一种手写输入的优化方法及装置制造方法及图纸

本发明专利技术公开了一种手写输入的优化方法，包括：通过获取手写输入的笔迹数据，首先通过粗滤波过滤由于环境或书写震动引起的错误笔迹，然后通过细滤波实现笔迹数据的进一步优化，最后通过在字库中查找符合该输入笔迹的字体获得目标字。其中细滤波是先通过各类算法优化数据，然后通过线段包围矩对笔迹线段进行吸收合并，根据书写原则删除不符的笔迹线段，最后通过将笔迹线段划分为四类标准线型进而得到输入笔迹的可识别的线型。本发明专利技术还公开了一种手写输入的优化装置。所述手写输入的优化方法及装置不仅可以快速实现用户的手写输入，而且可以将由于各种原因导致的不清晰的笔迹优化为清晰可识别的笔迹，最后通过字库匹配获得备选目标字。

Method and device for optimizing handwriting input

The invention discloses a handwriting input method, including: obtaining data by handwriting handwritten input, first through the coarse filter due to environmental vibration or writing errors caused by handwriting, and then through the fine filter to further optimize the handwriting data, finally find the font in the font for the target word handwriting input. Which is the first fine filter through all kinds of algorithm to optimize the data, and then through the line on the line for handwriting moments surrounded by the merger, according to the principle of handwriting writing does not match the deleted segment by segment, the handwriting is divided into four categories and then obtain the standard linetype handwriting recognition input line. The invention also discloses an optimized device for handwriting input. The handwriting input method and device for optimization can not only realize fast handwriting input of the user, and may be due to various reasons not clear handwriting optimization clearly identifiable handwriting, finally obtained by matching the target word font options.

【技术实现步骤摘要】
一种手写输入的优化方法及装置
本专利技术涉及手写输入的
，特别是指一种手写输入的优化方法及装置。
技术介绍
随着电脑以及触摸屏的普及，人们除了在纸张上书写文字，表达想法或完成工作外，亦可以在电脑上编写。而且通过在电脑上手写输入可将输入的信息翻译成不同的语言版本，让更多的人接收和理解。所以输入法随着电脑的普及也在不断发展，如英文输入法、拼音输入法、笔画输入法、手写输入法、语音输入法等，它们成为人们使用电脑表达想法和完成任务的不可缺少的基础工具。输入法的使用，主要分为使用手指完成录入的输入法，以及语音识别相关的语音转文字输入法。因为即使是同一种语言，由于地域不同以及方言的复杂性，导致语音输入法至今还不能完全覆盖，局限性较大。而相反通过手指完成录入的输入法，由于其易于操作的特点占据了当今输入法的主导地位。通过手指完成录入的输入法，主要分为键盘输入法和手写输入法两大类。对于所处周边环境允许且自行可以灵活控制手指的使用者而言，无论是键盘录入还是手写录入，均便捷可靠。但对于因所处环境不允许或因个人身体原因部分丧失手指控制能力的使用者，目前常用输入法无论从识别模式或是界面功能设计上，均无一能满足需求。尤其对于原发性震颤患者而言，由于患者的手部会无规律的发生抖动，一方面，抖动的手部直接带动手指无法命中期望点击的按钮，所以键盘输入法完全不适用，手写输入法将成为这类人群在电脑上表达自我意愿的唯一出口。另一方面，手部的抖动使得患者自己很难通过手写写出清晰的笔迹，这样导致该类患者在使用手写输入时也会出现较大的困难。以汉字手写输入法为例，目前中高端手写输入法主要采用模式识别，再结合前后字间的语义关系进行纠正。例如：汉王手写输入法，将一个手写汉字笔迹分为9个区域，在每一个区域内识取笔迹特征值等方式。其中模式识别是整个手写笔迹识别的核心模块，它的准确率直接关系到最终识别命中率。另外，对于身处某特定环境，禁止语音通讯，且存在无规律性颠簸的运动状态，若需要通过电子设备向外界表达几十或上百种复杂指令的情况下，通过单指手写特定符号将成为重要的语义表达方式。而特定的周遭环境，极有可能造成不规律的笔迹偏差，导致其对外表达了错误的意愿，造成严重后果。由于模式识别的特殊性，很难适应这种无规律且噪声可能较大的干扰，所以常规手写输入法的命中率同样堪忧。如上所述，模式识别是目前手写笔迹识别算法的核心部分。对常人在相对静止状态下的手写，这种以模式识别为主体的手写输入法可以很好的适应个体笔迹的微小变化。但对处于相对运动状态下或个体本身丧失部分手指控制力的情况，因其可能随时产生不规律的大幅震颤或迂回笔迹，以模式识别为主体的手写输入法的误码率是极其高的。
技术实现思路
有鉴于此，本专利技术的目的在于提出一种手写输入的优化方法及装置，能够极大地优化由于各种原因造成的笔迹的不清晰，得到清晰可识别的输入笔迹。基于上述目的本专利技术提供的手写输入的优化方法包括：通过笔迹捕获获取手写输入的笔迹坐标数据；采用快速特征点侦测法根据笔迹坐标数据获取笔划的特征点，并形成原始数据矩阵图形；使用霍夫变换对所述原始数据矩阵图形进行初级线段检测，获得优化笔迹线段，将优化笔迹线段划分为横线、竖线、左斜线、右斜线四种不同的线型；采用最小矩阵包围优化笔迹线段，形成线段包围矩，针对线型相同的优化笔迹线段，判断相邻的线段包围矩是否超出设定的合并阈值，若是，则将相邻的线段包围矩合并，形成新的线段包围矩，并根据新的线段包围矩获得新的合并线段，若否，则不处理；根据书写原则，对优化笔迹线段进行滤波处理，将不符合书写原则的优化笔迹线段删除；将滤波处理后的优化笔迹线段进行识别，获得输入字体的编码，然后从字体库中按照所述编码进行检索，获得符合输入字体编码的备选字体库。优选的，所述笔迹捕获包括：通过识别手写输入速度，逐步调整捕获频率以收集有效的笔迹坐标点数据；通过计算正常情况下，不同方向上书写笔迹的行走长度均值，获得自我调整阈值，所述自我调整阈值为书写方向与所述行走长度均值构成的向量；所述自我调整阈值包括书写区域内的宽和高。优选的，所述通过笔迹捕获获取手写输入的笔迹坐标数据的步骤还包括：进行环境震动侦测，判断是否处于震动环境；若处于震动环境，则进一步判断捕获的笔迹线段的震动值是否大于设定的震颤阈值，若是，则所述笔迹线段为噪声线段，予以删除；若否，则保留该笔迹线段；若未处于震动环境，保留所有笔迹坐标数据。优选的，所述进行环境震动侦测的步骤之前还包括：根据手写输入设备的性能，设定环境震动检测周期，每当达到所述检测周期时，则自动进行环境震动侦测。优选的，所述进行环境震动侦测的步骤之前还包括：判断识别率是否低于预设的识别阈值，若是，则启动环境震动侦测；所述识别率是指手写输入识别的准确率。优选的，所述捕获的笔迹线段的震动值的计算方法为：计算捕获的笔迹线段的起点与该起点的前一点之间的间距，所述间距即为捕获的笔迹线段的震动值。优选的，所述震颤阈值是根据书写区域内宽和高的数值进行设定的。优选的，所述使用霍夫变换对所述原始数据矩阵图形进行初级线段检测的步骤之前还包括：对原始数据矩阵图形进行二值化处理，并对处理结果取反；根据原始数据矩阵图形的特点，采用不同次数和方式的基于形态学的滤波；查找滤波处理后的数据矩阵图形的外轮廓，并检测外轮廓数量，判断检测的外轮廓数量是否低于设定的轮廓阈值，若是，则忽略计算结果，将未处理的原始数据矩阵图形作为后续处理的初始数据，若否，则将滤波后的数据矩阵图形作为新的原始数据矩阵图形。优选的，所述轮廓阈值是根据书写区域的宽和高进行设定的。优选的，所述使用霍夫变换对所述原始数据矩阵图形进行初级线段检测的步骤之前还包括：通过在所述原始数据矩阵图形中查找笔划的特征点，确定包含特征点的最小矩阵，进而去除外围无用空间，得到具有最小数据矩阵的原始数据矩阵图形。优选的，所述确定包含特征点的最小矩阵的步骤还包括：设定一个权值距离，用于使得最小矩阵内的笔迹能够在所述权值距离内继续延伸。优选的，所述使用霍夫变换对所述原始数据矩阵图形进行初级线段检测的步骤之前还包括：采用边缘检测法对所述原始数据矩阵图形进行处理，得到优化后的原始数据矩阵图形。优选的，所述使用霍夫变换对所述优化数据矩阵图形进行初级线段检测的步骤之前还包括：通过大量数据测试，根据不同笔迹特点确定不同的参数阈值，通过所述参数阈值设置霍夫变换的变换参数。优选的，所述将优化笔迹线段划分为横线、竖线、左斜线、右斜线四种不同的线型的方法为：针对不同的线型设置不同的线型斜率区间，根据所述斜率区间，将优化笔迹线段依次划分为横线、竖线、左斜线、右斜线四种不同的线型。优选的，所述采用最小矩阵包围优化笔迹线段的步骤之前还包括：对优化笔迹线段对应的数据矩阵图形进行二值化处理，并对处理结果取反；根据取反后的数据矩阵图形的特点，采用不同次数和方式的基于形态学的滤波；查找滤波处理后的数据矩阵图形的外轮廓，并检测外轮廓数量，判断所述外轮廓数量是否低于设定的轮廓阈值，若是，则忽略计算结果，将未处理的优化笔迹线段作为后续处理的初始数据；若否，则将滤波处理后的数据图形对应的优化笔迹线段作为后续处理的初始数据。优选的，所述判断相邻的线段包围矩是否超出设定的合并阈值的方法为：计算相邻的线段包围本文档来自技高网...

【技术保护点】
一种手写输入的优化方法，其特征在于，包括：通过笔迹捕获获取手写输入的笔迹坐标数据；采用快速特征点侦测法根据笔迹坐标数据获取笔划的特征点，并形成原始数据矩阵图形；使用霍夫变换对所述原始数据矩阵图形进行初级线段检测，获得优化笔迹线段，将优化笔迹线段划分为横线、竖线、左斜线、右斜线四种不同的线型；采用最小矩阵包围优化笔迹线段，形成线段包围矩，针对线型相同的优化笔迹线段，判断相邻的线段包围矩是否超出设定的合并阈值，若是，则将相邻的线段包围矩合并，形成新的线段包围矩，并根据新的线段包围矩获得新的合并线段，若否，则不处理；根据书写原则，对优化笔迹线段进行滤波处理，将不符合书写原则的优化笔迹线段删除；将滤波处理后的优化笔迹线段进行识别，获得输入字体的编码，然后从字体库中按照所述编码进行检索，获得符合输入字体编码的备选字体库。

【技术特征摘要】
2015.11.19 CN 20151080060911.一种手写输入的优化方法，其特征在于，包括：通过笔迹捕获获取手写输入的笔迹坐标数据；采用快速特征点侦测法根据笔迹坐标数据获取笔划的特征点，并形成原始数据矩阵图形；使用霍夫变换对所述原始数据矩阵图形进行初级线段检测，获得优化笔迹线段，将优化笔迹线段划分为横线、竖线、左斜线、右斜线四种不同的线型；采用最小矩阵包围优化笔迹线段，形成线段包围矩，针对线型相同的优化笔迹线段，判断相邻的线段包围矩是否超出设定的合并阈值，若是，则将相邻的线段包围矩合并，形成新的线段包围矩，并根据新的线段包围矩获得新的合并线段，若否，则不处理；根据书写原则，对优化笔迹线段进行滤波处理，将不符合书写原则的优化笔迹线段删除；将滤波处理后的优化笔迹线段进行识别，获得输入字体的编码，然后从字体库中按照所述编码进行检索，获得符合输入字体编码的备选字体库。2.根据权利要求1所述的方法，其特征在于，所述笔迹捕获包括：通过识别手写输入速度，逐步调整捕获频率以收集有效的笔迹坐标点数据；通过计算正常情况下，不同方向上书写笔迹的行走长度均值，获得自我调整阈值，所述自我调整阈值为书写方向与所述行走长度均值构成的向量；所述自我调整阈值包括书写区域内的宽和高。3.根据权利要求1所述的方法，其特征在于，所述通过笔迹捕获获取手写输入的笔迹坐标数据的步骤还包括：进行环境震动侦测，判断是否处于震动环境；若处于震动环境，则进一步判断捕获的笔迹线段的震动值是否大于设定的震颤阈值，若是，则所述笔迹线段为噪声线段，予以删除；若否，则保留该笔迹线段；若未处于震动环境，保留所有笔迹坐标数据。4.根据权利要求3所述的方法，其特征在于，所述进行环境震动侦测的步骤之前还包括：根据手写输入设备的性能，设定环境震动检测周期，每当达到所述检测周期时，则自动进行环境震动侦测。5.根据权利要求3所述的方法，其特征在于，所述进行环境震动侦测的步骤之前还包括：判断识别率是否低于预设的识别阈值，若是，则启动环境震动侦测；所述识别率是指手写输入识别的准确率。6.根据权利要求3所述的方法，其特征在于，所述捕获的笔迹线段的震动值的计算方法为：计算捕获的笔迹线段的起点与该起点的前一点之间的间距，所述间距即为捕获的笔迹线段的震动值。7.根据权利要求3所述的方法，其特征在于，所述震颤阈值是根据书写区域内宽和高的数值进行设定的。8.根据权利要求1所述的方法，其特征在于，所述使用霍夫变换对所述原始数据矩阵图形进行初级线段检测的步骤之前还包括：对原始数据矩阵图形进行二值化处理，并对处理结果取反；根据原始数据矩阵图形的特点，采用不同次数和方式的基于形态学的滤波；查找滤波处理后的数据矩阵图形的外轮廓，并检测外轮廓数量，判断检测的外轮廓数量是否低于设定的轮廓阈值，若是，则忽略计算结果，将未处理的原始数据矩阵图形作为后续处理的初始数据，若否，则将滤波后的数据矩阵图形作为新的原始数据矩阵图形。9.根据权利要求8所述的方法，其特征在于，所述轮廓阈值是根据书写区域的宽和高进行设定的。10.根据权利要求1所述的方法，其特征在于，所述使用霍夫变换对所述原始数据矩阵图形进行初级线段检测的步骤之前还包括：通过在所述原始数据矩阵图形中查找笔划的特征点，确定包含特征点的最小矩阵，进而去除外围无用空间，得到具有最小数据矩阵的原始数据矩阵图形。11.根据权利要求10所述的方法，其特征在于，所述确定包含特征点的最小矩阵的步骤还包括：设定一个权值距离，用于使得最小矩阵内的笔迹能够在所述权值距离内继续延伸。12.根据权利要求1所述的方法，其特征在于，所述使用霍夫变换对所述原始数据矩阵图形进行初级线段检测的步骤之前还包括：采用边缘检测法对所述原始数据矩阵图形进行处理，得到优化后的原始数据矩阵图形。13.根据权利要求1所述的方法，其特征在于，所述使用霍夫变换对所述优化数据矩阵图形进行初级线段检测的步骤之前还包括：通过大量数据测试，根据不同笔迹特点确定不同的参数...

【专利技术属性】
技术研发人员：李海龙，
申请(专利权)人：北京博智科创科技有限公司，
类型：发明
国别省市：北京,11