第六章

漢字字形和字形庫管理技術延邊大學計算機科學與技術系內容漢字字形概述字形描述技術字形的壓縮和還原字形的放大和縮小TTF字形技術字庫的設計和管理技術漢字字庫的應用1漢字字形概述漢字字形及其特點字形、字型和字形庫字形描述技術及其種類1.1漢字字形及其特點漢字字形指的是漢字形體結構的圖像。漢字字形的特點：漢字的字形呈方塊形漢字從字形上可以分成各種結構漢字字形的分解方法和分解標準尚未統一，常用的字形分解方法一般從單字、字根、筆畫（或筆形）和形素這四個層次入手。1.2字形、字型和字形庫（續）字型：某一個字體的實例。西文的印刷字型有：serifsansserifscript中文使用的主要字型有：宋體仿宋體楷體黑體1.2字形、字型和字形庫（續）西文字型中文字型SerifSong（宋體）SansserifHei（黑體）ScriptKai（楷體）OtherFangsong（仿宋體）西文字型和中文字型的對應關系1.3字形描述技術及其種類字形描述技術是以數字代碼描述字的形狀，在輸出版面的時候，由計算機將代碼還原，恢復字原來的形狀，由輸出設備輸出。字形描述技術也被稱為字形壓縮還原技術。字形描述技術的水平高低，不僅決定了輸出字的速度、字形美觀和輸出效果，同時也影響到：字庫存儲空間字形還原的計算量1.3字形描述技術及其種類（續）字形描述技術描述一般可分為：點陣字形描述技術輪廓矢量字形描述技術曲線輪廓字形描述技術2字形描述技術點陣字形描述技術輪廓矢量字形描述技術曲線輪廓字形描述技術其他字形描述技術2.1點陣字形描述技術漢字點陣的規模一般是：m·2n×m·2n在一般情況下，16×16點陣和24×24點陣使用的比較多。隨著激光印字機、激光照排機、圖文記錄機等輸出設備分辨率的提高，又有了48×48、96×96、128×128、256×256、512×512、1024×1024的點陣字庫。2.1點陣字形描述技術（續）下面以16×16點陣介紹點陣字形描述的方法：把一個方塊橫向分成16格，縱向也分成16格，形成256個小方格，即該矩陣有256個“點”。每一個點可以有黑、白兩種顏色。用這樣的點陣覆蓋到漢字上，凡是與筆畫重疊的點，規定它是黑色；凡是不與筆畫重疊的點，規定它是白色。2.1點陣字形描述技術（續）漢字“啊”的點陣字形漢字“啊”點陣字形數字化表示2.1點陣字形描述技術（續）橫向點陣：每個點陣數字代碼均描述漢字橫向點的情況。數字代碼是順序從左到右、自上而下掃描點陣各點狀態而形成的。一般適用于顯示器。縱向點陣：每個點陣數字代碼均描述漢字縱向點的情況。數字代碼是順序從上到下、自左至右掃描點陣各點狀態而形成的。一般適用于打印機2.1點陣字形描述技術（續）16×16橫向點陣的情況2.1點陣字形描述技術（續）16×16縱向點陣的情況2.1點陣字形描述技術（續）漢字“啊”用縱向點陣來表示，其數字代碼是： 3FH、F0H、20H、20H、7FH、F0H、20H、00H、7FH、FFH、42H、10H、4DH、88H、70H、70H、00H、00H、47H、F0H、44H、20H、4FH、F2H、44H、01H、FFH、FFH、40H、00H、00H、00H2.1點陣字形描述技術（續）各種精度的點陣字形其特點和用途：16×16（簡易型）24×24（普通型）32×32（提高型）其他更高精度的點陣字形2.2輪廓矢量字形描述技術輪廓矢量字庫的出現是為了改進點陣字庫鋸齒狀輪廓，同時也是因為繪圖機用筆輸出的需要而發展起來的一種字形描述技術。輪廓矢量的字形描述技術的核心是用多條直線逼近字形，并進行封閉處理，字形效果明顯改觀。2.2輪廓矢量字形描述技術（續）輪廓矢量字形描述技術的直角坐標系2.2輪廓矢量字形描述技術（續）2.3曲線輪廓字形描述技術曲線輪廓字庫是以二次曲線和三次曲線逼近字形輪廓的字形描述方法。其中以PostScript字形描述技術為代表。PostScript字形描述技術是用美國Adobe公司的PostScript頁面描述語言來描述字形的一種技術。其特點是以貝塞爾曲線（Beziercurve）擬合文字形狀，比較完整地保留了文字原有的字形信息。2.3曲線輪廓字形描述技術（續）解決字形質量的失真問題：特征參數：對用直線、二次曲線或三次曲線描述字形輪廓的字形描述技術的一種補充。智能復原：依靠字形復原軟件的判斷和處理來保證字形復原的質量，而字形描述本身不包含很多的特征信息。2.3曲線輪廓字形描述技術（續）部分筆畫水平段的情況2.3曲線輪廓字形描述技術（續）筆鋒高度的測量2.3曲線輪廓字形描述技術（續）字庫中每個漢字的特征參數生成完畢以后，還要添加合適的字庫級特征參數，主要包括：筆畫標準寬度StdHW/StdVW筆畫寬度的跳躍變化StemSnapH/StemSnapV2.3曲線輪廓字形描述技術（續）比較有影響的PostScript西文字庫有：Type1Type3Type5國內用PostScript語言描述的輪廓字體只有以Type1和Type3的格式做出的字庫。2.3曲線輪廓字形描述技術（續）用PostScript技術描述漢字時，在字符筆畫過大、字又太細長時，軟件為了要顯示所有黑色筆畫就會忽略筆畫間的空白，造成筆畫重疊、比例變形等問題。對于低分辨率的輸出設備（如顯示器和針式打印機），這種字庫的輸出效果反倒不如點陣字庫優越，即使增加大量的特征參數描述也得不到較大的改善。因此也采用字庫中包含點陣字庫用于輸出小字號文字的變通方法。2.4其他字形描述技術TrueType字庫。微軟公司協助蘋果公司開發并于1990年底推出TrueType字庫。這種字庫放棄以三次曲線逼近字形輪廓的優點，而采用二次曲線逼近字形輪廓。TrueType字庫有精心設計的特征參數處理。Folio字庫。在Unix領域中，有Sun公司的Folio字庫技術。由于Sun工作站在美國廣泛用于社團和專業用的出版系統，因此FolioF3字形描述格式也是值得一提的字形描述技術。智能字庫（Intellifont）。由愛克發計算機國際公司開發，用于惠普系列激光印字機。3字形的壓縮和還原什么是字形的壓縮和還原字形點陣的壓縮和還原輪廓矢量字形的壓縮方法其他字形壓縮技術3.1什么是字形的壓縮和還原對于正式出版物來說，文字分辨率需29.2線/毫米以上。因此，最常用的五號漢字點陣為108×108，特大號字則為576×576。不同精度的點陣表示一個漢字需要的字節數： 48×48 288 96×96 1152 128×128 2048 2K 256×256 8192 8K 512×512 32768 32K 1024×1024 131072 128K3.1什么是字形的壓縮和還原（續）512×512點陣字庫

GB2312字符集 宋體、楷體、黑體、仿宋體4種字體 字庫容量是845.375M1024×1024點陣字庫

GB2312字符集 宋體、楷體、黑體、仿宋體4種字體 字庫容量是3381.5M3.1什么是字形的壓縮和還原（續）字形信息壓縮技術應滿足以下幾方面要求：字形信息壓縮技術不允許信息壓縮后丟失或發生錯誤，也就是說壓縮信息能正確再現原字形信息，否則在文字復原時將會引起字形畸變。字形信息壓縮過程應當簡便易行，并且可用專門的軟件和硬件自動完成，便于用戶獨立進行缺字補充的操作。由文字字形壓縮信息向最終輸出的點陣字形信息的轉換應當迅速可靠。壓縮效果顯著。3.1什么是字形的壓縮和還原（續）追求壓縮效果和文字復原速度這兩個指標是相互沖突的，因為壓縮倍率越高，字形復原過程就越復雜，復原工作量也越大，文字還原速度也就越慢。事實上，任何字形信息的壓縮方法都是以損失文字復原速度和輸出速度為代價而換來存貯空間的節約的。評價一種字形壓縮技術的優劣，不僅要看信息壓縮倍率的高低，而且還要看是否能做到快速復原。不能進行快速文字復原的字形壓縮方法是不實用的。3.2字形點陣的壓縮和還原黑白段表示法黑白段表示法是考慮到漢字筆畫中黑白連續變化的特點而產生的壓縮方法。壓縮時計算機逐行地數取點陣中的空白點數（白段）和非空白點數（黑段），按一定格式相間地記錄下一串數字構成行點陣信息。同樣也可用重復行數來壓縮相鄰的重復行信息。[行標志][重復行數][白段][黑段]…[白段][黑段] *

N

W1

B1…Wn

Bn3.2字形點陣的壓縮和還原（續）線性增量表示法采用黑、白段信息格式，保留上述的豎直壓縮，增加一種新的壓縮格式。線性增量表示法用以處理漢字筆畫中大量存在的斜線。在一行黑、白段記錄信息的后面再注明線段的增量，這樣下一行的黑、白段長度在上一行的基礎上按增量的大小作相應的變化。3.2字形點陣的壓縮和還原（續）[行標志][重復行數][白段][白段增量][黑段][黑段增量] **

N

W1

ΔW1

B1 ΔB1…[白段][白段增量][黑段][黑段增量]…Wn

ΔWn

Bn ΔBn用增量記錄的行數要超過兩行（n大于2），壓縮才有意義。第1行是不考慮增量值的黑、白段信息，最后一行是加上相應增量后的黑、白段信息，中間的n-2行的黑白段長段均在上一行的長度基礎上，加上線性增量來補齊的。3.2字形點陣的壓縮和還原（續）考慮1024×1024點陣字庫，如采用黑白段表示法得到一行信息：“*210240”，則表示？如果相鄰行不相同的概率為50%，平均每行有5個黑段，則一個漢字的字形信息有：

(1+1+10*2)*1024*(100%-50%)=11K國內早期在蒙納激光照排系統中使用一種1380×1380點陣的字庫，1種字體就要約2000MB的存儲量。采用這兩種壓縮方法以后，這個系統的黑體、宋體、仿宋體、楷體4種字體的字庫總存儲量約為65MB。3.3輪廓矢量字形的壓縮方法規則筆畫：橫、豎、折。規則筆畫主要由直線段、起筆筆鋒、收筆筆鋒和轉折筆鋒等構成。筆鋒總共可以分成7種，因此在宋體橫這一筆畫的壓縮表示中，用3位表示收筆筆鋒的號碼（0－6），其余的信息將指示橫的起始點的x、y坐標，橫的長度、寬度以及有無起筆筆鋒等。這樣宋體的一筆橫需3－4字節便可精確描述而絲毫不失真。筆畫豎也是如此，起筆筆鋒用3位信息來表示，收起筆鋒用2位信息來表示，其余的信息則表示起點坐標、豎的長度和寬度，此外還用1個字節來詳細描述筆畫左、右傾斜的情況，這樣描述宋體的豎需要5個字節。3.3輪廓矢量字形的壓縮方法（續）不規則筆畫：點、撇、捺、鉤…對不規則筆畫，用向量折線對輪廓曲線作一般性的描述。為了減少數位的浪費，使壓縮信息更加緊湊，采用增設控制字節的方法，按下述規則對之進行裝配：3.3輪廓矢量字形的壓縮方法（續）若控制字節的頭兩位為11，則該字節其余6位與下一節合起來，指示不規則筆畫起始點的x、y坐標。7654321011筆畫起始點的x坐標x7筆畫起始點的y坐標3.3輪廓矢量字形的壓縮方法（續）若控制字節的頭兩位為10，表示所指示的向量的Δx、Δy的絕對值中至少有一個大于等于16，此時控制字節的末6位與下一字節合起來表示該向量的Δx、Δy的數值，數值以原碼表示。7654321010向量的Δxx7向量的Δy3.3輪廓矢量字形的壓縮方法（續）N7654321001向量的個數N象限|Δx||Δy|……象限|Δx||Δy|若控制字節的頭兩位為01，表示后面N個向量的Δx、Δy絕對值均小于8，N由控制字節的最末5位指示。后面N個向量中的每個向量用一個字節表示，其中2位指示該向量所處的象限，3位指示Δx的絕對值，3位指示Δy的絕對值。3.3輪廓矢量字形的壓縮方法（續）N7654321000象限向量的個數N|Δx||Δy|……|Δx||Δy|若控制字節的頭兩位為00，表示后面N個向量處于同一象限，且Δx、Δy的絕對值均小于16。N由控制字節的最末4位表示，控制字節的中間2位指明象限，后面N個向量都由一個字節表示，其中4位指示Δx的絕對值，4位指示Δy的絕對值。3.3輪廓矢量字形的壓縮方法（續）在采用了上述的進一步壓縮的措施之后，1個五號漢字字形信息平均需要120字節來記錄，而記錄1個五號漢字字形點陣信息大約需用1400多個字節，因此單字的平均壓縮倍率大約為12倍。由于五號字最常用，且非變倍字形的恢復速度也最快，故系統字庫中只存入五號字的字形壓縮信息，而其余字號均由計算機通過五號字字模變倍得到。目前的計算機漢字出版系統中有宋體、黑體、仿宋體、楷體、報宋體、小標題宋體幾種字模的壓縮信息，存儲量約為5MB，字模總體壓縮倍率在500倍左右。3.3輪廓矢量字形的壓縮方法（續）字形壓縮信息與最終輸出的點陣字形信息，這兩種數據之間存在著“結構沖突”。“次序沖突”：字模壓縮信息以筆畫為序，規則筆畫在前，不規則筆畫在后，一筆信息完畢再有另一筆信息；而輸出點陣信息則是從左至右，一行完了再開始新的一行，二者的次序關系完全不同。“邊界沖突”：字模壓縮信息以筆畫劃分內部信息的邊界，而最終要輸出的點陣信息以行劃分邊界，二者的邊界完全不同。3.4其他字形壓縮技術骨架向量法：又稱筆畫骨架法。用能夠表示漢字筆畫特征的線段，作為組成漢字字形的最基本元素的字形表示法。可用下列數據來表示：（15，1E）、（80，8D）（F5，FE）、（1D，FD）3.4其他字形壓縮技術（續）部件組字法：抽取漢字的共性，以最少量的部件和筆畫作為基本字元來組織出盡可能多的漢字字形，這就是所謂的組字技術。組字技術并非信息壓縮技術。漢字字形壓縮法還有：無失真向量擬合法、曲線參數擬合法、筆畫函數疊加法、輪廓特征分析法、復合壓縮法、遞推偏差擬合法、折線法、疊加法字形壓縮、哈夫曼綜合處理法等。4字形的放大和縮小漢字的字號字形放大和縮小的基本原理防止字形放大和縮小失真的措施字形放大縮小的應用4.1漢字的字號書版宋體、報版宋體、標題宋體、仿宋體、黑體和楷體這六種字體，均以五號字為基本字號。字模存儲器中只存放五號字的壓縮信息，其余字號都由五號字變倍而得。基本字體還可以通過拉長和壓扁的變倍方法變化出各種長字體和扁字體。4.2字形放大和縮小的基本原理字形在放大和縮小時，也分為規則筆畫和不規則筆畫這兩種情況來處理。無論使規則筆畫還是不規則筆畫，都是用輪廓折線表示的，它們很容易被放大縮小。例如，要使得圖形放大r倍（這里r不一定是整數），只需把對應的每段輪廓折線放大r倍，也即對每條折線的Δx、Δy值都乘以r。要得到高質量的放大或縮小的字形，需要采取一系列的措施來防止在變倍過程中的失真。4.3防止字形放大和縮小失真的措施1.防止字形變倍時的舍入誤差積累。變倍時舍入誤差的積累4.3防止字形放大和縮小失真的措施（續）結點變倍方法，用下面的公式獲得變倍后的Δx’、Δy’（變倍率=r）：

A’B’折線的Δx’=B’點的x坐標–A’點的x坐標 =(B點x坐標×r)(舍入)-(A點x坐標×r)(舍入) A’B’折線的Δy’=B’點的y坐標–A’點的y坐標 =(B點y坐標×r)(舍入)-(A點y坐標×r)(舍入)

*這里(p)(舍入)表示p經過四舍五入后取整數值。4.3防止字形放大和縮小失真的措施（續）2.保證規則筆畫寬度的一致性。對于規則筆畫橫、豎、折的寬度部分，不采用結點變倍法，而按下述公式計算：

變倍后的寬度=(變倍前寬度×r)(舍入)

4.3防止字形放大和縮小失真的措施（續）3.規則筆畫與不規則筆畫銜接部分的處理筆畫‘勾’的下延伸A點的A’點由直線變倍得到，而對應B點的B’點由結點變倍得到。這樣，AB直線本來是直的，但變倍后的A’B’折線可能變成向左或向右傾斜一格的斜線。可采取以下措施克服此失真：當延伸的第一筆原Δx=0，則變倍后永遠使這一筆的Δx’=0。4.3防止字形放大和縮小失真的措施（續）4.小號字橫的寬度的控制和筆鋒的細致描述。字號縮小很小時，在變倍過程中會引起某些部分變得過分密集，尤其當一個字內橫的數量很多時。在橫的壓縮信息中，用兩位二進制數細致刻畫橫寬。4.4字形放大縮小的應用點陣方法描述的字形在縮放時采用插值加線或抽線的方法，會產生嚴重變形或以質量損失為代價。可以采用平滑技術使鋸齒邊的臺階縮小或用斜邊代替鋸齒。但是無論平滑技術如何好，所產生的字形因鋸齒或折線而產生的不平滑感只能縮小而不能排除。4.4字形放大縮小的應用（續）輪廓矢量方法是為了改進點陣字形在縮放時會出現鋸齒狀輪廓而產生。在文字復原時，通過對向量的長度進行變倍放大或縮小，便可獲得不同的字號。如果在變倍時對x方向和y方向分別選不同的倍率，還可以獲得變形長體字或扁體字。輪廓字庫在還原時需經特定的運算將這些用輪廓描述的字形轉化成點陣方式，再由輸出設備輸出。這個運算可以在輸出設備內進行，也可在計算機上先轉換成位圖再輸出。4.4字形放大縮小的應用（續）輪廓字庫解決了點陣字庫縮放后失真的問題。這種字形描述技術對漢字橫平豎直的字形有很好的描述效果，但對于撇、捺、點，以及圓弧裝飾效果的字體，即使是縮小直線距，仍然不能十分逼近字形，而且字體放大之后，輪廓仍然具有折線感。由于近年來硬件的迅速發展，有能力用二次曲線或三次曲線代替直線描述字形輪廓的字庫。5TTF字形技術什么是TrueTypeTrueType的基本原理TrueType字體文件結構TrueType的特點和優勢TrueType的應用OpenType的出現5.1什么是TrueTypeTrueType是Apple公司和Microsoft公司合作開發的PDL（PageDescriptionLanguage）語言TrueImage中的字形描述部分。TrueType有一套專門的指令集，用于完成字形的描述、特征參數的描述及其他一些描述。它用的輪廓描述曲線是二次B-樣條（Bezier-spline）函數。5.2TrueType的基本原理TrueType字體對字形的描述是輪廓描述，在輪廓上有一串結點組成，這些結點有on-line和off-line兩種屬性來描述一個封閉的輪廓線。TrueType對字形輪廓上的結點都給出一個編號，其順序是按順時針方向走一圈，即填黑的部分永遠在其右邊。5.2TrueType的基本原理（續）TrueType字庫中的主要特征參數在X方向上有5個關鍵距離值：字身最左邊的起始點到字母主干的空間；字母主體部分的寬度；字身的寬度（西文字母字身不等寬）；字母主干（stem）的寬度；字母襯線（serif）的大小。在Y方向上：字母橫干（crossbar）的厚度；字母襯線的厚度；字母主體的高度；字母橫干的高度。5.2TrueType的基本原理（續）在變倍時用數學方法將相同的特征參數值同等定義，在任何字號下都同等還原，這時考慮的是字體各特征點的形狀，而不考慮坐標格的修整。TrueType的字形文件不單單由輪廓數據而且還有用TrueType指令寫的程序，TrueType的字形包括指令和數據及TrueType字形發生器。5.3TrueType字體文件結構TrueType字體文件總體結構：文件頭（12Bytes）描述表目錄（每個16Bytes）描述表數據5.3TrueType字體文件結構（續）文件頭共12B：Fixedsfnt_version//TTF文件版本號碼（0x00010000）USHORTnumTables//描述表數目USHORTsearchRange//描述表快速查找范圍USHORTentrySelector//描述表入口選擇USHORTrangeShift//范圍調整5.3TrueType字體文件結構（續）描述表目錄。其目錄個數由numTables決定，每個目錄項16B：ULONGtag//描述表名稱（4Bytes）ULONGcheckSum//描述表內容的校驗和ULONGoffset//此描述表的位置偏移（從文件頭開始）ULONGlength//描述表字節長度5.3TrueType字體文件結構（續）常用的TTF文件描述表共有19個，其中有10個為每個TTF文件所必須包含的，其他的9個可根據需要任選。10個必須的描述表：‘cmap’ 字符代碼到文字序號的映射表‘glyf’ 文字輪廓數據‘head’ 文件頭信息‘hhea’ 水平度量頭信息‘hmtx’ 水平度量信息‘loca’ 字符輪廓數據位置索引‘maxp’ 最大值描述‘name’ 名字表‘post’ PostScript打印機控制‘OS/2’ OS/2和Windows度量信息5.3TrueType字體文件結構（續）9個可選的描述表：‘cvt’ 控制值表‘fpgm’ 定義程序區‘hdmx’ 水平設備度量‘kern’ 緊排控制‘LTSH’ 線性門限‘prep’ CVT程序區‘WIN’ 保留‘VDMX’ 垂直設備度量‘FOCA’ 保留5.4TrueType的特點和優勢TrueType的特點是：TrueType既可作打印字體，又可以用作屏幕顯示。由于它是由指定字形進行描述，因此它與分辨率無關，輸出時總是按照打印機的分辨率輸出。無論放大或縮小，字符總是光滑的，不會有鋸齒出現。相對PostScript字體來說，其質量要差一些。特別是在文字太小時，表現得不是很清楚。5.4TrueType的特點和優勢由于TrueType技術本身的特點而使它具有以下優勢：真正的所見即所得效果支持字體嵌入技術，保證文件的跨系統傳遞性操作系統平臺的兼容性ABC字寬值精確的字體輪廓描述品種繁多的字體家族5.5TrueType的應用TTF字體的創建：使用已有的TTF字體編輯軟件。TTF字體在面向對象程序中的引用：Windows使用LOGFONT結構定義字體文件的屬性。此結構可以在程序中直接引用。程序片斷。5.6OpenType的出現為了解決“前后端不一致”的問題，微軟和Adobe公司聯合推出了一種新的通用字體格式——OpenType（簡稱OTF）。OpenType集中了TrueType和Type1兩種字形描述技術的特點，是一個開放、無版權的字形描述技術。5.6OpenType的出現（續）OpenType字體格式能達到以下目的：更寬的多平臺支持；更好的支持國際字符集；更強的字體數據保護；字體文件更小，有利于提高發送效率；為先進的字體印刷控制提供更多的支持。6字庫的設計和管理技術漢字字庫的基本要求漢字庫性能的評測漢字庫結構的設計點陣字庫的制作6.1漢字字庫的基本要求漢字庫的設計應該追求三項目標：字形質量高讀取速度快系統開銷小它們之間的關系是：隨著字形點陣數的增加，字形失真就越小；但字形庫容量會增大，也就意味著字形庫成本