CN111695323A - 信息处理方法、装置及电子设备 - Google Patents
信息处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111695323A CN111695323A CN202010451519.7A CN202010451519A CN111695323A CN 111695323 A CN111695323 A CN 111695323A CN 202010451519 A CN202010451519 A CN 202010451519A CN 111695323 A CN111695323 A CN 111695323A
- Authority
- CN
- China
- Prior art keywords
- target
- stroke skeleton
- font
- skeleton
- character
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 37
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 52
- 238000009877 rendering Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims description 19
- 230000004927 fusion Effects 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 6
- 239000013598 vector Substances 0.000 description 22
- 230000006870 function Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 8
- 238000005070 sampling Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000002996 emotional effect Effects 0.000 description 4
- 238000010845 search algorithm Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/109—Font handling; Temporal or kinetic typography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/32—Digital ink
- G06V30/333—Preprocessing; Feature extraction
- G06V30/347—Sampling; Contour coding; Stroke extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Controls And Circuits For Display Device (AREA)
Abstract
本申请公开了一种信息处理方法、装置及电子设备,属于通信技术领域。该方法主要包括获取初始字,初始字包括至少两种字体类型的字,至少两种字体类型的字包括第一字和第二字;提取第一字的第一笔画骨架和第二字的第二笔画骨架;将第一笔画骨架和第二笔画骨架进行融合,得到目标笔画骨架;对目标笔画骨架进行渲染,得到具有目标字体类型的目标字,第一字、第二字和目标字为相同字。本发明实施例的方法解决现有的电子设备没有按照用户定制的字体来显示文字的功能的问题。
Description
技术领域
本申请属于通信技术领域,具体涉及一种信息处理方法、装置及电子设备。
背景技术
随着电子设备以及移动互联网的发展,电子设备的功能越来越强大。例如:用户可以应用电子设备来阅读、上网、聊天等,在上述应用场景中,电子设备的重要作用之一就是文字的显示,而文字显示离不开字体。
目前,用户只能选择电子设备中内置的字体如雅黑,细黑,幼圆体等进行文字显示。但是,随着个性化概念的出现,电子设备内置的字体已经不能满足用户的需求,而定制个性化的文字,并通过个性化的文字显示已经成为用户对电子设备新的要求。然而,现有的电子设备没有按照用户定制的字体来显示文字的功能。
发明内容
本申请实施例的目的是提供一种信息处理方法、装置及电子设备,能够解决现有的电子设备没有按照用户定制的字体来显示文字的功能的问题。
为了解决上述技术问题,本申请是这样实现的:
第一方面,本申请实施例提供了一种信息处理方法,该方法包括:
获取初始字,初始字包括至少两种字体类型的字,至少两种字体类型的字包括第一字和第二字;
提取第一字的第一笔画骨架和第二字的第二笔画骨架;
将第一笔画骨架和第二笔画骨架进行融合,得到目标笔画骨架;
对目标笔画骨架进行渲染,得到具有目标字体类型的目标字,第一字、第二字和目标字为相同字。
第二方面,本申请实施例提供了一种信息处理装置,该装置包括:
获取模块,用于获取初始字,初始字包括至少两种字体类型的字,至少两种字体类型的字包括第一字和第二字;
提取模块,用于提取第一字的第一笔画骨架和第二字的第二笔画骨架;
融合模块,用于将第一笔画骨架和第二笔画骨架进行融合,得到目标笔画骨架;
渲染模块,用于对目标笔画骨架进行渲染,得到具有目标字体类型的目标字,第一字、第二字和目标字为相同字。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序或指令,程序或指令被处理器执行时实现如第一方面涉及的方法步骤。
第四方面,本申请实施例提供了一种可读存储介质,可读存储介质上存储程序或指令,程序或指令被处理器执行时实现如第一方面涉及的方法步骤。
第五方面,本申请实施例提供了一种芯片,芯片包括处理器和通信接口,通信接口和处理器耦合,处理器用于运行程序或指令,实现如第一方面涉及的方法步骤。
在本申请实施例中,通过对至少两种字体类型的相同字的笔画骨架进行融合,得到目标笔画骨架,然后对目标笔画骨架进行渲染,可以得到具有目标字体类型的目标字,增加了用户定制字体来显示文字的功能,以满足用户的个性化定制的需求。另外,本申请实施例采用了两种字体类型确定目标字体类型并通过电子设备展示出来,这样,可以应用于在一些用户想要拥有自己与目标对象的手写字相似的一套字体类型的场景下,极大满足用户的个性化需求。
附图说明
图1是本申请实施例提供的一种信息处理方法的应用场景示意图;
图2为本申请实施例提供的一种信息处理方法的流程图;
图3为本申请实施例提供的一种拎字的笔画骨架的标注示意图;
图4为本申请实施例提供的一种爱字的笔画骨架示意图;
图5为本申请实施例提供的一种爱字的笔画骨架变化结果的示意图;
图6为本申请实施例提供的一种爱字的渲染变化结果的示意图;
图7为本申请实施例提供的一种信息处理装置的结构示意图;
图8为本申请实施例提供的一种电子设备的硬件结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
基于目前出现的问题,下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的信息处理方法进行详细地说明。
其中,本方案提出一种信息处理方法的应用场景,参照图1,在接收到同一个用户手写的至少两种字体类型的相同字、或者不同用户手写的至少两种字体类型的相同字时,提取相同字的笔画骨架,如本申请实施例中以至少两种字体类型中两种字体类型为例,即第一种字体类型对应第一字,第二种字体类型对应第二字,这样,分别提取第一字的第一笔画骨架和第二字的第二笔画骨架。接着,可以点击“生成”控件,将第一笔画骨架和第二笔画骨架进行融合,得到目标笔画骨架,然后,对目标笔画骨架进行渲染,得到具有目标字体类型,且与第一字和第二字为相同字的目标字,由此,在得到多个目标字时,可以根据目标字的目标字体类型构成新的字体类型,以通过电子设备向用户展示目标字体类型的字。
这样,增加了用户定制字体来显示文字的功能,以满足用户的个性化定制的需求。另外,本申请实施例采用了两种字体类型确定目标字体类型并通过电子设备展示出来,由此,上述方法可以应用于在一些用户想要拥有自己与青睐对象的手写字相似的一套字体类型的场景下,极大满足用户的个人情感需求和个性化的愿望,展示了互联网时代千人千面的特性。
另外,除了上述应用在电子设备如手机侧为用户定制字体的场景之外,本申请实施例提供的方法还可以应用于对宣传海报中字体、影视娱乐的字幕或者视频广告中字体进行调整和制作等场景。例如,在应用于对宣传海报中字体的制作时,可以获取两种不同字体类型的字,该字可以是用户的手写字,也可以是通过电子设备生成的字,然后将这些来源不同,且为不同字体类型的相同字的笔画骨架进行融合,得到新的字体类型的字,以使宣传海报中字体具有特殊性,满足用户定制字体的需求。
根据上述应用场景,下面结合图2-图5对本申请实施例提供的信息处理方法进行详细说明。
图2为本申请实施例提供的一种信息处理方法的流程图。
如图2所示,该信息处理方法具体可以包括如下步骤:
首先,步骤210,获取初始字,初始字包括至少两种字体类型的字,至少两种字体类型的字包括第一字和第二字。
接着,步骤220,提取第一字的第一笔画骨架和第二字的第二笔画骨架。
再者,步骤230,将第一笔画骨架和第二笔画骨架进行融合,得到目标笔画骨架。
然后,步骤240,对目标笔画骨架进行渲染,得到具有目标字体类型的目标字,第一字、第二字和目标字为相同字。
由此,增加了用户定制字体来显示文字的功能,以满足用户的个性化定制的需求;另外,本申请实施例采用了两种字体类型确定目标字体类型并通过电子设备展示出来,这样,可以应用于一些用户想要拥有自己与目标对象的手写字相似的一套字体类型的场景,极大满足用户的个性化需求。
下面对上述步骤进行详细说明,具体如下所示:
首先,涉及步骤210,本申请实施例中的第一字和第二字可以属于同一个用户手写的不同字体类型的相同字,也可以是不同用户手写的不同字体类型的相同字,当然,也可以是一个用户手写的,另一个是电子设备生成的,同理,也可以是电子设备生成的不同字体类型的相同字。在此本申请实施例中并不限定字的来源,这样,可以使信息处理方法应用于如用户想要拥有自己与青睐对象的手写字相似的一套字体类型的场景,也可以是用户想要拥有字体与电子设备中某个字体相似的一套字体类型的场景等。
接着,涉及步骤220,其中,利用图像细化算法和/或骨架提取算法,提取第一字的第一笔画骨架和第二字的第二笔画骨架。
再者,涉及步骤230,其中,在一种可能的实施例中,可以利用目标字体流形空间对第一笔画骨架和第二笔画骨架进行融合,得到目标笔画骨架。
这里,在利用目标字体流形空间,得到目标笔画骨架之前,需要确定目标字体流形空间,基于此,本发明实施例提供了一种确定目标字体流形空间的方式,具体步骤如下所示:
首先,获取样本集,样本集包括多种字体类型的相同字的笔画骨架。
具体地,可以收集大量的用户在电子设备的屏幕上手写字的图像。然后,通过人工或者电子设备按照预设条件对手写字的图像进行标定,得到每张图像的笔画骨架的折线图,如图3所示“拎”字的笔画骨架的标注示意图,每个点作为标定的点,将每个标定的点连接,形成笔画骨架。需要提示说的是,预设条件可以包括笔画骨架的标定顺序按照国家定义的标准笔画顺序,标定时,在转折处多标,在直线处标注起始和结束位置即可。
接着,根据上述获取到的样本集,利用第二高斯过程潜变量模型对字体流形空间进行训练,直至满足预设训练停止条件,得到目标字体流形空间,目标字体流形空间的维度低于字体流形空间的维度。其目的是为了将高维度的笔画骨架对应的笔画骨架向量,在目标字体流行空间中有低纬度的表示,以降低计算量。
具体地,通过均匀采样得到笔画骨架的均匀采样点向量,通过堆叠多人的相同字的均匀采样点向量得到笔画骨架矩阵,假设上述通过均匀采样得到笔画骨架的均匀采样点向量表示为y,则M个笔画骨架矩阵堆叠的矩阵表示为Y= [y1y2……yM]T,M为正整数。然后,基于M个笔画骨架矩阵堆叠的矩阵利用高斯过程潜变量模型(Gaussian Process LatentVariable Model,GPLVM)对字体流形空间进行训练。
这里,由于笔画骨架向量由单字的上百个点坐标构成,处于高维空间,计算复杂度高,而GPLVM是一种有效的非线性降维方式,可以将高维的笔画骨架向量降维到低维的笔画向量所在的二维流形空间,可以通过公式(1)表示:
其中,I是单位向量,M表示字的个数,C(X,X|θ)是低维向量之间的协方差矩阵,σ是所有原始高维向量与重建高维向量差值的方差(默认设置为0.1)。接着,通过最大化低维向量之间的最大似然,求得隐参数X和θ,即通过公式 (2)表示:
X*,θ*=arg maxX,θ[log(P(Y|X,θ))] (2)
由此,通过上述过程,可以得到大量单字的笔画骨架在目标字体流行空间中的低维度的向量表示。
基于此,可以利用目标字体流形空间对第一笔画骨架和第二笔画骨架进行融合,得到目标笔画骨架,具体可以包括步骤2301-步骤2303,具体如下所示:
步骤2301,利用目标字体流行空间,得到第一笔画骨架在目标字体流形空间中的第一目标表示点集,以及第二笔画骨架在目标字体流形空间中的第二目标表示点集。
其中,从目标字体流形空间中搜索与第一笔画骨架对应的低维度的向量表示。这里,涉及的搜索算法可以包括如下过程:
1)从目标字体流形空间中搜索与第一笔画骨架匹配的第一表示点集以及第二笔画骨架匹配的第二表示点集。
其中,本申请实施例中涉及的匹配算法,是一种基于细化方向特征匹配算法,可以对第一笔画骨架的骨架图像和第二笔画骨架的骨架图像以及目标字体流形空间中待匹配的笔画骨架的骨架图像进行等分,如等分成(8x8)块,接着,统计每个块内多个像素点中每个像素点如8邻域内的4个方向点如上、下、左和右的统计直方图,合并成单个向量(8x8x4=256)维;按照欧式距离计算匹配度,距离越小,匹配度越高。由此,将匹配度高于预设阈值的点集确定为与第一笔画骨架匹配的第一表示点集和与第二笔画骨架匹配的第二表示点集。
2)在1)确定的第一表示点集和第二表示点集附近,用圆形搜索算法,以角度360度范围内、步长30度、半径0.5范围内以及步长0.1,搜索目标表示点集,即与第一笔画骨架匹配的第一目标表示点集和第二笔画骨架匹配的第二目标表示点集。如图4所示,例如根据两个不同字体类型的“爱”字,提取笔画骨架匹配的目标表示点集,并根据在第一字体和第二字体在目标字体流形空间中的低维度目标表示点集,得到对应的笔画骨架,即图4中,第一目标表示点集对应的笔画骨架和第二目标表示点集对应的笔画骨架。
步骤2302,将第一目标表示点集和第二目标表示点集进行相似融合,得到目标表示点集。
其中,将第一目标表示点集和第二目标表示点集进行特征点匹配,得到匹配值满足预设条件的至少一个目标特征点;根据至少一个目标特征点,得到目标表示点集。
这里,可仅依赖单字的目标字体流形空间表示,在附近以任意搜索算法(如步骤2301涉及的搜索算法)进行采样,得到与该单字相似的表示。或可依赖两个及以上的多字的目标字体流形空间表示,生成多字的风格字体:如对步骤 2301得到的两种字体类型的相同字的目标字体流形空间的向量表示,使用线段中间点采样算法求两个点之间的某个流形表示点,以得到至少一个目标特征点,以便根据至少一个目标特征点构建新的目标笔画骨架,下面结合步骤2303进行说明。
步骤2303,根据目标表示点集,确定目标笔画骨架。
其中,可以将目标表示点集输入至第一高斯过程潜变量模型,得到目标笔画骨架。
举例说明,通过第一高斯过程潜变量模型中的高斯过程潜变量算法反推字的笔画骨架。如图5为图4中所示的第一字和第二字对应的笔画骨架的中间均匀采样笔画骨架的骨架示意图,可以发现图5是逐渐从图4中第一字经过多次变化,过渡到图4中第二字的骨架结构的。
其中,反推字的笔画骨架的过程,即通过GPLVM算法求得。
这里,可以假设x^为步骤230中得到的目标字体流形空间中的向量,对应的高维空间向量y^可通过公式(3)计算:
y^=C(x^,X*|θ*)[C(X*,X*|θ*)]-1Y (3)
其中,Y为样本集中第一字和第二字的笔画骨架矩阵堆叠的矩阵, C(x^,X*|θ*)为x^与样本集中M个笔画骨架的笔画骨架向量对应的目标流形空间中向量的协方差向量,[C(X*,X*|θ*)]-1是样本集中M个笔画骨架的笔画骨架向量对应的协方差矩阵的逆矩阵。由此,如图5中虚线框中的过渡骨架都可以是目标笔画骨架。
然后,涉及步骤240,在一种可能的实施例中,该步骤具体可以包括:利用深度学习分割网络模型对目标笔画骨架进行渲染,得到具有目标字体类型、且与第一字和第二字为相同字的目标字。
举例说明,可以通过基于深度学习分割网络模型对目标笔画骨架进行风格渲染,最终得到带有字体风格的目标字,如图6为图5中每个“爱”对应的骨架图的风格渲染字;由于目标字体流形空间是连续的,可通过减小采样步长,生成更加连续的渐变效果,从而达到连续的动态形变即从图6的变化过程,以满足更高的应用需求。由此,通过获取用户的输入的字,通过上述信息处理方法即可输出为具有目标字体类型的目标字。
综上,通过对至少两种字体类型的相同字的笔画骨架进行融合,得到目标笔画骨架,然后对目标笔画骨架进行渲染,可以得到具有目标字体类型的目标字,增加了用户定制字体来显示文字的功能,以满足用户的个性化定制的需求。另外,上述实施例中,采用了基于流形空间的学习方法,可以得到与单字相似或多字的风格融合效果的同时,将高纬度的数据,调整为低维度,以降低计算量。此外,本申请实施例采用了两种字体类型确定目标字体类型并通过电子设备展示出来,这样,可以应用于在一些用户想要拥有自己与目标对象的手写字相似的一套字体类型的场景下,极大满足用户的个性化需求,展示了互联网时代千人千面的特性。
需要说明的是,本申请实施例提供的信息处理方法,执行主体可以为信息处理装置,或者该信息处理装置中的用于执行信息处理方法的控制模块。本申请实施例中以信息处理装置执行信息处理的方法为例,结合图7说明本申请实施例提供的信息处理装置。
图7为本申请实施例提供的一种信息处理装置的结构示意图。
如图7所示,该信息处理装置70具体可以包括:
获取模块701,用于获取初始字,初始字包括至少两种字体类型的字,至少两种字体类型的字包括第一字和第二字;
提取模块702,用于提取第一字的第一笔画骨架和第二字的第二笔画骨架;
融合模块703,用于将第一笔画骨架和第二笔画骨架进行融合,得到目标笔画骨架;
渲染模块704,用于对目标笔画骨架进行渲染,得到具有目标字体类型的目标字,第一字、第二字和目标字为相同字。
这样,可以得到具有目标字体类型的目标字,增加了用户定制字体来显示文字的功能,以满足用户的个性化定制的需求。另外,本申请实施例采用了两种字体类型确定目标字体类型并通过电子设备展示出来,这样,可以应用于在一些用户想要拥有自己与目标对象的手写字相似的一套字体类型的场景下,极大满足用户的个人情感需求和个性化的愿望,展示了互联网时代千人千面的特性
在一种可能的实施例中,本申请实施例中的融合模块703具体可以用于,利用目标字体流形空间对第一笔画骨架和第二笔画骨架进行融合,得到目标笔画骨架。
此外,上述涉及的信息处理装置70还包括确定模块705。
基于此,融合模块703具体用于,利用目标字体流行空间,得到第一笔画骨架在目标字体流形空间中的第一目标表示点集,以及第二笔画骨架在目标字体流形空间中的第二目标表示点集;将第一目标表示点集和第二目标表示点集进行相似融合,得到目标表示点集;确定模块,用于根据目标表示点集,确定目标笔画骨架。
在另一种可能的实施例中,融合模块703具体用于,将第一目标表示点集和第二目标表示点集进行特征点匹配,得到匹配值满足预设条件的至少一个目标特征点;根据至少一个目标特征点,得到目标表示点集。
需要提示的是,本申请实施例中的确定模块705具体可以用于,将目标表示点集输入至第一高斯过程潜变量模型,得到目标笔画骨架。
在又一种可能的实施例中,信息处理装置70还包括训练模块706。
其中,获取模块701还用于,获取样本集,样本集包括多种字体类型的相同字的笔画骨架;训练模块706,用于根据样本集利用第二高斯过程潜变量模型对字体流形空间进行训练,直至满足预设训练停止条件,得到目标字体流形空间,目标字体流形空间的维度低于字体流形空间的维度。
基于此,本申请实施例中的提取模块702具体用于,利用骨架细化算法和 /或骨架提取算法,提取第一字的第一笔画骨架和第二字的第二笔画骨架。
本申请实施例中的渲染模块704具体用于,利用深度学习分割网络模型对目标笔画骨架进行渲染,得到具有目标字体类型的目标字。
本申请实施例中的信息处理装置可以是装置,也可以是电子设备中的部件、集成电路、或芯片。该装置可以是移动电子设备,也可以为非移动电子设备。示例性的,移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer, UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等,非移动电子设备可以为服务器、网络附属存储器(Network Attached Storage,NAS)、个人计算机(personal computer,PC)、电视机(television,TV)、柜员机或者自助机等,本申请实施例不作具体限定。
本申请实施例中的信息处理装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统,可以为ios操作系统,还可以为其他可能的操作系统,本申请实施例不作具体限定。
本申请实施例提供的信息处理装置能够实现图1至图6的方法实施例实现的各个过程,为避免重复,这里不再赘述。
综上,通过对至少两种字体类型的相同字的笔画骨架进行融合,得到目标笔画骨架,然后对目标笔画骨架进行渲染,可以得到具有目标字体类型的目标字,增加了用户定制字体来显示文字的功能,以满足用户的个性化定制的需求。另外,上述实施例中,采用了基于流形空间的学习方法,可以得到与单字相似或多字的风格融合效果的同时,将高纬度的数据,调整为低维度,以降低计算量。
此外,本申请实施例采用了两种字体类型确定目标字体类型并通过电子设备展示出来,这样,可以应用于在一些用户想要拥有自己与目标对象的手写字相似的一套字体类型的场景下,极大满足用户的个人情感需求和个性化的愿望,展示了互联网时代千人千面的特性。
图8为本申请实施例提供的一种电子设备的硬件结构示意图。
该电子设备800包括但不限于:射频单元801、网络模块802、音频输出单元803、输入单元804、传感器805、显示单元806、用户输入单元807、接口单元808、存储器809、以及处理器810等部件。
本领域技术人员可以理解,电子设备800还可以包括给各个部件供电的电源(比如电池),电源可以通过电源管理系统与处理器810逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图8中示出的电子设备结构并不构成对电子设备的限定,电子设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置,在此不再赘述。
其中,用户输入单元807,用于获取初始字,初始字包括至少两种字体类型的字,至少两种字体类型的字包括第一字和第二字。
处理器810,用于提取第一字的第一笔画骨架和第二字的第二笔画骨架;将第一笔画骨架和第二笔画骨架进行融合,得到目标笔画骨架;对目标笔画骨架进行渲染,得到具有目标字体类型的目标字,第一字、第二字和目标字为相同字。
由此,可以得到具有目标字体类型的目标字,增加了用户定制字体来显示文字的功能,以满足用户的个性化定制的需求。另外,本申请实施例采用了两种字体类型确定目标字体类型并通过电子设备展示出来,这样,可以应用于在一些用户想要拥有自己与目标对象的手写字相似的一套字体类型的场景下,极大满足用户的个人情感需求和个性化的愿望,展示了互联网时代千人千面的特性。
本申请实施例还提供一种可读存储介质,可读存储介质上存储有程序或指令,该程序或指令被处理器执行时实现上述信息处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,处理器为上述实施例中的电子设备中的处理器。其中,可读存储介质,包括计算机可读存储介质,如计算机只读存储器(Read-Only Memory, ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。
另外,本申请实施例另提供了一种芯片,芯片包括处理器和通信接口,通信接口和处理器耦合,处理器用于运行程序或指令,实现上述信息处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (11)
1.一种信息处理方法,其特征在于,包括:
获取初始字,所述初始字包括至少两种字体类型的字,所述至少两种字体类型的字包括第一字和第二字;
提取所述第一字的第一笔画骨架和所述第二字的第二笔画骨架;
将所述第一笔画骨架和所述第二笔画骨架进行融合,得到目标笔画骨架;
对所述目标笔画骨架进行渲染,得到具有目标字体类型的目标字,所述第一字、所述第二字和目标字为相同字。
2.根据权利要求1所述的方法,其特征在于,所述将所述第一笔画骨架和所述第二笔画骨架进行融合,得到目标笔画骨架,包括:
利用目标字体流形空间对所述第一笔画骨架和所述第二笔画骨架进行融合,得到目标笔画骨架。
3.根据权利要求2所述的方法,其特征在于,所述利用目标字体流形空间对所述第一笔画骨架和所述第二笔画骨架进行融合,得到目标笔画骨架,包括:
利用所述目标字体流行空间,得到所述第一笔画骨架在所述目标字体流形空间中的第一目标表示点集,以及所述第二笔画骨架在所述目标字体流形空间中的第二目标表示点集;
将所述第一目标表示点集和所述第二目标表示点集进行相似融合,得到目标表示点集;
根据所述目标表示点集,确定所述目标笔画骨架。
4.根据权利要求3所述的方法,其特征在于,所述将所述第一目标表示点集和所述第二目标表示点集进行相似融合,得到目标表示点集,包括:
将所述第一目标表示点集和所述第二目标表示点集进行特征点匹配,得到匹配值满足预设条件的至少一个目标特征点;
根据所述至少一个目标特征点,得到所述目标表示点集。
5.根据权利要求3或4所述的方法,其特征在于,所述根据所述目标表示点集,确定所述目标笔画骨架,包括:
将所述目标表示点集输入至第一高斯过程潜变量模型,得到所述目标笔画骨架。
6.一种信息处理装置,其特征在于,包括:
获取模块,用于获取初始字,所述初始字包括至少两种字体类型的字,所述至少两种字体类型的字包括第一字和第二字;
提取模块,用于提取所述第一字的第一笔画骨架和所述第二字的第二笔画骨架;
融合模块,用于将所述第一笔画骨架和所述第二笔画骨架进行融合,得到目标笔画骨架;
渲染模块,用于对所述目标笔画骨架进行渲染,得到具有目标字体类型的目标字;其中,所述第一字、第二字和目标字为相同字。
7.根据权利要求6所述的装置,其特征在于,所述融合模块具体用于,利用目标字体流形空间对所述第一笔画骨架和所述第二笔画骨架进行融合,得到目标笔画骨架。
8.根据权利要求7所述的装置,其特征在于,所述信息处理装置还包括确定模块;其中,
所述融合模块具体用于,利用所述目标字体流行空间,得到所述第一笔画骨架在所述目标字体流形空间中的第一目标表示点集,以及所述第二笔画骨架在所述目标字体流形空间中的第二目标表示点集;
将所述第一目标表示点集和所述第二目标表示点集进行相似融合,得到目标表示点集;
所述确定模块,用于根据所述目标表示点集,确定所述目标笔画骨架。
9.根据权利要求8所述的装置,其特征在于,所述融合模块具体用于,将所述第一目标表示点集和所述第二目标表示点集进行特征点匹配,得到匹配值满足预设条件的至少一个目标特征点;
根据所述至少一个目标特征点,得到所述目标表示点集。
10.根据权利要求8或9所述的装置,其特征在于,所述确定模块具体用于,将所述目标表示点集输入至第一高斯过程潜变量模型,得到所述目标笔画骨架。
11.一种电子设备,其特征在于,包括处理器,存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1-5所述的信息处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010451519.7A CN111695323B (zh) | 2020-05-25 | 2020-05-25 | 信息处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010451519.7A CN111695323B (zh) | 2020-05-25 | 2020-05-25 | 信息处理方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111695323A true CN111695323A (zh) | 2020-09-22 |
CN111695323B CN111695323B (zh) | 2023-11-17 |
Family
ID=72478238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010451519.7A Active CN111695323B (zh) | 2020-05-25 | 2020-05-25 | 信息处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111695323B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114386370A (zh) * | 2022-01-14 | 2022-04-22 | 北京有竹居网络技术有限公司 | 一种字体生成方法、装置及设备 |
WO2023125361A1 (zh) * | 2021-12-29 | 2023-07-06 | 北京字跳网络技术有限公司 | 文字生成方法、装置、电子设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110427989A (zh) * | 2019-07-18 | 2019-11-08 | 北京大学 | 汉字骨架自动合成方法及大规模中文字库自动生成方法 |
CN110956678A (zh) * | 2019-12-16 | 2020-04-03 | 北大方正集团有限公司 | 字形的处理方法和装置 |
-
2020
- 2020-05-25 CN CN202010451519.7A patent/CN111695323B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110427989A (zh) * | 2019-07-18 | 2019-11-08 | 北京大学 | 汉字骨架自动合成方法及大规模中文字库自动生成方法 |
CN110956678A (zh) * | 2019-12-16 | 2020-04-03 | 北大方正集团有限公司 | 字形的处理方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023125361A1 (zh) * | 2021-12-29 | 2023-07-06 | 北京字跳网络技术有限公司 | 文字生成方法、装置、电子设备及存储介质 |
CN114386370A (zh) * | 2022-01-14 | 2022-04-22 | 北京有竹居网络技术有限公司 | 一种字体生成方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111695323B (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109461167B (zh) | 图像处理模型的训练方法、抠图方法、装置、介质及终端 | |
CN111209970B (zh) | 视频分类方法、装置、存储介质及服务器 | |
JP7059326B2 (ja) | 情報処理方法、装置及び記憶媒体 | |
CN110321845B (zh) | 一种从视频中提取表情包的方法、装置及电子设备 | |
CN112163577B (zh) | 游戏画面中的文字识别方法、装置、电子设备和存储介质 | |
CN109885796B (zh) | 一种基于深度学习的网络新闻配图匹配性检测方法 | |
EP4310695A1 (en) | Data processing method and apparatus, computer device, and storage medium | |
CN111241340A (zh) | 视频标签确定方法、装置、终端及存储介质 | |
CN113204659B (zh) | 多媒体资源的标签分类方法、装置、电子设备及存储介质 | |
CN111695323B (zh) | 信息处理方法、装置及电子设备 | |
CN113762309A (zh) | 对象匹配方法、装置及设备 | |
Lu et al. | Improved image classification with 4D light-field and interleaved convolutional neural network | |
CN112200844A (zh) | 生成图像的方法、装置、电子设备及介质 | |
CN112532882A (zh) | 图像显示方法和装置 | |
CN116186326A (zh) | 视频推荐方法、模型训练方法、电子设备及存储介质 | |
CN113313066A (zh) | 图像识别方法、装置、存储介质以及终端 | |
WO2024012289A1 (zh) | 视频生成方法、装置、电子设备及介质 | |
CN113689525A (zh) | 文字美化方法、装置、可读存储介质和电子设备 | |
CN115063800B (zh) | 文本识别方法和电子设备 | |
CN115309487A (zh) | 显示方法、装置、电子设备和可读存储介质 | |
CN112417095A (zh) | 语音消息处理方法和装置 | |
CN111339465A (zh) | 图片处理方法、装置、计算机设备和存储介质 | |
CN116452702B (zh) | 信息图表快速设计方法、装置、计算机设备和存储介质 | |
CN118015644B (zh) | 基于图片和文字的社交媒体关键词数据分析方法及装置 | |
CN114979742B (zh) | 视频处理方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |