的操作符和被变换的笔画，以一定的幅度进行变换。在下面的实验中，其中平移变换幅度为5个像素，伸缩变换幅度为2％。经过变换后再计算TOPO和RangeRelation值，如果其TOPO和Range Relation的值与手写体的不符就不接受此次变换，重新选择变换操作符和笔画。相反，如果相符则计算此次变换的目标函数值E，如果比上一次小，我们接受此次变换，并将变换的结果作为下一次的初始状态；如果E值比上一次大，就以一定概率p_r＝exp(-δ/T(t))接受此次变换，进入下一次迭代状态。这里δ是两次迭代中的能量差值，T(t)＝T₀/lg(1+t)，T是温度，t是迭代次数，T₀是随机选择n个状态目标函数值的标准差再乘以1000作为初始温度。随着能量值的下降，合成书法字的视觉效果整体趋势会越来越美观。

图5示出了采用模拟退火优化算法优化汉字的结果与字贴中字形的对比示意图(其中黑底色为字贴)。从图中可以看出，采用模拟退火优化算法优化汉字后的效果与字贴中的效果很近似。图6是不同书写者的书写结果及优化后的字形示意图，图6b与图6d是采用本发明所述的结构优化的汉字字形生成方法优化后的效果示意图，从图中可以看到，虽然书写者书写的汉字结构会不同，但经过本发明所述的结构优化的汉字字形生成方法处理后的效果相差无几，从而达到标准化并且更加美观。本发明的方法不依赖于初始的间架结构，即使书写者写字不美观，也可借助本发明的方法生成漂亮的字形效果。

上述说明示出并描述了本发明的优选实施例，如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (5)

1.一种结构优化的汉字字形生成方法，其特征在于，包括以下步骤，

步骤100，创建书法作品的笔画数据库及书法笔画对应的笔锋运动轨迹模板库；

步骤200，识别源自数字板的笔锋轨迹并将其与所述笔锋运动轨迹模板库中的运动轨迹进行对应；

步骤300，对所述书法汉字的间架结构进行描述并将该描述的方法进行标准化；

步骤400，将所述标准化后的书法汉字采用优化算法计算出符合该书法家风格的字体。

2.根据权利要求1所述的结构优化的汉字字形生成方法，其特征在于，所述步骤100进一步包括以下步骤，

步骤110，从书法作品中提取汉字的笔画，经过灰度化、二值化、平滑去噪的图像预处理后建立笔画数据库；

步骤120，通过数位板输入书法笔画对应的笔锋运动轨迹；

步骤130，创建索引号并以相应索引号作为书法笔画与笔锋运动轨迹的映射关系。

3.根据权利要求1所述的结构优化的汉字字形生成方法，其特征在于，所述步骤200进一步包括以下步骤，

步骤210，将笔锋运动轨迹视为曲线并计算该曲线的属性；

步骤220，根据该曲线上的各点构造特征矩阵；

步骤230，将该曲线与笔锋运动轨迹模板库中的运动轨迹进行匹配。

4.根据权利要求1所述的结构优化的汉字字形生成方法，其特征在于，所述描述汉字间架结构的方法为9-Intersections&Range Relation。

5.根据权利要求1所述的结构优化的汉字字形生成方法，其特征在于，在步骤400中，采用模拟退火优化算法计算出符合该书法家风格的字体。

Images