CN109241750B - 个性化英文字母展示风格变换方法 - Google Patents

Abstract

本发明涉及一种个性化英文字母展示风格变换方法，属于软件工程和人工智能交叉领域，其特征在于，获取用户的待变化字母展示风格的句子或者文件，使用一个五维的特征组F，即(端点相对位置特征,端点形态特征,粗细特征,颜色特征，弯曲度特征)标记每个字母的风格特征，并由用户对个别字母以可视化方式进行目标风格变换，同样以五维的特征组FU标记，将F于FU作为输入，结合本发明提出的书写字母的分类属性，基于一个字母的目标风格和原始风格之间的变化特征提取模型(LFEM)学习用户对字母展示风格变化的变化特征(SF)，之后，按照特征参数SF对构成其他的字母进行风格变换。

Description

个性化英文字母展示风格变换方法

技术领域

本发明是一种个性化英文字母展示风格变换方法，属于软件工程与人工智能交叉领域。

背景技术

个人隐私(privacy of individual)的一般定义是公民个人生活中不愿为他人(一定范围以外的人)公开或知悉的秘密。隐私权是自然人享有的对其个人的、与公共利益无关的个人信息、私人活动和私有领域进行支配的一种人格权。然而，当人们在公共场合阅读对于自己而言不想被别人知道的文字时，旁边的人总会有意无意的看到我们的文字信息；这时，如果这些文字被处理成只有资源拥有者才能看明白，而其他人无法看明白的文字，则很好的保护了用户隐私。

本发明提出一种个性化英文字母展示风格变换方法，通过将文字按照端点相对位置、端点形态、笔画粗细、端点和笔画的颜色、以及笔画弯曲度的综合参数变化将用户的英文字母进行个性化风格变换，由于变化的特征是经过对用户针对字母的可视化变化学习得到，因而变换后的英文中的字母对于用户而言很易辨识，而对于其他人而言则不易辨识。

本发明将字母的构成区分为直笔画、曲笔画、圆笔画和端点等四个分类属性，从所述四个角度出发，提出了一个字母的目标风格和原始风格之间的变化特征提取模型，名为LFEM，提取后的字母风格变换特征是一个4个6维的向量组，之后按照这个向量组对其他英文句子中的字母进行变换。

发明内容

图1给出了个性化英文字母风格变换方法的一个具体实施框架，图2给出了个性化英文字母风格变换方法的一个具体实施流程，图3给出了个性化英文字母风格变换方法标注字母风格特征的一个具体的实施例，图4给出了个性化英文字母风格变换方法进行风格变化时的具体实施例。

所述一个性化英文字母展示风格变换方法，使用一个五维的特征组{端点相对位置特征,端点形态特征,粗细特征,颜色特征，弯曲度特征}标记每个字母的风格特征，基于一个字母的目标风格和原始风格之间的变化特征提取模型学习用户对字母风格变化的变化特征，最后，按照特征参数对构成字母的要素点进行变化，包含如下步骤：

步骤1)采集用户输入的字母，使用一个五维的特征组标记每个采集的字母，五个特征分别为：端点相对位置特征(WZ)、端点形态特征(XT)、粗细特征(CX)、颜色特征(YS)、弯曲度特征(WQ)，记为：F＝{WZ,XT,CX,YS,WQ}，

其中，每个特征的取值如下：

端点相对位置：字母的端点包括书写字母时每个笔画的起始点和终止点，像书写字母A时第一笔画的两点是所述的两个端点，端点的相对位置是建立一个坐标系，让字母紧挨坐标系以测量和记录端点位置；

端点形态特征：端点的形态特征有圆形(xt₁)，菱形(xt₂)，长方形(xt₃)，正方形(xt₄)；球体(xt₅)，长方体(xt₆)，正方体(xt₇)；用一个二维向量表示某个端点的形态特征，字母A的最高处端点标记为1-1，则端点1-1的端点形态特征为(1-1，xt₁)，表示端点1-1的形态为圆形，其中，1-1表示笔画1的起始端点；

粗细特征：粗细特征用来表征笔画而非端点的特征，本发明设置笔画粗细的分辨率为1mm，最细为1mm，最粗为20mm，取值的范围是{cx1，cx2，...，cx20}，即{1mm，2mm，...，20mm}；

颜色特征：颜色特征表征字母笔画及端点的颜色，有12个取值，分别是红，橙，黄，绿，青，蓝，紫，灰，粉，黑，白，棕，用{ys₁，ys₂，ys₃，ys₄，ys₅，ys₆，ys₇，ys₈，ys₉，ys₁₀，ys₁₁，ys₁₂}表示；

弯曲度特征：弯曲度计量采用全长总弯曲度，即用一根细绳，从弯曲笔画的两端拉紧，测量笔画弯曲处最大弦高(mm)，然后换算成长度(以米计)的百分数，即为笔画长度方向的全长弯曲度；若笔画长度为8m，测得最大弦高30mm，则该笔画全长弯曲度应为：0.03÷8m×100％＝0.375％；

步骤2)基于步骤1的表示方法，建立字母的目标风格和原始风格之间的变化特征提取模型，名为LFEM，具体包含如下步骤：

步骤2.1)从一个字母的两个方面，即笔画、端点综合考虑特征变化，即字母书写的分类属性；将所有字母的笔画划分为直笔画、曲笔画和圆笔画，如下表所示，26个英文字母的直笔画、曲笔画、圆笔画和端点的分类属性如表1所示：

表1：

步骤2.2)获取用户对待变化风格的字母集合中个别字母的变化后的五维特征组，用户可以通过可视化的方式滑动改变字母的风格特征，改变风格后的个别字母的五维特征组为：FU＝{WZU，DDU，CXU，YSU，WQU}；

步骤2.3)经过所述LFEM模型对输入的F与FU进行对比求差和分析，学习出用户对单个字母的改变特征，经过所述LFEM模型学习用户对字母风格的变化特征后的模型输出为一个风格变化特征4个6维的向量组SF＝(FZ,FQ,FY,FD)，其中每个向量可表示为{F1，F2，F3,F4，F5，F6}，对应的参数如表2所示：

表2：

F1	F2	F3	F4	F5	F6
						直笔画Z			粗细FCX	颜色FYS	弯曲度FWQ
曲笔画Q			粗细FCX	颜色FYS	弯曲度FWQ
						圆笔画Y			粗细FCX	颜色FYS	弯曲度FWQ
端点D	位置FWZ	形态FXT		颜色FYS

例如，如图4(a)和4(b)所示，用户改变了字母B的风格，则LFEM输出一个向量组SF＝(FZ,FQ,FY,FD)＝({ZS,0,0,(1，cx₄→cx₅)，(1，0)，(1，0→0.2)}，{0，0，0，0，0，0}，{0，0，0，0，0}，{(1-2，k，+s)，(1-2，xt₁→xt₂)，0，0，0})来表征变化特征，其中FZ中的参数分别表示：ZS：直竖直笔画风格发生变化；(1，cx₄→cx₅)：表示笔画1的粗细由原来的4mm变为5mm；(1，0)：表示笔画1的颜色没有发生变化；(1，wq1→wq2)：表示直笔画1的弯曲度由原来的0，变成0.2。

步骤2.4)4个6维的向量组SF表征的风格变化特征的参数计算，

FWZ变化特征计算：

位置变化(WZ参数变化)的端点为i-j，i表示字母k的第i个笔画，j表示字母k的第i个笔画的第j个端点，端点i-j的在所述坐标系的坐标为(x_i-j，y_i-j)；

变化后的端点标记为i-j‘；

针对端点所在笔画为直笔画(Z)属性、曲笔画(Q)属性和圆笔画(Y)，则LFEM模型学习到的位置变化特征为：以变化前端点(x_i-j，y_i-j)为原点(0，0)，以端点所在原始直笔画为x轴，建立坐标系，重新计算后的端点i-j位置为(0，0)，i-j‘的坐标为(xu_i-j，yu_i-j)；

计算从端点i-j到端点i-j‘的直线的斜率如下：

计算从端点i-j到端点i-j‘的距离如下：

所以，LFEM模型学习到的位置变化特征为一个三元组(i-2，k，±S)，其中i-2表示除横直笔画外的直笔画的第二个端点，(k，±S)表示从该端点起按照k斜率正向或者负向前进s单位距离；

FXT变化特征计算：

记录端点的形态变化，变化前端点的形态为xt_i，变化后端点的形态为xt_j，表示为二元组(i-j，xt_i→xt_j)；

FCX变化特征计算：

记录笔画的粗细变化，变化前笔画的粗细为cx_i，变化后笔画的粗细为cx_j，表示为二元组(i-j，cx_i→cx_j)；

FYS变化特征计算：

记录笔画和端点的颜色变化，变化前端点或者笔画的颜色为cx_i，变化后端点或者笔画的颜色为ys_j，表示为二元组(i-j/i，ys_i→ys_j)；

FWQ变化特征计算：

记录笔画的长度，并计算笔画起始和终止两个端点之间的距离l_i，测量笔画弯曲处最大弦高si，弯曲度取值wq_i由如下公式计算得出：

wq_i＝s_i/l_i                                     (3)

其中，l表示弯曲笔画的起始点到终止点的距离，由距离公式：

计算得出，s表示距离起始点和终止点所构成直线的最大弦高；则其变化特征表示为一个二元组(i，wq_i)，其中，i表示第i个笔画，包括已有的和增加的分支笔画，wq_i表示该笔画的弯曲度；

最后，由LFEM模型输出的风格变化特征为4个6维的向量组SF＝(FZ，FQ，FY，FD)，其中，Fi＝{F1，F2，F3，F4，F5，F6}，即

FZ＝{0，0，(i-j，cx_i→cx_j)，(i-j，ys_i→ys_j)，(i，wq_i)}；

FQ＝{0，0，(i-j，cx_i→cx_j)，(i-j，ys_i→ys_j)，(i，wq_i)}；

FY＝{0，0，(i-j，cx_i→cx_j)，(i-j，ys_i→ys_j)，(i，wq_i)}；

FD＝{0，0，(i-j，k，±S)，(i-j，xt_i→xt_j)，0，(i-j，ys_i→ys_j)，0}；

步骤3)基于步骤2得到的风格变化特征SF，对直笔画和曲笔画分别按照得到的两个五维特征组的数值对其他字母进行风格变化。

附图说明

图1是一种个性化英文字母展示风格变换方法的字母风格特征变化提取模型(LFEM)；

图2是一种个性化英文字母展示风格变换方法的具体流程图；

图3是一种个性化英文字母展示风格变换方法的字母特征标注的一个实施例；

图4是一种个性化英文字母展示风格变换方法的建立坐标系的一个实施例；

图5是一种个性化英文字母展示风格变换方法的一个具体实例。

具体实施方式

一种个性化英文字母展示风格变换方法的一个具体实施例如下：

一种个性化英文字母展示风格变换方法，其特征在于，使用一个五维的特征组{端点

相对位置特征,端点形态特征,粗细特征,颜色特征，弯曲度特征}标记每个字母的风格特征，基于一个字母的目标风格和原始风格之间的变化特征提取模型学习用户对字母风格变化的变化特征，最后，按照特征参数对构成字母的要素点进行变化。

如图1所示，所述字母的目标风格和原始风格之间的变化特征提取模型LFEM，输入是待变化的句子中的字母风格特征标记F和变化后的字母风格特征标记FU，其中，F＝{WZ，XT，CX，YS，WQ}，FU＝{WZU，XTU，CXU，YSU，WQU}。

如图2所示，一个具体的实施例如下：

对应于图2中的步骤001，输入一组待变换风格的英文字母，可以是以单词为单位的句子，亦可以句子为单位的文件；

对应于图2中的步骤002，使用特征向量组F＝(WZ，XT，CX，YS，WQ)标记字母风格，其中WZ表示端点相对位置特征，XT表示端点形态特征，CX表示笔画粗细特征，YS表示笔画和端点的颜色特征，WQ表示笔画的弯曲度特征；例如，在一个实施例中，如图5所示，字母B的风格使用如下五维特征组来表征字母B的特征：

WZ＝{(1-1，0，1)，(1-2，0，0)，(2-1，0，1)，(2-2，0，0.5)，(3-1，0，0.5)，(3-2，0，0)}；

XT＝{(1-1，xt₁)，(1-2，xt₁)，(2-1，xt₁)，(2-2，xt₁)，(3-1，xt₁)，(3-2，xt₁)}；

CX＝{(1-1，cx₁)，(1-2,cx₁)，(2-1，cx₁)，(2-2，cx₁)，(3-1，cx₁)，(3-2，cx₁)}；

YS＝{(1-1，ys₁)，(1-2，ys₁)，(2-1，ys₁)，(2-2，ys₁)，(3-1，ys₁)，(3-2，ys₁)，(1，ys₁)，(2，ys₁)，(3，ys₁)}；

WQ＝{(1，wq₁)，(2，wq₂)，(3，wq₂)}；

对应与图2中的步骤003，获取用户对字母的风格变化后的特征向量组FU，其中，FU＝(WZU,XTU,CXU,YSU,WQU)，用户对个别字母在可视化条件下进行风格变化，如图4，在一个实施例中，原始字母“B“的风格如图4(a)，用户将字母B的笔画1的第二个点向左下角斜着拉长至笔画1的第3个点，此时以点1-2为原点，以直笔画1为x轴建立坐标系，计算该端点的位置变化，返回(1-2，k，-s)参数，表征端点1-2负向以斜率k移动s单位距离；

对应于图2中的步骤004，计算参数(i-j，k，±S)；经过变化风格后，字母中分类的直笔画、曲笔画、圆笔画和端点都有可能发生变化，对于端点而言，计算上述参数的意义在于该参数表征字母相对位置的风格的变化特征，即所有的i笔画所属分类(例如直笔画)的j类端点(例如直笔画的终止端点)都将以正向或者负向以斜率k移动s单位距离；

对应于图2中的步骤005，记录参数(i-j，xt_m→xt_n)，该参数表征字母的端点形态风格变化特征，表示端点i-j的形态m变化至形态n，其中m<7，n<7；

对应于图2中的步骤006，记录参数(i，cx_m→cx_n)，该参数表征字母的笔画粗细风格变化特征，表示笔画i的粗细m变化至粗细n，其中，m<20，n<20，之后所有的i笔画所属分类(例如直笔画)都将由m单位的粗细变为n单位的粗细；

对应于图2中的007，记录参数(i-j/i，ys_m→ys_n)，该参数表征字母的笔画或者端点的颜色风格变化特征，表示端点i-j或者笔画i的颜色从m色变化为n色，其中，m<12，n<12，之后i-j或者i所在分类都将从颜色m变化至颜色n；

对应于图2中的008，计算参数(i，wq_m→wq_n)，该参数表征字母的笔画弯曲度风格变化特征，表示笔画i的弯曲度由m变化至n，之后所有i所属分类都将由弯曲度m变化之弯曲度n；

对应于图2中的009，计算完变化特征的参数后，将这戏而参数一一匹配字母的分类属性，即直笔画(Zi)、曲笔画(Qi)、圆笔画(Yi)、端点(Di)；

对应于图2中的010，输出表征字母风格变化特征的4个6维的向量组SF，SF＝(FZ，FQ，FY，FD)；

对应于图2中的011，按照SF对句子或者文件中的其他字母进行风格变换。

如图4所示，在一个实施例中，字母A的端点1-2，被用户斜着拉长到端点1-3，此时，为确定端点1-3的相对位置，以端点1-2为原点(0，0)，以笔画1(笔画1为左斜直笔画分类属性)为x轴，以笔画1的右侧垂直为y轴，重新定位端点1-3，并计算参数k和s。

如图3所示，在一个实例中，字母F的风格变化特征是笔画3的长度在左侧一端超出，从而端点3-1突出原来的笔画1，此时计算其端点相对位置变化的特征即可反映该字母的风格变化。

Claims (1)

1.一种个性化英文字母展示风格变换方法，其特征在于，使用一个五维的特征组{端点相对位置特征，端点形态特征，粗细特征，颜色特征，弯曲度特征}标记每个字母的风格特征，基于一个字母的目标风格和原始风格之间的变化特征提取模型学习用户对字母风格变化的变化特征，最后，按照特征参数对构成字母的要素点进行变化，包含如下步骤：

步骤1)采集用户输入的字母，使用一个五维的特征组标记每个采集的字母，五个特征分别为：端点相对位置特征WZ、端点形态特征XT、粗细特征CX、颜色特征YS、弯曲度特征WQ，记为：F＝{WZ,XT,CX,YS,WQ}，

其中，每个特征的取值如下：

端点相对位置：字母的端点包括书写字母时每个笔画的起始点和终止点，端点的相对位置是建立一个坐标系，让字母紧挨坐标系以测量和记录端点位置；

端点形态特征：端点的形态特征有圆形xt₁，菱形xt₂，长方形xt₃，正方形xt₄；球体xt₅，长方体xt₆，正方体xt₇；用一个二维向量表示某个端点的形态特征，字母A的最高处端点标记为1-1，则端点1-1的端点形态特征为(1-1，xt₁)，表示端点1-1的形态为圆形，其中，1-1表示笔画1的起始端点；

粗细特征：粗细特征用来表征笔画而非端点的特征，设置笔画粗细的分辨率为1mm，最细为1mm，最粗为20mm，取值的范围是{cx1，cx2，...，cx20}，即{1mm，2mm，...，20mm}；

颜色特征：颜色特征表征字母笔画及端点的颜色，有12个取值，分别是红，橙，黄，绿，青，蓝，紫，灰，粉，黑，白，棕，用{ys₁，ys₂，ys₃，ys₄，ys₅，ys₆，ys₇，ys₈，ys₉，ys₁₀，ys₁₁，ys₁₂}表示；

弯曲度特征：弯曲度计量采用全长总弯曲度，即用一根细绳，从弯曲笔画的两端拉紧，测量笔画弯曲处最大弦高mm，然后换算成长度的百分数，即为笔画长度方向的全长弯曲度；

所以，字母B的风格使用如下五维特征组来表征字母B的特征：

WZ＝{(1-1，0，1)，(1-2，0，0)，(2-1，0，1)，(2-2，0，0.5)，(3-1，0，0.5)，(3-2，0，0)}；

XT＝{(1-1，xt₁)，(1-2，xt₁)，(2-1，xt₁)，(2-2，xt₁)，(3-1，xt₁)，(3-2，xt₁)}；

CX＝{(1-1，cx₁)，(1-2,cx₁)，(2-1，cx₁)，(2-2，cx₁)，(3-1，cx₁)，(3-2，cx₁)}；

YS＝{(1-1，ys₁)，(1-2，ys₁)，(2-1，ys₁)，(2-2，ys₁)，(3-1，ys₁)，(3-2，ys₁)，

(1，ys₁)，(2，ys₁)，(3，ys₁)}；

WQ＝{(1，wq₁)，(2，wq₂)，(3，wq₃)}；

步骤2)基于步骤1的表示方法，建立字母的目标风格和原始风格之间的变化特征提取模型，名为LFEM，具体包含如下步骤：

步骤2.1)从一个字母的两个方面，即笔画、端点综合考虑特征变化，即字母书写的分类属性；将所有字母的笔画划分为直笔画、曲笔画和圆笔画，如下表所示，26个英文字母的直笔画、曲笔画、圆笔画和端点的分类属性如表1所示：

表1：

步骤2.2)获取用户对待变化风格的字母集合中个别字母的变化后的五维特征组，用户可以通过可视化的方式滑动改变字母的风格特征，改变风格后的个别字母的五维特征组为：FU＝{WZU，DDU，CXU，YSU，WQU}；

步骤2.3)经过所述LFEM模型对输入的F与FU进行对比求差和分析，学习出用户对单个字母的改变特征，经过所述LFEM模型学习用户对字母风格的变化特征后的模型输出为一个风格变化特征4个6维的向量组SF＝(FZ,FQ,FY,FD)，其中每个向量表示为{F1,F2,F3,F4,F5,F6}，对应的参数如表2所示：

表2：

步骤2.4)4个6维的向量组SF表征的风格变化特征的参数计算，

FWZ变化特征计算：

位置变化的端点为i-j，i表示字母k的第i个笔画，j表示字母k的第i个笔画的第j个端点，端点i-j的在所述坐标系的坐标为(x_i-j，y_i-j)；

变化后的端点标记为i-j‘；

针对端点所在笔画为直笔画Z属性、曲笔画Q属性和圆笔画Y，则LFEM模型学习到的位置变化特征为：以变化前端点(x_i-j，y_i-j)为原点(0，0)，以端点所在原始直笔画为x轴，建立坐标系，重新计算后的端点i-j位置为(0，0)，i-j‘的坐标为(xu_i-j，yu_i-j)；

计算从端点i-j到端点i-j‘的直线的斜率如下：

计算从端点i-j到端点i-j‘的距离如下：

所以，LFEM模型学习到的位置变化特征为一个三元组(i-2，k，±S)，其中i-2表示除横直笔画外的直笔画的第二个端点，(k，±S)表示从该端点起按照k斜率正向或者负向前进s单位距离；

FXT变化特征计算：

记录端点的形态变化，变化前端点的形态为xt_i，变化后端点的形态为xt_j，表示为二元组(i-j，xt_i→xt_j)；

FCX变化特征计算：

记录笔画的粗细变化，变化前笔画的粗细为cx_i，变化后笔画的粗细为cx_j，表示为二元组(i-j，cx_i→cx_j)；

FYS变化特征计算：

记录笔画和端点的颜色变化，变化前端点或者笔画的颜色为cx_i，变化后端点或者笔画的颜色为ys_j，表示为二元组(i-j/i，ys_i→ys_j)；

FWQ变化特征计算：

记录笔画的长度，并计算笔画起始和终止两个端点之间的距离l_i，测量笔画弯曲处最大弦高si，弯曲度取值wq_i由如下公式计算得出：

wq_i＝s_i/l_i                        (3)

其中，l表示弯曲笔画的起始点到终止点的距离，由距离公式：

计算得出，s表示距离起始点和终止点所构成直线的最大弦高；则其变化特征表示为一个二元组(i，wq_i)，其中，i表示第i个笔画，包括已有的和增加的分支笔画，wq_i表示该笔画的弯曲度；

最后，由LFEM模型输出的风格变化特征为4个6维的向量组SF＝(FZ，FQ，FY，FD)，其中，Fi＝{F1，F2，F3，F4，F5，F6}，即

FZ＝{0，0，(i-j，cx_i→cx_j)，(i-j，ys_i→ys_j)，(i，wq_i)}；

FQ＝{0，0，(i-j，cx_i→cx_j)，(i-j，ys_i→ys_j)，(i，wq_i)}；

FY＝{0，0，(i-j，cx_i→cx_j)，(i-j，ys_i→ys_j)，(i，wq_i)}；

FD＝{0，0，(i-j，k，±S)，(i-j，xt_i→xt_j)，0，(i-j，ys_i→ys_j)，0}；

步骤3)基于步骤2得到的风格变化特征SF，对直笔画和曲笔画分别按照得到的两个五维特征组的数值对其他字母进行风格变化。

Images