專利名稱：基于最優(yōu)全局仿射變換的漢字合成實(shí)現(xiàn)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于信息技術(shù)的漢字合成領(lǐng)域，特別是涉及一種基于最優(yōu)全局仿射變換的漢字合成實(shí)現(xiàn)方法。

背景技術(shù)：
漢字在信息時(shí)代暴露出了存儲(chǔ)量大的弱點(diǎn)，這些弱點(diǎn)給漢字字庫在各種電子產(chǎn)品中的使用增加了困難。采用分級(jí)漢字字庫減小漢字圖像存儲(chǔ)量是一個(gè)可行的解決途徑。但在漢字圖像存儲(chǔ)中，每個(gè)漢字都由幾個(gè)部件構(gòu)成，這些部件包括基本筆畫、偏旁部首以及字元，基本筆畫如一丨丿丶乚等，偏旁部首如艸钅亻犭纟等，字元如羽鬼倉田免等，許多的部件在不同的字中經(jīng)常重復(fù)出現(xiàn)，所以在基本漢字部件庫中只存儲(chǔ)常用的部件，而每個(gè)漢字都通過這些部件來生成，從而達(dá)到減少存儲(chǔ)量的目的。但是同一個(gè)部件在不同漢字中呈現(xiàn)不同的形態(tài)，如“攵”在“敖、悠”中，“木”在“林”，“樹”，“枝”，“果”中，如何設(shè)計(jì)分級(jí)漢字字庫及如何變換字庫中的部件令其產(chǎn)生這些不同的形態(tài)至關(guān)重要。
現(xiàn)有技術(shù)包括將一個(gè)漢字分割成幾塊，再根據(jù)塊間的比例將部件拼接起來；也包括根據(jù)漢字部件之間的結(jié)構(gòu)將各種部件拼接起來，調(diào)整部件的比例結(jié)構(gòu)從而達(dá)到較好的效果。這些方法都使用了部件的概念，但生成漢字時(shí)使用拼接的方法會(huì)使生成的漢字比較呆板。
在用部件生成漢字的時(shí)候，不僅需要將部件平移、縮放，還要形變，因此現(xiàn)有技術(shù)中還出現(xiàn)使用手動(dòng)選點(diǎn)的仿射變換方法來構(gòu)建基本漢字部件庫，即在漢字和部件上手動(dòng)地取對(duì)應(yīng)的三點(diǎn)從而求出所需要的仿射變換參數(shù)。但是僅“楷體GB_2312”國標(biāo)一級(jí)字庫中就有3755個(gè)漢字，再加上字庫中的五百多個(gè)部件，如果手動(dòng)地選點(diǎn)，不僅人工工作量巨大，而且主觀因素影響大，準(zhǔn)確率不高，耗時(shí)耗力。


發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，使用最優(yōu)全局仿射變換方法來構(gòu)建基本漢字部件庫，能夠自動(dòng)地匹配字庫中的部件與漢字中對(duì)應(yīng)部件的幾何形狀與位置并計(jì)算出仿射變換參數(shù)，在保證模擬結(jié)果的基礎(chǔ)上既提高了效率，也提高了計(jì)算仿射變換參數(shù)的速度。
為了實(shí)現(xiàn)上述發(fā)明目的，采用的技術(shù)方案如下 設(shè)計(jì)并采用基本漢字部件庫來存儲(chǔ)組成漢字的部件圖像，并利用全局仿射變換得到的仿射變換參數(shù)來變換基本漢字部件庫中的部件，再將變換后的部件組成漢字?；緷h字部件庫由如下55個(gè)基本漢字部件圖像組成

用S表示基本漢字部件庫中的部件，即源圖像，R表示標(biāo)準(zhǔn)漢字圖像相應(yīng)的部件，即目標(biāo)圖像 S＝{s1，s2，...，si，...，sm} R＝{r1，r2，...，rj，...，rn) (1) si是S的第i個(gè)黑象素點(diǎn)，rj是R的第j個(gè)黑象素點(diǎn)，點(diǎn)的排列順序可以是任意的。則si經(jīng)過全局仿射變換后對(duì)應(yīng)的點(diǎn)si*為 A，b為仿射變換參數(shù)，A為二維矩陣，b為二維列向量，則S經(jīng)全局仿射變換變換之后的得到的合成漢字圖像為 使S*和R的最近鄰點(diǎn)距離的加權(quán)均值DNN最小化來求解仿射變換參數(shù)A和b，數(shù)學(xué)表示如式(2)所示 →Min for A，b 其中， 求解式(2)只需Φ對(duì)A和b同時(shí)求微分，得式(3)式(4)所示的方程組 并將公式(3)兩邊同時(shí)求轉(zhuǎn)置得到公式(5) 則由公式(4)和(5)組成公式(6)所示的方程組 解方程組(6)即得仿射變換參數(shù)A，b如公式(7) 其中，公式(7)中的各參數(shù)如下所示 上述述仿射變換參數(shù)的計(jì)算過程還包括最優(yōu)的仿射變換參數(shù)計(jì)算，最優(yōu)的仿射變換參數(shù)計(jì)算采用迭代的過程來得出最優(yōu)的A和b，迭代過程采用S*代替公式(2)中的源圖像S，當(dāng)S*與基本漢字部件庫中的目標(biāo)圖像R的距離不再減小時(shí)結(jié)束。最優(yōu)的仿射變換參數(shù)AGAT和bGAT的具體迭代計(jì)算過程如下 假設(shè)第i次迭代過程中得到的仿射變換參數(shù)為Ai和bi，第i次迭代后總的仿射變換參數(shù)為AiGAT和biGAT，則第n次迭代后的圖像Sn*如下 同時(shí)， 由公式(8)和(9)可得第n次迭代后總的仿射變換參數(shù)為 當(dāng)n＝1時(shí) 為了得到較好的變換效果，計(jì)算仿射變換參數(shù)之前先對(duì)基本漢字部件庫中的部件源圖像以及目標(biāo)圖像進(jìn)行預(yù)處理，所述預(yù)處理包括對(duì)齊兩幅圖像的重心、提取輪廓、骨架或者特征點(diǎn)，所述特征點(diǎn)包括輪廓上的拐點(diǎn)及端點(diǎn)。仿射變換僅僅在特征點(diǎn)上進(jìn)行，這樣有效的降低了計(jì)算復(fù)雜度。使用重心對(duì)齊方法可以改善模擬質(zhì)量。本發(fā)明使用以圖像結(jié)構(gòu)作為評(píng)判中心的結(jié)構(gòu)相似度評(píng)判方法來對(duì)組成合成漢字的各部件的結(jié)構(gòu)關(guān)系是否合理，以及合成漢字是否美觀進(jìn)行判斷。結(jié)構(gòu)相似度評(píng)判方法具體實(shí)現(xiàn)如下 分別用X＝{xi|i＝1，2，...，N}和Y＝{yi|i＝1，2，...，N}表示源圖像和測試圖像，則相似度Q的定義如公式(11)所示 其中，Q的取值范圍為[-1，1]，取值越大代表兩個(gè)圖像的結(jié)構(gòu)相似度越高。
對(duì)于同一幅圖像，不同區(qū)域的圖像質(zhì)量是有差異的，因此使用了滑動(dòng)窗，如果滑動(dòng)窗的數(shù)目是M，每個(gè)窗內(nèi)的結(jié)構(gòu)相似度為Qj，則整幅圖像最終的結(jié)構(gòu)相似度為 本發(fā)明基于最優(yōu)全局仿射變換方法構(gòu)建的基本漢字部件庫與真實(shí)漢字的變換關(guān)系，利于數(shù)量有限的基本部件庫及仿射變換參數(shù)自動(dòng)生成漢字，大大減少了字庫的存儲(chǔ)量，有著廣泛的應(yīng)用價(jià)值，如應(yīng)用于掌上電腦、手機(jī)、嵌入式系統(tǒng)或單片機(jī)中，可以大大減少存儲(chǔ)量需要的成本。



圖1為本發(fā)明以實(shí)施例的流程圖； 圖2為計(jì)算相似度的流程圖。

具體實(shí)施例方式 本發(fā)明并采用基本漢字部件庫來存儲(chǔ)組成漢字的部件圖像，并利用全局仿射變換得到的仿射變換參數(shù)來變換基本漢字部件庫中的部件，再將變換后的部件組成漢字。基本漢字部件庫由如下55個(gè)基本漢字部件圖像組成
用S表示基本漢字部件庫中的部件，即源圖像，R表示標(biāo)準(zhǔn)漢字圖像相應(yīng)的部件，即目標(biāo)圖像 S＝{s1，s2，...，si，...，sm} R＝{r1，r2，...，rj，...，rn} (1) si是S的第i個(gè)黑象素點(diǎn)，rj是R的第j個(gè)黑象素點(diǎn)，點(diǎn)的排列順序可以是任意的。則si經(jīng)過全局仿射變換后對(duì)應(yīng)的點(diǎn)Si*為 A，b為仿射變換參數(shù)，A為二維矩陣，b為二維列向量，則S經(jīng)全局仿射變換變換之后的得到的合成漢字圖像為 使S*和R的最近鄰點(diǎn)距離的加權(quán)均值DNN最小化來求解仿射變換參數(shù)A和b，數(shù)學(xué)表示如式(2)所示 →Min forA，b 其中， 求解式(2)只需Φ對(duì)A和b同時(shí)求微分，得式(3)式(4)所示的方程組 并將公式(3)兩邊同時(shí)求轉(zhuǎn)置得到公式(5) 則由公式(4)和(5)組成公式(6)所示的方程組 解方程組(6)即得仿射變換參數(shù)A，b如公式(7) 其中，公式(7)中的各參數(shù)如下所示 上述述仿射變換參數(shù)的計(jì)算過程還包括最優(yōu)的仿射變換參數(shù)計(jì)算，最優(yōu)的仿射變換參數(shù)計(jì)算采用迭代的過程來得出最優(yōu)的A和b，迭代過程采用S*代替公式(2)中的源圖像S，當(dāng)S*與基本漢字部件庫中的目標(biāo)圖像R的距離不再減小時(shí)結(jié)束。最優(yōu)的仿射變換參數(shù)AGAT和bGAT的具體迭代計(jì)算過程如下 假設(shè)第i次迭代過程中得到的仿射變換參數(shù)為Ai和bi，第i次迭代后總的仿射變換參數(shù)為AiGAT和biGAT，則第n次迭代后的圖像Sn*如下 同時(shí)， 由公式(8)和(9)可得第n次迭代后總的仿射變換參數(shù)為 當(dāng)n＝1時(shí) 本發(fā)明在計(jì)算仿射變換參數(shù)之前先對(duì)基本漢字部件庫中的部件源圖像以及目標(biāo)圖像進(jìn)行預(yù)處理，所述預(yù)處理包括提取輪廓、骨架或者特征點(diǎn)，所述特征點(diǎn)包括輪廓上的拐點(diǎn)及端點(diǎn)。由于GAT變換需要遍歷漢字圖像上的每個(gè)點(diǎn)，實(shí)施例中在計(jì)算仿射變換參數(shù)之前先對(duì)源圖像以及目標(biāo)圖像進(jìn)行預(yù)處理提取輪廓、骨架或者特征點(diǎn)(輪廓上的拐點(diǎn)及端點(diǎn))，這些預(yù)處理并未改變漢字和部件的基本形狀，因此對(duì)仿射變換參數(shù)影響不大，但卻提高了計(jì)算參數(shù)的速度，此方法稱之為SGAT。
采用SGAT合成漢字的結(jié)果往往并不理想，特別是SGAT對(duì)單筆畫基本上沒有模擬能力，因此有必要對(duì)SGAT做一些改進(jìn)。本實(shí)施例在SGAT迭代過程中，對(duì)源圖像以及目標(biāo)圖像增加一個(gè)處理對(duì)齊兩幅圖像的重心。即預(yù)處理包括提取輪廓、骨架或者特征點(diǎn)、對(duì)齊兩幅圖像的重心，所述特征點(diǎn)包括輪廓上的拐點(diǎn)及端點(diǎn)。本實(shí)施例將包括有對(duì)齊兩幅圖像的重心的方法稱之為IGAT，通過IGAT對(duì)齊圖像的重心之后，提高了漢字與部件最近鄰點(diǎn)的正確匹配率，因此能夠得到更好的仿射變換參數(shù)，但是對(duì)于漢字本身就是部件的漢字來說，由于重心計(jì)算誤差，對(duì)齊重心的操作有時(shí)反而會(huì)使合成漢字與標(biāo)準(zhǔn)漢字出現(xiàn)位移上的偏差。因此為了每個(gè)漢字取得最優(yōu)的仿射變換參數(shù)，在每次迭代過程中，都在SGAT(不對(duì)齊圖像重心)和IGAT(對(duì)齊圖像重心)所得到的參數(shù)中選擇最優(yōu)的參數(shù)，本文將該方法稱之為NGAT，如附圖2所示，將原圖像及目標(biāo)圖像進(jìn)行提取輪廓、骨架或者特征點(diǎn)的預(yù)處理后，分別通過SGAT和IGAT計(jì)算仿射變換參數(shù)，然后根據(jù)不同的漢字在迭代過程中選擇最優(yōu)的參數(shù)。
本實(shí)施例還使用結(jié)構(gòu)相似度評(píng)判方法來對(duì)組成合成漢字的各部件的結(jié)構(gòu)關(guān)系是否合理，以及合成漢字是否美觀進(jìn)行判斷，結(jié)構(gòu)相似度評(píng)判方法以圖像結(jié)構(gòu)做為評(píng)判中心的。
所述結(jié)構(gòu)相似度評(píng)判方法具體實(shí)現(xiàn)如下 分別用X＝{xi|i＝1，2，...，N}和Y＝{yi|i＝1，2，...，N}表示源圖像和測試圖像，則相似度Q的定義如公式(11)所示 其中，Q的取值范圍為[-1，1]，當(dāng)yi＝xi(i＝1，2，....N)時(shí)，Q＝1；當(dāng)時(shí)，Q＝-1； 為了更加清楚的理解Q的含義，對(duì)Q進(jìn)行了簡單的改寫 Q的第一項(xiàng)表示X和Y之間的線性關(guān)系，當(dāng)yi＝axi+b(i＝1，2，....N，a，b為常數(shù)且a＞0)時(shí)，該項(xiàng)為1；第二項(xiàng)表示X和Y的亮度關(guān)系，當(dāng)時(shí)，此項(xiàng)等于1；第三項(xiàng)表示X和Y之間的相似度，當(dāng)σx＝σy時(shí)，該項(xiàng)等于1； 對(duì)于同一幅圖像，不同區(qū)域的圖像質(zhì)量是有差異的，因此使用了滑動(dòng)窗，如果滑動(dòng)窗的數(shù)目是M，每個(gè)窗內(nèi)的結(jié)構(gòu)相似度為Qj，則整幅圖像最終的結(jié)構(gòu)相似度為 Q的定義式(12)中含有分母，對(duì)于二值化的漢字當(dāng)使用滑動(dòng)窗的時(shí)候，Q的分母很可能為0，因此本發(fā)明針對(duì)Q的計(jì)算問題進(jìn)行了推導(dǎo) (1)只要不用“0”表示圖像的特征，即可保證式(11)中 (2)當(dāng)時(shí)，σx＝σy＝0，則式(12)中的第三項(xiàng)等于1。根據(jù)σx2和σy2的定義可得此時(shí)如果則xi＝y(tǒng)i，所以Q＝1；如果令a＝1，則yi＝axi+b，因此式(12)的第一項(xiàng)為1，所以此時(shí)Q等于式(12)中的第二項(xiàng)，其流程圖如附圖2所示。
本實(shí)施例比較了各種仿射變換方法和預(yù)處理計(jì)算仿射變換參數(shù)所需要的時(shí)間，如表1所示 表1.(單位ms)各種仿射變換和預(yù)處理計(jì)算參數(shù)所用時(shí)間(SPH手動(dòng)選點(diǎn)，C輪廓，S骨架，F(xiàn)特征點(diǎn)) 從表1中可以看出 (1)對(duì)于三種不同的預(yù)處理(輪廓、骨架和特征點(diǎn))，無論是SGAT還是NGAT，特征點(diǎn)都具有明顯的優(yōu)勢。這是因?yàn)樘卣鼽c(diǎn)數(shù)遠(yuǎn)遠(yuǎn)少于輪廓和骨架的點(diǎn)數(shù)，大大降低了計(jì)算復(fù)雜度，提高了計(jì)算速度。
(2)當(dāng)采用特征點(diǎn)時(shí)，SGAT和NGAT所用時(shí)間都遠(yuǎn)遠(yuǎn)少于手動(dòng)選點(diǎn)的時(shí)間，甚至相差數(shù)十倍之多。
(3)當(dāng)采用特征點(diǎn)時(shí)，NGAT具有和SGAT相當(dāng)?shù)臅r(shí)間性能。但是NGAT的模擬效果是SGAT無法比擬的。
本實(shí)施例在計(jì)算合成漢字和標(biāo)準(zhǔn)漢字的結(jié)構(gòu)相似度時(shí)采用4*4的滑動(dòng)窗，先對(duì)手動(dòng)選點(diǎn)方法的國標(biāo)一級(jí)字庫的3755個(gè)“楷體GB_2312”的合成漢字進(jìn)行評(píng)判，并把漢字按模擬效果從好到壞進(jìn)行排序，為了說明NGAT的有效性，本文從前面模擬效果較好的1900個(gè)字中以50個(gè)漢字為間隔共取38個(gè)漢字，后面模擬效果較差的以25個(gè)為間隔共取74個(gè)漢字，最后5個(gè)最差的全選，最終得到117個(gè)漢字作為實(shí)驗(yàn)樣本，這些樣本的各種方法的平均結(jié)構(gòu)相似度如表2所示表2各種方法的平均結(jié)構(gòu)相似度 從表2可看出當(dāng)采用特征點(diǎn)時(shí)，NGAT的平均結(jié)構(gòu)相似度基本等于手動(dòng)選點(diǎn)的，但是NGAT自動(dòng)的點(diǎn)匹配以及高計(jì)算速度是手動(dòng)選點(diǎn)方法無法企及的。
本發(fā)明利用GAT得到的仿射變換參數(shù)變換分級(jí)字庫中的部件，并將部件組成漢字，并使用以圖像結(jié)構(gòu)做為評(píng)判中心的結(jié)構(gòu)相似度評(píng)判方法，而不是簡單的象素點(diǎn)的比對(duì)，這更加適應(yīng)于評(píng)判由分級(jí)字庫組成的合成漢字。本發(fā)明利用55種基本部件圖像及相應(yīng)的仿射變換，可以合成任意漢字，實(shí)際應(yīng)用時(shí)只需要存儲(chǔ)55種基本部件圖像及仿射變換參數(shù)，而不需要對(duì)每個(gè)漢字的圖像進(jìn)行存儲(chǔ)，使得漢字存儲(chǔ)量大大減少。
權(quán)利要求
1.一種基于最優(yōu)全局仿射變換的漢字合成實(shí)現(xiàn)方法，其特征在于采用基本漢字部件庫來存儲(chǔ)組成漢字的部件圖像，并利用全局仿射變換得到的仿射變換參數(shù)來變換基本漢字部件庫中的部件，再將變換后的部件組成漢字。
2.根據(jù)權(quán)利要求1所述的基于最優(yōu)全局仿射變換的漢字合成實(shí)現(xiàn)方法，其特征在于所述全局仿射變換過程如下
用S表示基本漢字部件庫中的部件，即源圖像，R表示標(biāo)準(zhǔn)漢字圖像相應(yīng)的部件，即目標(biāo)圖像
S＝{s1，s2，...，si，...，sm}
R＝{r1，r2，...，rj，...，rn}
令si是S的第i個(gè)黑象素點(diǎn)，rj是R的第j個(gè)黑象素點(diǎn)，則si經(jīng)過全局仿射變換后對(duì)應(yīng)的點(diǎn)si*為
A，b為仿射變換參數(shù)，A為二維矩陣，b為二維列向量，則S經(jīng)全局仿射變換變換之后的得到的合成漢字圖像為
3.根據(jù)權(quán)利要求1所述的基于最優(yōu)全局仿射變換的漢字合成實(shí)現(xiàn)方法，其特征在于所述基本漢字部件庫包括如下55個(gè)基本漢字部件
4.根據(jù)權(quán)利要求2所述的基于最優(yōu)全局仿射變換的漢字合成實(shí)現(xiàn)方法，其特征在于所述全局仿射變換的參數(shù)計(jì)算過程如下
使S*和R的最近鄰點(diǎn)距離的加權(quán)均值DNN最小化來求解仿射變換參數(shù)A和b，數(shù)學(xué)表示如式(2)所示
其中，
求解式(2)只需Φ對(duì)A和b同時(shí)求微分，得式(3)式(4)所示的方程組
并將公式(3)兩邊同時(shí)求轉(zhuǎn)置得到公式(5)
則由公式(4)和(5)組成公式(6)所示的方程組
解方程組(6)即得仿射變換參數(shù)A，b如公式(7)
其中，公式(7)中的各參數(shù)如下所示
5.根據(jù)權(quán)利要求2所述的基于最優(yōu)全局仿射變換的漢字合成實(shí)現(xiàn)方法，其特征在于所述仿射變換參數(shù)的計(jì)算過程還包括最優(yōu)的仿射變換參數(shù)計(jì)算，所述最優(yōu)的仿射變換參數(shù)計(jì)算采用迭代的過程來得出最優(yōu)的A和b，迭代過程采用S*代替公式(2)中的源圖像S，當(dāng)S*與基本漢字部件庫中的目標(biāo)圖像R的距離不再減小時(shí)結(jié)束。
6.根據(jù)權(quán)利要求5所述的基于最優(yōu)全局仿射變換的漢字合成實(shí)現(xiàn)方法，其特征在于所述最優(yōu)的仿射變換參數(shù)AGAT和bGAT的具體迭代計(jì)算過程如下
假設(shè)第i次迭代過程中得到的仿射變換參數(shù)為Ai和bi，第i次迭代后總的仿射變換參數(shù)為AiGAT和biGAT，則第n次迭代后的圖像Sn*如下
同時(shí)，
由公式(8)和(9)可得第n次迭代后總的仿射變換參數(shù)為
(n＝2，3，4，...)(10)，
當(dāng)n＝1時(shí)
7.根據(jù)權(quán)利要求6所述的基于最優(yōu)全局仿射變換的漢字合成實(shí)現(xiàn)方法，其特征在于在計(jì)算仿射變換參數(shù)之前先對(duì)基本漢字部件庫中的部件源圖像以及目標(biāo)圖像進(jìn)行預(yù)處理，所述預(yù)處理包括提取輪廓、骨架或者特征點(diǎn)，所述特征點(diǎn)包括輪廓上的拐點(diǎn)及端點(diǎn)。
8.根據(jù)權(quán)利要求6所述的基于最優(yōu)全局仿射變換的漢字合成實(shí)現(xiàn)方法，其特征在于在計(jì)算仿射變換參數(shù)的迭代過程中對(duì)基本漢字部件庫中的部件源圖像以及目標(biāo)圖像進(jìn)行預(yù)處理，所述預(yù)處理是指對(duì)齊兩幅圖像的重心。
9.根據(jù)權(quán)利要求7或8所述的基于最優(yōu)全局仿射變換的漢字合成實(shí)現(xiàn)方法，其特征在于還包括使用以圖像結(jié)構(gòu)為評(píng)判中心的結(jié)構(gòu)相似度評(píng)判方法來對(duì)組成合成漢字的各部件的結(jié)構(gòu)關(guān)系是否合理，以及合成漢字是否美觀進(jìn)行判斷。
10.根據(jù)權(quán)利要求9所述的基于最優(yōu)全局仿射變換的漢字合成實(shí)現(xiàn)方法，其特征在于所述結(jié)構(gòu)相似度評(píng)判方法具體實(shí)現(xiàn)如下
分別用X＝{xi|i＝1，2，...，N}和Y＝{yi|i＝1，2，...，N}表示源漢字圖像和目標(biāo)圖像，則相似度Q的定義如公式(11)所示
(11)，
其中，Q的取值范圍為[-1，1]；
又使用了滑動(dòng)窗表示同一幅圖像不同區(qū)域的圖像質(zhì)量的差異，如果滑動(dòng)窗的數(shù)目是M，每個(gè)窗內(nèi)的結(jié)構(gòu)相似度為Qj，則整幅圖像最終的結(jié)構(gòu)相似度為
全文摘要
本發(fā)明提供一種基于最優(yōu)全局仿射變換的漢字合成實(shí)現(xiàn)方法，采用基本漢字部件庫來存儲(chǔ)組成漢字的部件圖像，并利用全局仿射變換得到的仿射變換參數(shù)來變換基本漢字部件庫中的部件，再將變換后的部件組成漢字。本發(fā)明設(shè)計(jì)了55種基本漢字部件圖像，給出了全局仿射變換參數(shù)的計(jì)算方法，并使用以結(jié)構(gòu)相似度評(píng)判方法來對(duì)合成漢字圖像結(jié)構(gòu)質(zhì)量進(jìn)行評(píng)判。本發(fā)明利用55種基本部件圖像及相應(yīng)的仿射變換，可以合成任意漢字，使得漢字存儲(chǔ)量大大減少。
文檔編號(hào)G06F17/28GK101105858SQ200710029079
公開日2008年1月16日 申請(qǐng)日期2007年7月9日 優(yōu)先權(quán)日2007年7月9日
發(fā)明者金連文, 俎小娜 申請(qǐng)人:華南理工大學(xué)