專利名稱：基于字跡風(fēng)格模仿的計算機書法自動生成方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機藝術(shù)與美學(xué)以及人工智能領(lǐng)域，尤其涉及一種基于字跡風(fēng) 格模仿的計算機書法自動生成方法。
背景技術(shù)：
已經(jīng)有大量的工作來模擬人類的藝術(shù)思維，并進一步建立計算機智能系統(tǒng)以
解決真實世界里的問題。在中文字方面，1995年的東方語言計算機處理國際會 議(Proceedings of the International Conference on Computer Processing of Oriental Languages (ICCP0L))會議論文集(文章標題"利用字符與美觀 評價指標的中文字形生成，，("Chinese glyph generation using character composition and beauty evaluation metrics"))公布了一個使用啟發(fā)式的方 法來嘗試定量評估中文字體美感的問題他們定義了在漢字寫作里的四條規(guī)則，
并實現(xiàn)到了他們基于規(guī)則的美學(xué)評分模塊中；這一模塊簡單地對四條規(guī)則逐一 計算相應(yīng)的分數(shù)，并得到他們的加權(quán)和。2005年的電氣電子工程師研究所智能 系統(tǒng)(IEEE Intelligent Systems)雜志(文章標題"中文藝術(shù)書法的自動生 成，，("Automatic generation of artistic Chinese calligraphy"), 以下簡 稱文獻IS2005)刊登了一個中國藝術(shù)書法的自動生成系統(tǒng)。但是，他們的工作 主要關(guān)注在使用基于約束的推理來生成格式化的中文字體，而幾乎沒有關(guān)注到 這些生成結(jié)果如何具有美感。
為了獲得更好的計算機中文字體生成結(jié)果，也為了嘗試對美學(xué)做定量計算， 我們通過學(xué)習(xí)基本數(shù)值關(guān)系背后的訓(xùn)練集從而實現(xiàn)了漢字美觀度評分。許多在 工作中使用過專家系統(tǒng)的人知道，高級的專家規(guī)則并不總能正常工作；而有時 這并不一定是由于專家系統(tǒng)本身的知識盲點，或者問題根本無法總結(jié)。因此我 們覺得，我們基于學(xué)習(xí)技術(shù)的數(shù)據(jù)驅(qū)動方法可以提供一種比人類專家的大腦評 測更好的機器評價能力。在繪畫方面，計算機圖形學(xué)領(lǐng)域中同樣有一些研究自動繪畫創(chuàng)作的工作， 但這大都是在給定一幅照片的基礎(chǔ)上完成的。其他也有人探索了結(jié)合人工智能
和人機交互技術(shù)來創(chuàng)作繪畫風(fēng)格的動畫，如2006年電子計算機協(xié)會圖形學(xué)學(xué)報 (ACM Transaction on Graphics)干U登的文章("Animating Chinese paintings through stroke-based decomposition")用筆劃分解的方法來實現(xiàn)動態(tài)的繪 畫。在視覺藝術(shù)領(lǐng)域之外，計算機音樂是另一個應(yīng)用人工智能技術(shù)來進行或協(xié) 助創(chuàng)作的成功方向。在2007年的國際人工智能聯(lián)合大會(IJCAI2007)上，有一 個獨立的專題叫音樂人工智能(MUSIC-AI2007)來專門研討這一話題。值得注 意的是，對于計算機音樂的研究包括自動音樂創(chuàng)作與音樂評價，這與我們在中 文字體上的思路比較相似。此外還有其他大量的研究工作如故事創(chuàng)作，可信 執(zhí)法官，互動式故事，等等，都旨在捕捉美學(xué)的可計算性。

發(fā)明內(nèi)容
本發(fā)明的目的是克服現(xiàn)有技術(shù)的不足，提供一種基于字跡風(fēng)格模仿的計算 機書法自動生成方法。
本發(fā)明的目的是通過以下技術(shù)方案來實現(xiàn)的 一種基于字跡風(fēng)格模仿的計
算機書法自動生成方法，包括以下步驟
(1) 利用計算機圖像處理算法，將個人書法字體的各筆劃圖像參數(shù)化成矩陣；
(2) 使用5-10種常用書法字體筆劃圖像的矩陣來表示個人書法字體的各筆劃 風(fēng)格特征；
(3) 將個人書法字體中的空間布局參數(shù)化成矩陣；
(4) 使用5-10種常用書法字體的空間布局矩陣來表示個人書法字體的空間布 局特征；
(5) 根據(jù)個人書法字體與標準楷體字的筆劃風(fēng)格差異，獲得待模仿漢字的各筆 劃形態(tài)；
(6) 根據(jù)個人書法字體與標準楷體字的空間布局差異，獲得待模仿漢字的空間 布局，并生成對該漢字的模仿結(jié)果。
本發(fā)明與現(xiàn)有技術(shù)相比具有的有益效果
(1) 實現(xiàn)了高度自動化的筆跡仿寫，大大減少了其中原本繁瑣的人工操作；
(2) 從漢字的筆劃形狀與空間結(jié)構(gòu)關(guān)系上直接分析與保存，更加本質(zhì)的抓 住了書法字體的形態(tài)特征；
(3) 利用了個人書法筆跡與標準楷體字間的差異，更準確的表示了個人筆跡的風(fēng)格特征；
(4)選擇部首與筆劃的策略更加理性合理，使仿寫字跡更加接近本人的筆跡。


圖1是本發(fā)明所述系統(tǒng)的實施例流程圖2(a)是漢字樣本字體；
圖2 (b)是圖2 (a)中字體的細化結(jié)果；
圖2(c)是圖2(a)中字體的"幾何圖"；
圖3是本發(fā)明所述筆劃分解及漢字參數(shù)化的流程示例圖3(a)是漢字樣本字體；
圖3(b)是圖3(a)的"幾何圖";
圖3 (c)是圖3 (a)的對應(yīng)標準字體，即正楷字體；
圖3(d)是圖3(a)在骨架上的筆劃分解結(jié)果；
圖3 (e)是圖3 (a)的最終筆劃分解結(jié)果；
圖4是本發(fā)明所述利用用戶交互界面協(xié)助筆劃分解及漢字參數(shù)化的流程示 例圖4(a)是漢字樣本字體；
圖4(b)是圖4(a)的"幾何圖";
圖4 (c)是圖4 (a)的標準字體，即正楷字體；
圖4(d)是圖4(a)的自動分解結(jié)果，彩色筆劃表示在自動分解成功的筆劃； 圖4(e)是用戶通過交互界面在字體上勾勒的剩余筆劃草圖； 圖4(f)是根據(jù)用戶草圖得到的骨架上的筆劃匹配結(jié)果； 圖4(g)是綜合圖4(d)和圖4(f)所示結(jié)果后的筆劃骨架； 圖4(h)是圖4(a)的最終筆劃分解結(jié)果；
圖5是手寫字體數(shù)據(jù)庫中，兩個漢字字體以樹型結(jié)構(gòu)表示的示例圖； 圖6是漢字手寫筆跡模仿結(jié)果的一些示例，其中第1 3行是用作建立個人 手寫字體數(shù)據(jù)庫的個人手寫筆跡樣例，第4 6行是利用第1 3行的筆跡樣例 應(yīng)用本發(fā)明所述實施例系統(tǒng)得到的仿寫結(jié)果，第7 9行是用戶個人手寫筆跡， 用于與第4 6行的生成結(jié)果做對比。
具體實施方式
下面詳細描述本發(fā)明，本發(fā)明的目的和效果將變得更加明顯。 一種基于字跡風(fēng)格模仿的計算機書法自動生成方法，包括以下步驟
1、 利用計算機圖像處理算法，將個人書法字體的各筆劃圖像參數(shù)化成矩陣。 所述將個人書法字體的各筆劃圖像參數(shù)化成矩陣，具體包括以下步驟
(A) 、對個人書法字體的筆劃圖像做細化處理，以獲得該筆劃的骨架圖像；
(B) 、對該筆劃骨架上的各像素點，以其為圓心畫橢圓，使該橢圓盡量大而又 不包含任何原筆劃圖像上的空白部分，該筆劃的所有橢圓區(qū)域總和即為筆劃分 解所得的圖像輪廓；
(C) 、將所有橢圓的長短軸、圓心坐標列為一個矩陣，即為該筆劃的參數(shù)化矩陣。
2、 使用5-10種常用書法字體筆劃圖像的矩陣來表示個人書法字體的各筆 劃風(fēng)格特征。
所述的使用5-10種常用書法字體筆劃圖像的矩陣來表示個人書法字體的各 筆劃風(fēng)格特征，具體包括以下步驟
(D) 、對個人書法字體中的每個筆劃，在5-IO種常用書法字體中分別找到其對 應(yīng)字的對應(yīng)筆劃，設(shè)總共使用了n種常用書法字體；
(E) 、對每種常用書法字體中的該筆劃圖像，使用步驟(A) (C)，得到它們 的參數(shù)化矩陣，設(shè)其為Sl，S2，…，Sn;設(shè)在個人書法字體中，該筆劃的參數(shù)化矩 陣為S;
(F) 、設(shè)Zl， z2，…，Zn為n個取值均在(O， l)之間的實數(shù)，且Zl+Z2+*"+z =l;求 解一組Zl， z2，…，Zn的值，使得矩陣z并Si+z并S2+…z^Sn與矩陣S的差值盡量??； 此時的n維向量Z=[Zl， z2，…，zn]即為該筆劃的個人書寫風(fēng)格特征。
3、 將個人書法字體中的空間布局參數(shù)化成矩陣。
所述的將個人書法字體中的空間布局參數(shù)化成矩陣，具體包括以下步驟
(G) 、對個人書法字體C的每個筆劃作出其范圍矩形，即在二維平面上包含該 筆劃且邊框平行于x軸與y軸的面積最小矩形；
(H) 、計算每兩個筆劃的范圍矩形之間的相互空間位置，即對每兩個范圍矩形， 設(shè)它們的幾何中心坐標分別為(Xl， y》與(x2， y2)，它們的寬度和高度分別為 與(W2，h》，計算它們在水平、豎直方向上的重疊部分，設(shè)得到的兩個量分別為 fx、 fy，其計算公式為
<formula>formula see original document page 8</formula>(I) 、設(shè)該字體共有n個筆劃，則由步驟(h)得到兩個nXn的矩陣FX(C) ， Fy(C)， 其中矩陣元素分別為每對筆劃間相互空間位置量fx， Fy; Fx， Fy即該字體的空間結(jié)構(gòu)的參數(shù)化矩陣；
4、 使用5-10種常用書法字體的空間布局矩陣來表示個人書法字體的空間 布局特征。
所述的使用5-10種常用書法字體的空間布局矩陣來表示個人書法字體的空 間布局特征，具體包括以下步驟
(J)、對個人書法中的每個字體，在5-10種常用書法字體中分別找到其對應(yīng)字 體，設(shè)總共使用了 n種常用書法字體；
(K)、對每種常用書法字體中的該字體圖像，使用步驟(G) (1)，得到它們 的空間布局參數(shù)化矩陣，設(shè)其為L，T2，…，T"設(shè)該個人書法字體的空間布局參
數(shù)化矩陣為S;
(L)、設(shè)Z!，Z2，…，Zn為n個取值均在(0， l)之間的實數(shù)，且Zi+Z2+…+ Zn二l;求
解一組zb z2，…，z』勺值，使得矩陣z^L+z井T2+…z^L與矩陣T的差值盡量??；
此時的n維向量Z=[Zl， z2，…，Zn]即為該個人書法字體的空間布局特征；
5、 根據(jù)個人書法字體與標準楷體字的筆劃風(fēng)格差異，獲得待模仿漢字的各 筆劃形態(tài)。
所述的根據(jù)個人書法字體與標準楷體字的筆劃風(fēng)格差異，獲得待模仿漢字 的各筆劃形態(tài)，具體包括以下步驟
(M)、對待模仿漢字的每個筆劃R，找到該個人寫過的所有與其筆劃類型相同的 筆劃，設(shè)共有m個筆劃RbR2，…，R"
(N)、設(shè)筆劃R，RbR2，…，巳在標準楷體字中的對應(yīng)筆劃分別為R，， R/ ，R2，，…，R/ ;對R/ ，R2，，…，R/中的每個筆劃Ri，，計算其與R，之間 的相似度Sim(R' ，Ri，)，即通過平移和縮放Ri，的圖像，當R/的筆劃圖像與 R的筆劃圖像重合度最大時的重合面積；
(0)、在筆劃，R2' ，"*,Rra，中，設(shè)與R，相似度最高的5個筆劃為 R/ ，R2，，…，Rs，;設(shè)Sim(R， ，R/ )，Sim(R, ， R2，)，…，Sim(R， ，R5，)中的最 大值為Sim(R， ，Rraax');設(shè)筆劃RhR2，…，R5的個人書寫風(fēng)格特征向量分別為 Zb Z2，…，Z5;在Zb Z2，…，Zs中，隨機選擇1個作為筆劃R模仿結(jié)果的筆劃風(fēng)格特 征向量；其中Zi, Z2，…，Z5中的某個向量Zi被選中的概率為 Sim(R， ，Ri， )/Sim(R， ， Rraax，)；
(P)、根據(jù)選中的筆劃風(fēng)格特征向量Z，設(shè)Z二[^Z2，…，zJ，獲得對筆劃R模仿 結(jié)果的參數(shù)化矩陣S二z^S^z一S2+…+z^S"其中Sh S2，…，Sn為在n種常用書法字 體中該漢字的參數(shù)化矩陣。
6、 根據(jù)個人書法字體與標準楷體字的空間布局差異，獲得待模仿漢字的空間布局，并生成對該漢字的模仿結(jié)果。
所述的根據(jù)個人書法字體與標準楷體字的空間布局差異，獲得待模仿漢字 的空間布局，并生成對該漢字的模仿結(jié)果，具體包括以下步驟 (Q)、對待模仿漢字C，找到該個人寫過的所有與其筆劃數(shù)目相同的字體，設(shè)共
有m個字體d， G，…，a;
(R)、設(shè)字體c，d，C2，…，a在標準楷體字庫中的對應(yīng)字體分別為c，， d， ，c2，，…，c/ ;對d， ，c2，，…，a，中的每個字體Ci，，計算其與c，之間
的空間布局距離Dis(C' ，Ci，):
Dis(C， ,Ci， ) = |iFx(C， )-Fx((V )|| + ||Fy(C， )-Fy(Ci， )||; 其中| |A-B| i表示矩陣A與矩陣B之間的歐式矩陣范數(shù)；
(S)、在字體d' ，C2'，…，C/中，設(shè)與C'的空間布局距離最小的5個字體分 別為(V ，C2'，…，a';設(shè)字體d，C2，…，C5的空間布局特征向量分別為 Zb Z2，…，Z5;在Zb Z2，…，Zs中，隨機選擇1個作為模仿漢字c的空間布局特征向 量；其中Zi，Z2，…，Zs中的某個向量Zi被選中的概率P產(chǎn)qi/(q^q2+…+qs)，其中 qpl/(Dis(C， ，Ci)+eps)，印s為一個很小的實數(shù)用于防止分母為0;
(T)、根據(jù)步驟(L)與步驟(S)中得到的各筆劃風(fēng)格特征向量和空間布局特征 向量，生成對個人書法漢字的模仿結(jié)果。
實施例
如圖1所示，本發(fā)明所述的實施例系統(tǒng)包括個人書寫筆跡樣例10、筆劃分 解與參數(shù)化20、手寫字體數(shù)據(jù)庫建立30、筆劃與部首仿寫40、字體空間結(jié)構(gòu)模 仿50、個人筆跡仿寫結(jié)果60。
個人書寫筆跡樣例10:該部分包括多個該個人筆跡的字體圖像；在本實施 例中，所有的字體圖像都被分離成了一個個的單字，然后將它們歸一化成同一 尺寸的二值黑白圖像(長寬均為300像素點)；其示例如圖2A所示。
筆劃分解與參數(shù)化20:在本實施例中，該部分包括以下步驟
(A)從字體圖像中提取其結(jié)構(gòu)特征，其步驟詳述如下(參見圖2A、圖2B、
圖2C):
1) 對漢字圖像101做細化(Thinning)處理，以獲得該字的骨架圖像；本實 施例應(yīng)用了 ACM學(xué)報在1994年所公布的一個圖像細化算法("A noniterative thinning algorithm " 爿OZ 7ra/7幼cz^z'(msifez^ ezz;a"'cs7 6b/^附re， 20(1) :5 - 20， 1994);其示例如圖2B所示； 從骨架圖像中提取"特征點"("特征點"的定義參考IEEE學(xué)報1999年公布的~^篇文章"Identification of fork points on the skeletons of handwritten Chinese characters" 7]ra/7sac"<ms o/ 尸a"er/7力/7a7ysj's
朋c/ifach'72e 7^e"j>e/3ce (PAMI) 21 (10) : 1095-1100， 1999，以下簡稱文獻 PAMI99)，這些特征點將把整個骨架分割成若干條曲線段；
3) 對每條曲線段都用多條首尾相連的直線段來近似，具體步驟如下對每 一條未被直線段取代的曲線段AB，設(shè)A、 B分別是其兩端端點；計算以曲線段 AB上的某一點C為頂點的夾角ACB，當角ACB最大時的角度值小于一個預(yù)定值
(如135度)，則將曲線段AB.分割成AC， CB兩段；否則以直線段連接AB兩點， 取代原有的曲線段AB;該步驟不斷進行直至所有曲線段均被直線段所取代；
4) 由一系列直線段及其端點構(gòu)成的圖被稱為該字體的"幾何圖"(geometric graph);對"幾何圖"做修正和剪枝；本實施例應(yīng)用了文獻PAMI99中使用的骨 架圖修正技術(shù)；最終得到的"幾何圖"示例如圖2C所示；
(B) 在步驟(A)中所述漢字字體與其標準字體間計算出一個最佳的筆劃 匹配，從而完成筆劃分解，其步驟詳述如下(參見圖3):
1) 對步驟(A)所述字體的標準字體重復(fù)步驟(A)，得到該標準字體的"幾 何圖"；并假設(shè)標準字體的筆劃分解結(jié)果已經(jīng)預(yù)知；
2) 在步驟(A)中所述字體的"幾何圖"與其標準字體的"幾何圖"間，計 算出一個最佳的筆劃匹配結(jié)果；本實施例應(yīng)用了《模式識別》雜志于2001年公 布的一篇文章("Model-based stroke extraction and matching for handwritten Chinese character recognition". 尸s"e277 i eco卵i"oz ， 34(12) :2339 - 2352， 2001)中所述啟發(fā)式搜索的方法來計算出"幾何圖"上的 筆劃間一一對應(yīng)關(guān)系；
3) 將"幾何圖"上以多條直線段表示的各筆劃軌跡，轉(zhuǎn)化為在原字體輪廓 上的筆劃分解結(jié)果，其具體方法為對各筆劃上的各直線段上的每一點，以其 為圓心畫橢圓，使該橢圓盡量大而又不包含任何原字體圖像上的空白部分(即 在原字體的黑白圖像上，該橢圓區(qū)域內(nèi)的所有像素點均為黑色)，該筆劃的所有 橢圓區(qū)域總和即為筆劃分解所得的圖像輪廓；
(C) 對與標準字體形態(tài)相差較大的字體，對步驟(B)中無法完成匹配的部 分筆劃，使用一個交互式的用戶界面來協(xié)助筆劃分解，其步驟詳述如下(參見 圖4):
1) 用戶通過交互式的用戶界面來為字體描繪其骨架草2) 根據(jù)用戶草圖來修改由標準字體而得的"幾何圖"；本實施例將步驟(2) 中未完成匹配的部分筆劃在標準字體"幾何圖"中均由用戶草圖的對應(yīng)部分所替代；
3)重復(fù)步驟(B)，重新計算筆劃間的最佳匹配方案，從而完成筆劃分解； (D)對完成筆劃分解的字體，將其參數(shù)化，以向量的形式表達；本實施例采用 了2005年IEEE Intelligent System雜志中的一篇文獻Automatic generation of artistic Chinese calligraphy中的漢字參數(shù)化方法，每個字體都等價的用一
個矩陣在向量空間中表示。
手寫字體數(shù)據(jù)庫建立30:如圖5所示，在本實施例中對已有個人手寫體漢 字樣本，并連同幾種常用字體，建立個人手寫字體數(shù)據(jù)庫；將每個漢字按整字、 部首、筆劃組織成層次式的樹形結(jié)構(gòu)表示；樹形結(jié)構(gòu)中的每一個節(jié)點都表示了 個人書寫筆跡中的一個單字或部首或筆劃，每個單字或部首的各個子部分都是 其對應(yīng)節(jié)點的子節(jié)點；
對每一節(jié)點的單字或部首，計算出其內(nèi)部空間結(jié)構(gòu)的參數(shù)化矩陣
1) 對每個單字或部首的各個子部分部首或筆劃作出其范圍矩形，即在二 維平面上包含該字部分且邊框平行于x軸與y軸的面積最小矩形；
2) 計算每兩個子部分的范圍矩形之間的相互空間位置，即對每兩個范圍矩 形計算它們在水平、豎直方向上的重疊部分，設(shè)得到的兩個量分別為Bh、 Bv; 設(shè)該單字或部首共有n個子部分，則得到一個nXn的矩陣，其中每個矩陣元素 為一個二元組(Bh，Bv)，即該單字或部首的內(nèi)部空間結(jié)構(gòu)的參數(shù)化矩陣。
筆劃與部首仿寫40:在本實施例中，該部分包括以下步驟
1) 對待仿寫漢字，對其正楷字體做筆劃分解與參數(shù)化20，并計算出其內(nèi)部 空間結(jié)構(gòu)的參數(shù)化矩陣；
2) 通過其正楷字體，枚舉該漢字所有可能的部首級與筆劃級的子部分劃分 方案，如圖5(a)中的"行"字，其可能的子部分劃分方案包括Po， PlP2， PiP5P6， P3P4P2， P3P4P5P6共五種；
3) 對每一種子部分劃分方案，對方案中的各個子部分，在手寫字體數(shù)據(jù)庫 建立20中得到字體數(shù)據(jù)庫中査找該子部分是否存在，選出所有該子部分的筆跡 作為候選；
4) 為每個子部分的每個候選，計算其仿寫可靠度；若該候選為該個人所寫 筆跡，則該候選的仿寫可靠度為1;若該候選來自于常用字體，則仿寫可靠度為 0;
5) 為每一種子部分劃分方案，計算其仿寫可靠度；設(shè)按該方案，待仿寫漢 字由n個子部分構(gòu)成，則該方案的仿寫可靠度X二xlAl+x2A2+…+xnAn,其中 xl， x2，…，xn分別為該方案下各個子部分的子部分仿寫可靠度，Al， A2，…，An為在待仿寫漢字的標準楷體字中，各個子部分范圍矩形所占面積在整字范圍矩形 所占面積的比例；
(10)為每一種子部分劃分方案選出仿寫可靠度最高的一組方案，作為筆劃 與部首仿寫40的仿寫結(jié)果。
字體空間結(jié)構(gòu)模仿50:在本實施例中，該部分包括以下步驟
1) 預(yù)先在標準楷體字體中，將所有漢字按照結(jié)構(gòu)分類，分類包括獨體結(jié) 構(gòu)、左右結(jié)構(gòu)、上下結(jié)構(gòu)、內(nèi)外結(jié)構(gòu)、左中右結(jié)構(gòu)、上中下結(jié)構(gòu)；
2) 對待模仿漢字，在該個人己寫過的字中，查找該漢字是否被其寫過；則 將所有該人寫過的該漢字筆跡的內(nèi)部空間結(jié)構(gòu)參數(shù)矩陣作為候選；
3) 若該漢字未曾被該人寫過，則在該個人已寫過的字中，査找出所有與待 模仿漢字屬同一結(jié)構(gòu)分類的漢字；
4) 對巳找出的漢字，計算每個漢字與其對應(yīng)在各個常用字體上的字體相似 度；兩個字體間的字體相似度定義為在放縮字體使得兩個字體的范圍矩形面 積一樣時，兩個字體的字跡部分的重合面積占范圍矩形面積的比例；對每一常 用字體，取所有所求字體相似度的平均值作為該常用字體與待仿寫人字跡的總 體相似度；
5) 取總體相似度最大的常用字體，按照待模仿漢字在該常用字體中的內(nèi)部 結(jié)構(gòu)參數(shù)矩陣，將筆劃與部首仿寫40中得到的各個部首或筆劃的仿寫結(jié)果組合 成整字，作為該字的仿寫結(jié)果。
個人筆跡仿寫結(jié)果60:在本實施例中，該部分采用與個人書寫筆跡樣例10 相同的表示方式，即同一尺寸的二值黑白圖像，作為仿寫結(jié)果輸出；其示例如 圖6、圖7所示。
權(quán)利要求
1、一種基于字跡風(fēng)格模仿的計算機書法自動生成方法，其特征在于，包括以下步驟(1)利用計算機圖像處理算法，將個人書法字體的各筆劃圖像參數(shù)化成矩陣。(2)使用5-10種常用書法字體筆劃圖像的矩陣來表示個人書法字體的各筆劃風(fēng)格特征。(3)將個人書法字體中的空間布局參數(shù)化成矩陣。(4)使用5-10種常用書法字體的空間布局矩陣來表示個人書法字體的空間布局特征。(5)根據(jù)個人書法字體與標準楷體字的筆劃風(fēng)格差異，獲得待模仿漢字的各筆劃形態(tài)。(6)根據(jù)個人書法字體與標準楷體字的空間布局差異，獲得待模仿漢字的空間布局，并生成對該漢字的模仿結(jié)果。
2、 根據(jù)權(quán)利要求l所述基于字跡風(fēng)格模仿的計算機書法自動生成方法，其特征 在于，所述步驟(1)中，所述將個人書法字體的各筆劃圖像參數(shù)化成矩陣，具 體包括以下步驟(A) 、對個人書法字體的筆劃圖像做細化處理，以獲得該筆劃的骨架圖像。(B) 、對該筆劃骨架上的各像素點，以其為圓心畫橢圓，使該橢圓盡量大而又 不包含任何原筆劃圖像上的空白部分，該筆劃的所有橢圓區(qū)域總和即為筆劃分 解所得的圖像輪廓。(C) 、將所有橢圓的長短軸、圓心坐標列為一個矩陣，即為該筆劃的參數(shù)化矩陣。
3、 根據(jù)權(quán)利要求l所述基于字跡風(fēng)格模仿的計算機書法自動生成方法，其特征 在于，所述步驟(2)中，所述的使用5-10種常用書法字體筆劃圖像的矩陣來 表示個人書法字體的各筆劃風(fēng)格特征，具體包括以下步驟(D) 、對個人書法字體中的每個筆劃，在5-IO種常用書法字體中分別找到其對 應(yīng)字的對應(yīng)筆劃，設(shè)總共使用了n種常用書法字體。(E) 、對每種常用書法字體中的該筆劃圖像，使用步驟(A) (C)，得到它們 的參數(shù)化矩陣，設(shè)其為Sl，S2,…，Sn;設(shè)在個人書法字體中，該筆劃的參數(shù)化矩 陣為S。(F) 、設(shè)Zl， Z2，…，Zn為n個取值均在(O， l)之間的實數(shù)，且Z,Z2+…+Z l;求解一組Zl， z2，…，Zn的值，使得矩陣z并Si+z^S2+…z戶&與矩陣S的差值盡量??； 此時的n維向量Z=[Zl， z2，…，Zn]即為該筆劃的個人書寫風(fēng)格特征。
4、 根據(jù)權(quán)利要求l所述基于字跡風(fēng)格模仿的計算機書法自動生成方法，其特征 在于，所述步驟(3)中，所述的將個人書法字體中的空間布局參數(shù)化成矩陣，具體包括以下步驟(G) 、對個人書法字體C的每個筆劃作出其范圍矩形，即在二維平面上包含該 筆劃且邊框平行于x軸與y軸的面積最小矩形。(H) 、計算每兩個筆劃的范圍矩形之間的相互空間位置，即對每兩個范圍矩形， 設(shè)它們的幾何中心坐標分別為(Xl, y》與(x2， y2)，它們的寬度和高度分別為(Wl， h,) 與(W2，h》，計算它們在水平、豎直方向上的重疊部分，設(shè)得到的兩個量分別為 fx、 fy，其計算公式為fx = (Xi — x2) / (Wi+W2) ， fy = (yi - y2) / (hu+h》。(工)、設(shè)該字體共有n個筆劃，則由步驟(h)得到兩個nXn的矩陣Fx(C)， Fy(C)， 其中矩陣元素分別為每對筆劃間相互空間位置量fx， Fy; Fx， Fy即該字體的空間 結(jié)構(gòu)的參數(shù)化矩陣。
5、 根據(jù)權(quán)利要求l所述基于字跡風(fēng)格模仿的計算機書法自動生成方法，其特征 在于，所述步驟(4)中，所述的使用5-10種常用書法字體的空間布局矩陣來 表示個人書法字體的空間布局特征，具體包括以下步驟(J)、對個人書法中的每個字體，在5-10種常用書法字體中分別找到其對應(yīng)字 體，設(shè)總共使用了n種常用書法字體。(K)、對每種常用書法字體中的該字體圖像，使用步驟(G) (1)，得到它們 的空間布局參數(shù)化矩陣，設(shè)其為TbT2，***，Tn;設(shè)該個人書法字體的空間布局參 數(shù)化矩陣為S。(L)、設(shè)z!，Z2，…，Zn為n個取值均在(0， l)之間的實數(shù)，且Zl+Z2+*"+zn=l;求 解一組Zl， z2，…，zj勺值，使得矩陣z一L+z井T2+…z,L與矩陣T的差值盡量小； 此時的n維向量Z=[Zl， z2，…，zj即為該個人書法字體的空間布局特征。
6、 根據(jù)權(quán)利要求l所述基于字跡風(fēng)格模仿的計算機書法自動生成方法，其特征 在于，所述步驟(5)中，所述的根據(jù)個人書法字體與標準楷體字的筆劃風(fēng)格差 異，獲得待模仿漢字的各筆劃形態(tài)，具體包括以下步驟(M)、對待模仿漢字的每個筆劃R，找到該個人寫過的所有與其筆劃類型相同的 筆劃，設(shè)共有m個筆劃I^R2，…，IU (N)、設(shè)筆劃R，&，R2，…，Rm在標準楷體字中的對應(yīng)筆劃分別為R，，R/ ，R2，，…，R/ ;對R/ ，R2，,…，R/中的每個筆劃Ri，，計算其與R'之間 的相似度Sim(R' ，R/ )，即通過平移和縮放IV的圖像，當R/的筆劃圖像與 R的筆劃圖像重合度最大時的重合面積。(0)、在筆劃R/ ，R2'，…，R/中，設(shè)與R'相似度最高的5個筆劃為 R/ ，R2，，…，Rs，；設(shè)Sim(R， ，R/ )，Sim(R， ， R2，)，…，Sim(R， ， R5，)中的最 大值為Sim(R' ，Rraax，)；設(shè)筆劃^R2，…，Rs的個人書寫風(fēng)格特征向量分別為 ZbZ2，…，Zs;在Zi，Z2，…，Zs中，隨機選擇1個作為筆劃R模仿結(jié)果的筆劃風(fēng)格特 征向量；其中Zb Z2，…，Zs中的某個向量Zi被選中的概率為 Sim(R， ，Ri， )/Sim(R， ， Rmax，)。(P)、根據(jù)選中的筆劃風(fēng)格特征向量Z，設(shè)Z二[^Z2，…，Zn]，獲得對筆劃R模仿 結(jié)果的參數(shù)化矩陣S^^Si+Z2然2+…+z^S"其中Sb S2，…，&為在n種常用書法字 體中該漢字的參數(shù)化矩陣。
7、根據(jù)權(quán)利要求l所述基于字跡風(fēng)格模仿的計算機書法自動生成方法，其特征 在于，所述步驟(6)中，所述的根據(jù)個人書法字體與標準楷體字的空間布局差 異，獲得待模仿漢字的空間布局，并生成對該漢字的模仿結(jié)果，具體包括以下步驟(Q)、對待模仿漢字C，找到該個人寫過的所有與其筆劃數(shù)目相同的字體，設(shè)共 有m個字體d，C2，…，a。(R)、設(shè)字體c，d，C2，…，a在標準楷體字庫中的對應(yīng)字體分別為c'， d， ,c2，，…，a，;對d， ，c2，，…，a，中的每個字體Ci，，計算其與c'之間的空間布局距離Dis(C' ,Ci，)Dis(C， ，Ci， ) = llFx(C， )-Fx(Ci， )M + llFy(C， )-Fy((V )||; 其中l(wèi) |A-B| l表示矩陣A與矩陣B之間的歐式矩陣范數(shù)。(S)、在字體d， ，CV ， ，"'中，設(shè)與C'的空間布局距離最小的5個字體分 別為C/ ，C2' ，*"，C5，；設(shè)字體d，C2，…，C5的空間布局特征向量分別為 Zb Z2，…，Z5;在Zb Z2，…，Zs中，隨機選擇1個作為模仿漢字C的空間布局特征向 量；其中ZJ2，…，Zs中的某個向量Zi被選中的概率Pfqi/(q刈2+…+q5)，其中 qi二l/(Dis(C， ，C》+印s)，印s為一個很小的實數(shù)用于防止分母為O。(T)、根據(jù)步驟(L)與步驟(S)中得到的各筆劃風(fēng)格特征向量和空間布局特征 向量，生成對個人書法漢字的模仿結(jié)果。
全文摘要
本發(fā)明公開了一種基于字跡風(fēng)格模仿的計算機書法自動生成方法。通過對個人書法字風(fēng)格的模仿，實現(xiàn)了由計算機自動生成具有個人書法字跡風(fēng)格的自動生成。相比以往直接通過字體模板拆分重組或者人工參與的筆跡模仿方法，本發(fā)明利用了個人書法筆跡與標準楷體字間的差異，更準確的表示了個人筆跡的風(fēng)格特征，從而得到更好的模仿個人書法筆跡。
文檔編號G06T11/00GK101599180SQ20091009650
公開日2009年12月9日 申請日期2009年3月5日 優(yōu)先權(quán)日2009年3月5日
發(fā)明者劉智滿, 徐頌華, 浩 江, 潘云鶴, 濤 金 申請人:浙江大學(xué)