[发明专利]基于结构引导汉字字体生成的方法

说明书

本发明公开了一种基于结构引导汉字字体生成的方法，包括如下步骤：第一步，准备字体图像数据准备；第二步，提取字体图像的轮廓与骨架；第三步，采用编码器和解码器结构作为生成器，卷积神经网络作为判别器，构建生成对抗网络；第四步，利用标准字体图片、轮廓、骨架和目标字体图片数据集对构建的神经网络进行训练；第四步，将完整的标准字体输入到训练后的对抗生成网络的生成器中；本申请通过少量的目标字体训练生成对抗网络，即可得到完整的目标字体字库文件。通过这种方式，不仅使神经网络训练问题更容易处理，而且还使字形的轮廓和结构更加自然。

技术领域

本发明涉及一种生成汉字字体的方法，具体说是基于结构引导汉字字体生成的方法。

背景技术

随着互联网的兴起，现在越来越多的人喜欢在不同情况下使用个性化字体。一方面，不同得字体风格可以灵活地表达个性，赋予文本以作家独特的特征和标志。另一方面，个性化字体风格中的字形带来动态视觉感知，能够在各种社交网络媒体中吸引更多注意力。然而，创建手写中文字库仍然是一项耗时且费力的工作，具有较长的生产周期。现在电子设备上可用的手写字体主要由商业公司的专业字体设计者制作，字库的设计是一个非常耗时的工作，与只包含26个字母的英文字体库不同，常用字符集GB2312由6763个汉字组成，此外由于汉字的结构复杂，形状多样，也增加中文字库的制作难度。而目前，中文字库的制作大多依赖于人工经验和设计，即使由专业的字体设计人员来设计一套完整的字库也需要花费2-3年的时间，自动化程度很低，制作周期长，效率底下。

中国的汉字数量繁多，设计字库的过程繁琐复杂需要耗费大量的人力、物力和时间，随着人力成本上涨和市场需求及政策的推动下，人工智能的方式取得了快速发展，使得研究者对人工智能的关注度和社会大众对人工智能的憧憬空前提升。利用基于深度学习的方法使得能够以端到端的方式解决字体生成问题；首先，字体生成可以被视为图像风格迁移问题，其中参考样式中的字符被转换为特定样式，同时保持内容的一致性。另一方面，随着生成对抗网络(GAN)的发展，可以合成更真实和更高质量的字形。然而，整个生成过程是无法控制和不可预测的。在生成的字体中通常包含模糊和重影得伪图像。此外，对于具有复杂结构和或草书手写风格的字符，这些端到端方法通常产生具有不合理笔画或和不正确结构的结果。

发明内容

为解决现有技术存在的上述缺点，本申请提供一种基于结构引导汉字字体生成的方法，通过少量的目标字体训练生成对抗网络，将完整的标准字体生成其他剩余目标字体图片，从而得到完整的目标字体字库文件。

为实现上述目的，本申请的技术方案为：基于结构引导汉字字体生成的方法，包括如下步骤：

第一步，进行字体数据准备：将标准字体以及目标字体分别进行处理，生成标准字体图片、目标字体图片，并归一化到256*256的尺寸；

第二步，提取标准字体图像的轮廓与骨架，考虑到卷积核难以有效地提取这种单像素骨架图像的特征，将单像素宽度骨架广播到四个像素的宽度；

第三步，采用编码器和解码器结构作为生成器，卷积神经网络作为判别器，构建生成对抗网络；

第四步，利用标准字体图片、轮廓、骨架和目标字体图片数据集对构建的神经网络进行训练，得到训练后的对抗生成网络，并保存训练完成的参数；该网络为一种端到端的神经网络，不需要人工干预，即可对目标字体进行生成；

第五步，依次将完整的标准字体输入到训练后的对抗生成网络的生成器中，由训练后的对抗生成网络的生成器输入相对应的完整的目标字体；

第六步，构建模型评级体系，评级模型的字体生成质量。