一种基于计算机的汉字笔画填充方法、系统、终端及介质技术方案

本发明专利技术公开了一种基于计算机的汉字笔画填充方法，方法包括：获取设计师设计的样字图形；对样字图形进行图像预处理；调用细化程序对预处理后的样字图形中的每一个单点像素进行处理，得到样字细化字；将预处理后的样字图形和样字细化字进行一一对应保存；将预处理后的样字图形和样字细化字作为训练样本输入卷积神经网络模型中进行模型训练，得到训练后的卷积神经网络模型；从风格汉字细化字数据库中获取所有汉字细化字；将所有汉字细化字输入训练好的卷积神经网络模型中进行风格化笔画填充，输出符合设计师风格的风格字图形。采用骨架来描述汉字的具体结构，通过机器学习大幅度提高字库设计效率，节约字库设计时间，极大简化设计师工作量。

【技术实现步骤摘要】
一种基于计算机的汉字笔画填充方法、系统、终端及介质
本专利技术涉及软件
，具体涉及一种基于计算机的汉字笔画填充方法、系统、终端及介质。
技术介绍
字库设计是一项复杂而又标准的工作，尤其是对于中文字库，由于中文汉字数量繁多，一款中文字体至少要包含上千次才能实现最基本的数量要求，像微软雅黑等专业的中文字库更是包含了上万个字，相对于拉丁字母文字，汉字本身具有的复杂性，又使得汉字的字库设计更加困难，所以一套可用的中文字库实际设计过程往往需要历时数月甚至更久。当字体设计人员在制作字型时，往往需要对每一个汉字进行设计并修正，比如单独对这个字的每一个笔画进行设计，或者对已设计好的笔画结构做适当的裁剪、变形后重新使用，然后把设计好的笔画，偏旁或部首拖动到合适的位置，如果得到的字看起来不够美观，甚至需要重新去设计笔画并重复拖动的过程。这样就会使得制作字型的整个过程变得比较麻烦，导致设计一套完整的字库需要花费大量的时间和精力，设计周期长，成本高。目前常见的解决方法往往是事先设计好汉字的常用笔画结构，并规定好笔画首位和弯折处的角度等要素，后面设计的所有字型都由这些设计好的笔画结构或笔画结构的适当形变拼接而成。采用这种方法尽管在一定程度上提高了整体设计效率和美观性，但由于整个设计过程少不了大量的人工干预，要设计出一套完整的字库仍是一件费时费力的事情，设计师的工作量并没有明显减少。另外，目前也存在基于机器学习算法来减少汉字设计工作量的尝试，比如通过人手写几十个汉字，就可以模仿这个人的风格生成一套手写字库，这种方法我们叫做风格迁移，但是这种方式在标准字库制作下会出现很多问题，比如生成的字过于模糊，甚至是难以辨认，最终结果具有随机性，不符合字库设计的标准化需求，所以完全依赖于风格迁移的字体生成方法是不适用于标准字库的。
技术实现思路
针对现有技术中的缺陷，本专利技术提供一种基于计算机的汉字笔画填充方法、系统、终端及介质，采用骨架来描述汉字的具体结构，通过机器学习大幅度提高字库设计效率，节约字库设计时间，极大简化设计师工作量。第一方面，本专利技术实施例提供的一种基于计算机的汉字笔画填充方法，包括：获取设计师设计的样字图形；对样字图形进行图像预处理，得到预处理后的样字图形；调用细化程序对预处理后的样字图形中的每一个单点像素进行处理，得到样字细化字；将预处理后的样字图形和样字细化字进行一一对应保存；将预处理后的样字图形和样字细化字作为训练样本输入卷积神经网络模型中进行模型训练，得到训练后的卷积神经网络模型；从风格汉字细化字数据库中获取所有汉字细化字，汉字细化字是符合设计师风格的细化字；将所有汉字细化字输入训练好的卷积神经网络模型中进行风格化笔画填充，输出符合设计师风格的所有汉字的风格字图形。第二方面，本专利技术实施例提供的一种基于计算机的汉字笔画填充系统，包括：获取模块、预处理模块、细化处理模块、机器学习模块，所述获取模块用于获取设计师设计的样字图形；所述预处理模块用于对样字图形进行图像预处理，得到预处理后的样字图形；所述细化处理模块用于调用细化程序对预处理后的样字图形中的每一个单点像素进行处理，得到样字细化字；所述机器学习模块用于将预处理后的样字图形和样字细化字作为训练样本输入卷积神经网络模型中进行模型训练，在输入过程通过图形界面展示预处理后的样字图形和样字细化字的对比图像，得到训练后的卷积神经网络模型；从风格汉字细化字数据库中获取所有汉字细化字，所述汉字细化字是符合设计师风格的细化字；将所有汉字细化字输入训练好的卷积神经网络模型中进行风格化笔画填充，输出符合设计师风格的所有汉字的风格字图形。第三方面，本专利技术实施例提供的一种智能终端，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述实施例描述的方法。第四方面，本专利技术实施例提供的一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述实施例描述的方法。本专利技术的有益效果：本专利技术实施例提供的一种基于计算机的汉字笔画填充方法、系统、终端及介质，采用骨架来描述汉字的具体结构，解决了传统风格迁移方法得到的生成字存在的结构重叠，笔画涂抹和字形模糊等问题，打破了现有方法只能将机器学习方法应用于手写字中的限制。字库设计师只需要设计50到100个风格字即可，由机器学习算法自动生成其它需要设计的文字，让字库设计的工作变得更加高效、简单。同时，基于机器学习，本专利技术在字库设计师设计的风格字体基础上，字体的设计会更加标准、规范、美观，字库设计质量将大幅度提高。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。图1示出了细化字和风格字的样式图；图2示出了本专利技术第一实施例所提供的一种基于计算机的汉字笔画填充方法的流程图；图3示出了第一实施例中利用卷积神经网络模型进行训练得到的训练结果图；图4示出了本专利技术第二实施例所提供的一种基于计算机的汉字笔画填充系统的结构框图；图5示出了本专利技术第三实施例所提供的一种智能终端的结构框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事本文档来自技高网...

【技术保护点】
1.一种基于计算机的汉字笔画填充方法，其特征在于，包括：/n获取设计师设计的样字图形；/n对样字图形进行图像预处理，得到预处理后的样字图形；/n调用细化程序对预处理后的样字图形中的每一个单点像素进行处理，得到样字细化字；/n将预处理后的样字图形和样字细化字进行一一对应保存；/n将预处理后的样字图形和样字细化字作为训练样本输入卷积神经网络模型中进行模型训练，在输入过程通过图形界面展示预处理后的样字图形和样字细化字的对比图像，得到训练后的卷积神经网络模型；/n从风格汉字细化字数据库中获取所有汉字细化字，所述汉字细化字是符合设计师风格的细化字；/n将所有汉字细化字输入训练好的卷积神经网络模型中进行风格化笔画填充，输出符合设计师风格的所有汉字的风格字图形。/n

【技术特征摘要】
1.一种基于计算机的汉字笔画填充方法，其特征在于，包括：
获取设计师设计的样字图形；
对样字图形进行图像预处理，得到预处理后的样字图形；
调用细化程序对预处理后的样字图形中的每一个单点像素进行处理，得到样字细化字；
将预处理后的样字图形和样字细化字进行一一对应保存；
将预处理后的样字图形和样字细化字作为训练样本输入卷积神经网络模型中进行模型训练，在输入过程通过图形界面展示预处理后的样字图形和样字细化字的对比图像，得到训练后的卷积神经网络模型；
从风格汉字细化字数据库中获取所有汉字细化字，所述汉字细化字是符合设计师风格的细化字；
将所有汉字细化字输入训练好的卷积神经网络模型中进行风格化笔画填充，输出符合设计师风格的所有汉字的风格字图形。


2.如权利要求1所述的方法，其特征在于，在所述输出符合设计师风格的所有汉字的风格字图形步骤之后还包括：对输出符合设计师风格的风格字进行是否符合预期进行判断，若不符合预期效果，则对卷积神经网络模型的参数进行调整后重新进行模型训练；若符合预期效果，则使用形态学方法对输出的风格字图形进行处理。


3.如权利要求2所述的方法，其特征在于，对输出符合设计师风格的风格字进行是否符合预期进行判断的步骤之后还包括：将符合预期效果的风格字以图片形式导出。


4.如权利要求1所述的方法，其特征在于，在将预处理后的样字图形和样字细化字作为训练样本输入卷积神经网络模型中进行模型训练的步骤之前还包括：对卷积神经网络模型进行参数设置，设置的参数包括训练回合和损失度。


5.如权利要求1所述的方法，其特征在于，所述对样字图形进行图像预处理具体包括：对样字图形依次进行灰度处理和二值化处理。


6.如权利要求1所述的方法，其特征...

【专利技术属性】
技术研发人员：伍曙光，韩金宝，陶天毅，
申请(专利权)人：成都字嗅科技有限公司，
类型：发明
国别省市：四川;51