朱倩倩，車文剛，苗 晗

(昆明理工大學(xué)信息工程與自動(dòng)化學(xué)院， 云南 昆明 650500)

1 引言

文字是民族文化的承載工具，一筆一畫都有著濃厚的文化底蘊(yùn)。藏文作為藏族人民在政治、經(jīng)濟(jì)、文化和宗教活動(dòng)中的文字承載工具,在中華民族歷史文化發(fā)展長(zhǎng)河中形成了獨(dú)特的文字形式[1]。在長(zhǎng)久的歷史過(guò)程中，流傳下來(lái)大量藏文經(jīng)典文獻(xiàn)，其中，許多經(jīng)典文獻(xiàn)采用雕刻這種原始方式傳承至今，它們的最大特色是擁有風(fēng)格迥異的雕刻字體，獨(dú)特的雕刻方式和構(gòu)造賦予其極致的美感，充分表現(xiàn)了不同歷史文化背景下人們對(duì)雕刻字體的美學(xué)理解和文字背后的宗教精神[2]。

由于這些文獻(xiàn)種類繁多，目前對(duì)這些經(jīng)典藏文文獻(xiàn)的保存方式主要有2種。一種是通過(guò)直接掃描保存成電子圖像。這種方式保留了原版雕刻字體細(xì)節(jié)，但它需要處理的數(shù)據(jù)量巨大，且不能實(shí)現(xiàn)編輯、查詢、排版等計(jì)算機(jī)文字信息處理的基本功能[3]。另一種是將古籍電子化保存成電子文檔，采用統(tǒng)一的標(biāo)準(zhǔn)版藏文字體保存，實(shí)現(xiàn)了編輯、查詢等功能，但卻丟失了原版古籍中多樣的雕刻字體[4]。

針對(duì)上述問題，本文提出一種既可以數(shù)字化藏文古籍中多樣性的雕刻字體，又能實(shí)現(xiàn)古籍編輯、查詢等功能的方法。目前，北京大學(xué)計(jì)算機(jī)科學(xué)技術(shù)研究所提出了風(fēng)格學(xué)習(xí)算法，自動(dòng)生成大規(guī)模手寫字體[5]；清華大學(xué)提出了SA-VAE(Style-Aware Auto-Encoder)框架，僅通過(guò)觀察一個(gè)或者少數(shù)樣本來(lái)生成不同風(fēng)格的漢字[6]。這些方式生成的計(jì)算機(jī)手寫字體，只還原了用戶書寫的一種字體，仍然沒有實(shí)現(xiàn)手寫字體的多樣性和離散性。

因此，本文提出了計(jì)算機(jī)字體多樣性表達(dá)的方法，使藏文經(jīng)典文獻(xiàn)在實(shí)現(xiàn)編輯、共享的基礎(chǔ)上，保留原版文獻(xiàn)中雕刻字體的多樣性和離散性。

2 相關(guān)定義

本文以明末崇禎(1628-1644)年間鑄成的理塘版《大藏經(jīng)》為研究典例[7]。目前《大藏經(jīng)》文獻(xiàn)已經(jīng)實(shí)現(xiàn)了采用統(tǒng)一的Microsoft Himalaya字體的電子文檔保存。本文的目的是提取理塘版《大藏經(jīng)》中多樣和離散的雕刻字體，再通過(guò)字體多樣性表達(dá)方法實(shí)現(xiàn)數(shù)字化理塘版《大藏經(jīng)》中多樣和離散的雕刻字體，還原原版文獻(xiàn)中字體的細(xì)節(jié)，保存雕刻字體的美感和藝術(shù)效果[3]。

數(shù)字化具有多樣性雕刻字體的古籍，主要工作是提取古籍中不同風(fēng)格的字體和實(shí)現(xiàn)字體的多樣性表達(dá)。因此，本文將研究?jī)?nèi)容分為5個(gè)部分：圖像預(yù)處理、圖像分割、字符識(shí)別、字體分類和字體多樣性表達(dá)。圖像分割，根據(jù)文本行間距的不同，采用不同分割算法，對(duì)于文本行間距明顯的情況優(yōu)先選用投影分割法[8]，文本行間有重合但不粘連的情況采用連通域分割法[9]，文本行或字符間有粘連的情況用滴水算法分割文本圖像[10]。字符識(shí)別，本文采用由Oliva等人提出的全局GIST特征提取算法，對(duì)藏文文獻(xiàn)中的字符進(jìn)行識(shí)別， GIST特征是最好的全局特征之一，能快速描述文字在視覺維度上的結(jié)構(gòu)信息，描述子相對(duì)簡(jiǎn)單[11]，能很好地表征藏文的結(jié)構(gòu)特征，因此GIST特征廣泛應(yīng)用于字符的特征描述。字體分類，字體分類算法目前不是很多，主要采用深度學(xué)習(xí)框架，利用深度學(xué)習(xí)來(lái)訓(xùn)練分類模型，對(duì)書法字圖像進(jìn)行字體的分類[12]。目前計(jì)算機(jī)字庫(kù)中的藏文字體類別有限，因此利用深度學(xué)習(xí)訓(xùn)練模型來(lái)實(shí)現(xiàn)藏文字體分類顯然在目前是不可行的。如何實(shí)現(xiàn)理塘版《大藏經(jīng)》中字體的多樣性表達(dá)，目前還沒有發(fā)現(xiàn)相關(guān)研究，因此本文提出字體多樣性表達(dá)方法。為了提高藏文字識(shí)別的準(zhǔn)確性，指定標(biāo)準(zhǔn)Microsoft Himalaya字體作為參考字符集。為了研究需要，下面先給出如下定義：

定義1(雕刻字體) 本文要研究的雕刻字體就是雕刻在木板上的理塘版《大藏經(jīng)》中的字體。

定義2(字體的多樣性) 由于理塘版《大藏經(jīng)》是在不同的時(shí)間階段由不同的雕刻師雕刻而成的，受主觀和客觀因素的影響，同一部經(jīng)文中呈現(xiàn)出一字多字體的現(xiàn)象，這定義為字體的多樣性。

定義3(計(jì)算機(jī)字體的多樣性表達(dá)) 計(jì)算機(jī)自動(dòng)調(diào)用字體庫(kù)中不同風(fēng)格的字體，使同一個(gè)文字有多種字體呈現(xiàn)，這樣就實(shí)現(xiàn)了字體的多樣性表達(dá)。

3 提取雕刻字體

數(shù)字化理塘版《大藏經(jīng)》雕刻字體的關(guān)鍵是提取經(jīng)文中多樣和離散的雕刻字體。因此，本節(jié)內(nèi)容分為4個(gè)部分：圖像預(yù)處理、圖像分割、字符識(shí)別和字體分類。

根據(jù)理塘版《大藏經(jīng)》雕刻字體具有多種風(fēng)格的特點(diǎn)，初步構(gòu)建理塘版《大藏經(jīng)》字體的組成模型如圖1所示。

Figure 1 Engraving font圖1 理塘版《大藏經(jīng)》字體

3.1 圖像預(yù)處理

首先對(duì)理塘版《大藏經(jīng)》文稿進(jìn)行預(yù)處理。如圖2a所示為掃描到計(jì)算機(jī)內(nèi)的理塘版《大藏經(jīng)》部分原始圖，圖像有邊框，且文本存在傾斜，因此需要對(duì)圖像進(jìn)行去噪聲、去邊框、版面傾斜處理、二值化、反相等處理，得到如圖2b所示的圖像。圖像預(yù)處理是為下一步的圖像切分做準(zhǔn)備[3]。

Figure 2 Image preprocessing圖2 圖像預(yù)處理

3.2 圖像分割

觀察圖像中文本分布結(jié)構(gòu)，由于文稿行與行之間排列規(guī)整，故分2步切分，先完成行切分，再完成字符切分。切分時(shí)可能會(huì)出現(xiàn)的情況有：

(1)行與行間有明顯間距，易切分。

針對(duì)這種情況，采用操作簡(jiǎn)單、速度快的投影分割算法對(duì)文本圖像做水平全局投影[8]，以便將行間有明顯間距的文本行做切分處理。如圖3中像素值總和為0的點(diǎn)(圖像背景區(qū)像素的值為0，目標(biāo)區(qū)域的像素值為1)，即為行切分點(diǎn)。

Figure 3 Projection of rows圖3 水平投影圖

(2)行與行間存在重疊，但不粘連。

針對(duì)這種情況，采用局部連通域分割算法，盡管圖4a行間無(wú)公共間距，但是字母與字母之間是有明顯間隙的，連通域分割算法正是針對(duì)這種情況的圖像分割算法。本文采用8-鄰域標(biāo)記算法[13]：掃描每個(gè)像素點(diǎn)，遍歷當(dāng)前點(diǎn)上、下、左、右、左上、左下、右上、右下的點(diǎn)像素值，若與當(dāng)前點(diǎn)像素值相同，則將位置相鄰且像素值相同的點(diǎn)組成的像素區(qū)域賦予唯一的標(biāo)記，這里用數(shù)字標(biāo)記，根據(jù)標(biāo)記的連通區(qū)域?qū)崿F(xiàn)文字分割[9]。連通域分割算法可將無(wú)明顯間隙但又不粘連的文本塊分割成單個(gè)字符。

Figure 4 Connectivity detection segmentation圖4 連通檢測(cè)分割

(3)行與行間存在粘連。

字符之間存在粘連現(xiàn)象時(shí)(如圖5a所示)，本文采用文獻(xiàn)[10]改進(jìn)的滴水算法分割圖像。首先采用Zhang提出的并行細(xì)化方法處理粘連字符，只保留圖像的拓?fù)浣Y(jié)構(gòu)，然后確定候選分割點(diǎn)，再通過(guò)自組織映射網(wǎng)絡(luò)確定最終分割路徑(如圖5b所示),實(shí)現(xiàn)粘連字符的分割。

Figure 5 Image segmentation by improved drop-fall algorithm圖5 改進(jìn)的滴水算法分割圖像

針對(duì)以上3種情況，采用不同的分割算法對(duì)文本圖像進(jìn)行分割，將理塘版《大藏經(jīng)》文本切分成一個(gè)個(gè)單一字符圖像。

3.3 字符識(shí)別

選取合適的字符特征是提高藏文字符識(shí)別準(zhǔn)確性的重要因素。由于藏文字符特征相對(duì)簡(jiǎn)單，不同字符是根據(jù)形狀來(lái)區(qū)分的，因此本文采用基于GIST全局特征的藏文字符識(shí)別方法。GIST特征是最好的全局特征之一，能快速描述文字在視覺維度上的結(jié)構(gòu)信息，描述子相對(duì)簡(jiǎn)單[11]，能很好地表征藏文的結(jié)構(gòu)特征，是藏文字識(shí)別的有效途徑。以Microsoft Himalaya藏文字庫(kù)為識(shí)別參考依據(jù)。首先將Microsoft Himalaya字庫(kù)中的字符渲染成圖像，提取全局特征向量，建立標(biāo)準(zhǔn)藏文字庫(kù)的全局特征向量庫(kù)。2特征向量之間的相似度可以直接用歐氏距離計(jì)算得到。首先提取待識(shí)別字符全局特征，獲得該字符的全局特征向量，然后分別與特征向量庫(kù)中的特征向量計(jì)算歐氏距離，再根據(jù)相似度數(shù)值排序，返回相似度最大的特征向量對(duì)應(yīng)的字符索引值，實(shí)現(xiàn)字符識(shí)別。如圖6所示為雕刻字符識(shí)別過(guò)程。

Figure 6 Carved character recognition process圖6 雕刻字符識(shí)別過(guò)程

GIST算法通過(guò)多方向多尺度的Gabor濾波器組濾波后級(jí)聯(lián)實(shí)現(xiàn)特征的提取[11,12]。

算法1GIST特征提取算法

輸入：字符圖像。

輸出：字符圖像的GIST特征向量。

步驟1字符圖像歸一化，尺寸為m×n。

步驟2將圖像劃分成a×b個(gè)相同大小的子區(qū)域，記a×b=S。每個(gè)區(qū)域按行標(biāo)記為i(i=1,2,…,S)。每個(gè)區(qū)域的大小為r×c，其中r=m/a,c=n/b。

步驟3用Kn個(gè)通道的Gabor濾波器組分別對(duì)每個(gè)子區(qū)域進(jìn)行卷積濾波處理，將處理后的特征組合得到該區(qū)域的GIST特征：

Gi(x,y)=cat(f(x,y)*gu v(x,y))

(1)

其中,cat為級(jí)聯(lián)符號(hào)；f(x,y)為字符圖像；*為卷積操作符；u和v分別表示濾波器組的尺度和方向；gu v(x,y)為濾波器組。

步驟4Gi的維數(shù)是Kn×r×c,對(duì)Gi的各個(gè)濾波通道結(jié)果求均值，然后按行進(jìn)行組合，得到的向量就是全局GIST特征，即：

(2)

(3)

其中，G的維數(shù)為Kn×S。

本文在特征提取時(shí)將圖像劃分成3×3的網(wǎng)格區(qū)域，采用3個(gè)尺度8個(gè)方向的濾波通道，這樣就得到3×8×9=216個(gè)維度的GIST特征向量。

根據(jù)GIST特征提取算法建立藏文標(biāo)準(zhǔn)字庫(kù)的GIST特征庫(kù)。GIST特征庫(kù)存儲(chǔ)標(biāo)準(zhǔn)藏文字庫(kù)的所有藏文字符的索引值和特征向量。

同樣采用GIST算法提取待識(shí)別字符圖像的全局特征向量，然后分別與GIST特征庫(kù)中的特征向量做歐氏距離計(jì)算，返回最大相似度特征向量的索引值完成識(shí)別。

3.4 字體分類

為了得到理塘版《大藏經(jīng)》中不同風(fēng)格的雕刻字體，需要對(duì)字符進(jìn)行字體分類。不同風(fēng)格字體的同一字符盡管全局特征區(qū)別不大，但是每種字體都有其獨(dú)特的筆畫和線條特征，因此本文采用Lowe[14]提出的尺度不變特征變換SIFT(Scale Invariant Feature Transform)的局部特征提取算法，通過(guò)將高斯差分層找到的極值點(diǎn)作為特征點(diǎn)來(lái)提取尺度、亮度和旋轉(zhuǎn)不變量[15]。該算法是局部特征提取最好的算法之一，有很好的魯棒性和穩(wěn)定性[16]。通常通過(guò)獨(dú)有的特征點(diǎn)(比如端點(diǎn)、折點(diǎn)、交叉點(diǎn)等)來(lái)表征不同字體的特征。最重要的是特征點(diǎn)的選擇，選擇區(qū)別性高，且具有較高重復(fù)性的特征點(diǎn)，便于特征點(diǎn)的匹配與區(qū)分。本文采用SIFT特征算法通過(guò)提取待分類字體的邊緣和角點(diǎn)的特征信息來(lái)劃分不同的風(fēng)格字體。

算法2SIFT局部特征提取算法

輸入：圖像I(x,y)。

輸出：圖像I(x,y)的SIFT特征向量。

步驟1構(gòu)造尺度空間，獲取候選極值點(diǎn)。構(gòu)造尺度空間是為了獲取在不同尺度下都存在的極值點(diǎn)，通過(guò)不同尺度空間因子σ下的高斯函數(shù)G(xi,yi,σ)和原圖像I(x,y)的卷積來(lái)構(gòu)造不同的尺度空間L(x,y,σ)，用運(yùn)算速度更快的差分高斯函數(shù)DoG(Difference of Gaussina)來(lái)檢測(cè)極值點(diǎn)；尺度空間表示如式(4)所示：

L(x,y,σ)=G(x,y,σ)*I(x,y)

(4)

其中，G(x,y,σ)為尺度可變高斯函數(shù),如式(5)所示：

(5)

步驟2篩選穩(wěn)定極值點(diǎn)。步驟1檢測(cè)到的極值點(diǎn)是離散空間中的極值點(diǎn)，通過(guò)一個(gè)擬合精細(xì)模型來(lái)確定候選極值點(diǎn)的精確位置和尺度，關(guān)鍵點(diǎn)的選取依據(jù)它們的穩(wěn)定程度。通過(guò)尺度空間DoG函數(shù)進(jìn)行曲線擬合尋找極值點(diǎn)，剔除不穩(wěn)定的邊緣響應(yīng)點(diǎn)以及低對(duì)比度的點(diǎn)，得到穩(wěn)定極值點(diǎn)。

步驟3特征方向賦值?；趫D像局部的梯度方向，分配給每個(gè)關(guān)鍵點(diǎn)位置一個(gè)或多個(gè)方向，后續(xù)的所有操作都是對(duì)于關(guān)鍵點(diǎn)的方向、尺度和位置進(jìn)行變換，從而保證這些特征的不變性。

步驟4特征點(diǎn)描述。在每個(gè)特征點(diǎn)周圍的鄰域內(nèi)，在選定的尺度上測(cè)量圖像的局部梯度，這些梯度被變換成一種表示，這種表示允許比較大的局部形狀的變形和光照變換。

獲取到SIFT特征向量之后，通過(guò)計(jì)算2個(gè)待分類字體圖像中對(duì)應(yīng)關(guān)鍵點(diǎn)的距離判定相似度，判定是否為同一種字體。N維空間中2點(diǎn)的相似度量，用歐氏距離來(lái)計(jì)算：

(6)

其中，X、Y分別為待比較的2個(gè)特征向量，xi和yi分別為X和Y向量的第i個(gè)分量。

建立SIFT特征庫(kù)，存儲(chǔ)圖像的索引號(hào)、特征點(diǎn)的數(shù)量以及特征點(diǎn)對(duì)應(yīng)的特征向量。采用關(guān)鍵點(diǎn)特征向量的歐氏距離判定2幅圖像中關(guān)鍵點(diǎn)的相似性。根據(jù)SIFT特征算法將藏文字根據(jù)字體風(fēng)格的差異分為不同藏文的字體。

4 計(jì)算機(jī)字體多樣性表達(dá)

理塘版《大藏經(jīng)》是在不同的時(shí)間階段由不同的雕刻大師共同制作完成的，因此經(jīng)文字體風(fēng)格呈現(xiàn)多樣性和離散性的特色。理塘版《大藏經(jīng)》內(nèi)容量大，顯然根據(jù)本文提取的理塘版《大藏經(jīng)》的多種雕刻字體風(fēng)格，通過(guò)手動(dòng)切換這些字體來(lái)實(shí)現(xiàn)多樣性是不現(xiàn)實(shí)的。那么計(jì)算機(jī)能不能自動(dòng)切換字體來(lái)實(shí)現(xiàn)字體的多樣性表達(dá)呢？基于此，本文提出字體多樣性表達(dá)算法。

字體多樣性表達(dá)算法旨在通過(guò)計(jì)算機(jī)自動(dòng)調(diào)用不同風(fēng)格的字體，將風(fēng)格統(tǒng)一的字體替換成為風(fēng)格迥異的雕刻字體。為了確保原輸入文檔的正確性，實(shí)驗(yàn)采用標(biāo)準(zhǔn)電子版《大藏經(jīng)》。數(shù)字化理塘版《大藏經(jīng)》其實(shí)就是將電子版《大藏經(jīng)》統(tǒng)一的標(biāo)準(zhǔn)字體替換成風(fēng)格多樣的雕刻字體的過(guò)程。

本文將從理塘版《大藏經(jīng)》中獲取到的不同風(fēng)格的字體存儲(chǔ)到離散字體庫(kù)，字體庫(kù)中存儲(chǔ)的信息為字體名(font)和索引值(index)。統(tǒng)計(jì)發(fā)現(xiàn)理塘版《大藏經(jīng)》不同風(fēng)格的雕刻字體呈離散分布狀態(tài)，因此在字體替換過(guò)程中采用隨機(jī)均勻模型來(lái)擬合多種風(fēng)格字體的替換過(guò)程。

算法3字體多樣性表達(dá)算法

輸入：電子版《大藏經(jīng)》，離散字體庫(kù)。

輸出：數(shù)字化理塘版《大藏經(jīng)》。

Step1遍歷電子版《大藏經(jīng)》，找到第1個(gè)標(biāo)準(zhǔn)字體控制的字符character，定位該字符出現(xiàn)的位置P，統(tǒng)計(jì)該字符出現(xiàn)的次數(shù)Count；

Step2通過(guò)離散均勻隨機(jī)函數(shù)產(chǎn)生的隨機(jī)變量x，調(diào)用離散字體庫(kù)中索引值為x的字體font(x)；

Step3根據(jù)替換函數(shù)將P位置的標(biāo)準(zhǔn)字體替換成字體font(x)；

Step4定位字符character出現(xiàn)的下一個(gè)位置；

Step5循環(huán)Step 2～Step 4，直到所有字符的標(biāo)準(zhǔn)字體替換成不同風(fēng)格的雕刻字體；

Step6循環(huán)以上步驟，直到《大藏經(jīng)》中所有的標(biāo)準(zhǔn)字體全部替換成離散字體庫(kù)中的雕刻字體。

根據(jù)字體多樣性表達(dá)算法，處理完整篇《大藏經(jīng)》經(jīng)文，得到具有多樣性和離散性雕刻字體的數(shù)字化理塘版《大藏經(jīng)》。

5 實(shí)驗(yàn)結(jié)果及分析

采用本文方法得到的實(shí)驗(yàn)結(jié)果如圖1所示，其中，圖7a為理塘版《大藏經(jīng)》原圖；圖7b是電子版《大藏經(jīng)》的經(jīng)文片段；圖7c是采用本文方法得到的實(shí)驗(yàn)結(jié)果圖，該實(shí)驗(yàn)結(jié)果已經(jīng)具備了理塘版《大藏經(jīng)》中雕刻字體多樣性的特色，并且實(shí)現(xiàn)了編輯、共享等計(jì)算機(jī)信息處理的基本功能。

對(duì)比圖7b和圖7c可知，相比統(tǒng)一單調(diào)的字體，具有多樣性字體的古籍更具有美感；對(duì)比圖7a所示的理塘版《大藏經(jīng)》和圖7c所示的數(shù)字化《大藏經(jīng)》字體發(fā)現(xiàn)，圖7c的經(jīng)文版面顯示效果已經(jīng)明顯接近原始的版面字體多樣性表達(dá)的效果，精準(zhǔn)的相似度測(cè)試還需要后續(xù)設(shè)計(jì)更加嚴(yán)格的校對(duì)方案，采用更加精確的技術(shù)來(lái)實(shí)現(xiàn)。

根據(jù)數(shù)字化理塘版《大藏經(jīng)》中雕刻字體的實(shí)驗(yàn)結(jié)果，統(tǒng)計(jì)每一種雕刻字體出現(xiàn)的頻度，具體數(shù)據(jù)如表1所示。

由表1可知，測(cè)試文本中10種字體出現(xiàn)的頻度擬合隨機(jī)均勻模型，與文本預(yù)期的結(jié)果基本符合，將標(biāo)準(zhǔn)字體隨機(jī)均勻地替換成了10種雕刻風(fēng)格字體。

Figure 7 Comparison of experimental results圖7 實(shí)驗(yàn)結(jié)果對(duì)比圖

Table 1 Discrete font appearance frequency

本文研究對(duì)象不僅限于理塘版《大藏經(jīng)》，對(duì)于任意藏文古籍都可以用上述過(guò)程實(shí)現(xiàn)古籍中字體的數(shù)字化，生成具有多樣性和離散性字體的古籍。

6 結(jié)束語(yǔ)

本文以理塘版《大藏經(jīng)》為研究典例，對(duì)實(shí)現(xiàn)具有多樣性和離散性的雕刻字體的傳統(tǒng)古籍的數(shù)字化的方法和技術(shù)進(jìn)行了深入探索，實(shí)現(xiàn)了計(jì)算字體多樣性表達(dá)，從而保留理塘版《大藏經(jīng)》中多樣性和離散性雕刻字體的美感和藝術(shù)效果。本文的研究為古籍的保護(hù)與傳承提供了新方法，其中字體多樣性表達(dá)算法為數(shù)字化古籍中具有離散性和多樣性的字體提供了一個(gè)新的思路，為藏文字體文化的研究與探索提供了便利，具有一定的研究?jī)r(jià)值。