秦 曄

（中南財(cái)經(jīng)政法大學(xué)刑事司法學(xué)院 湖北 武漢 430073）

1 引言

近年來，筆跡檢驗(yàn)領(lǐng)域大量使用先進(jìn)檢驗(yàn)設(shè)備，檢驗(yàn)過程基本實(shí)現(xiàn)影像化，形成各種類型的圖像資料，這些圖像資料即為筆跡可視化處理的基礎(chǔ)。換言之，筆跡可視化處理的對(duì)象即是筆跡檢驗(yàn)中形成的電子化圖片資料。通過對(duì)筆跡檢驗(yàn)中形成的圖像資料進(jìn)行數(shù)據(jù)化處理和三維建模，可實(shí)現(xiàn)對(duì)筆跡的三維觀測(cè)，多角度直觀呈現(xiàn)檢驗(yàn)過程中特征點(diǎn)的提取、差異點(diǎn)的分析和比對(duì)，還原或者模擬筆跡書寫過程，破解筆跡檢驗(yàn)“過程黑盒”，同時(shí)也可為鑒定人出庭示證提供有力支撐。筆跡可視化處理的技術(shù)路徑包括圖像預(yù)處理、筆跡特征結(jié)構(gòu)化轉(zhuǎn)換與數(shù)據(jù)化計(jì)算兩個(gè)步驟。為便于論述，本實(shí)驗(yàn)選取字跡為“張楊”的簽名筆跡作為實(shí)驗(yàn)材料（該項(xiàng)實(shí)驗(yàn)材料源于真實(shí)案例，系某起貪污案件中的筆跡檢驗(yàn)，其實(shí)驗(yàn)結(jié)果也被應(yīng)用于實(shí)際檢驗(yàn)和示證環(huán)節(jié)，很好地印證了技術(shù)路徑的可行性。鑒于案件保密要求，對(duì)“張楊”簽名筆跡材料進(jìn)行去密處理后作為論述對(duì)象），重點(diǎn)論證筆跡檢驗(yàn)可視化處理的最優(yōu)路徑、操作方法及筆跡特征點(diǎn)的標(biāo)注方法。

2 筆跡檢驗(yàn)圖像預(yù)處理的路徑分析

筆跡檢驗(yàn)圖像預(yù)處理是為了獲取更好的圖像效果并鎖定可視化處理區(qū)域，而對(duì)筆跡原始圖像所做的一系列優(yōu)化處理。筆者通過實(shí)驗(yàn)分析，將圖像預(yù)處理路徑劃分為圖像處理和字符拆分兩部分，以“張楊”簽名字跡為例論述，并以此具體闡述圖片處理的必要性和字符拆分規(guī)則。

2.1 圖像二值化和濾波處理

由于紙張的材質(zhì)、檢驗(yàn)時(shí)的光照及圖片中的噪聲，會(huì)產(chǎn)生大量無用的特征點(diǎn)，影響后續(xù)特征點(diǎn)提取的準(zhǔn)確性。因此，需要對(duì)原始圖像進(jìn)行二值化處理，使整個(gè)圖像區(qū)域呈現(xiàn)出明顯的黑白效果。經(jīng)過圖像二值化處理，圖片中無用的數(shù)據(jù)量大幅減少，進(jìn)而能夠凸顯目標(biāo)輪廓。

圖1（a）為原始輸入圖像，受紙張材質(zhì)、光照等因素影響，字跡周圍散布大量墨點(diǎn)，因紙張材質(zhì)的凹凸形成了一些溝痕，光照也影響了部分筆畫的清晰度。計(jì)算機(jī)對(duì)特征點(diǎn)的捕捉不同于人的觀察，至少到目前為止是無法自動(dòng)過濾無用特征點(diǎn)的，因此，有必要通過圖片二值化的方法將無用特征點(diǎn)去除。圖1（b）是對(duì)原始圖像二值化處理后的圖像，已經(jīng)去除了紙張、墨跡和光照等干擾因素，字跡特征點(diǎn)更加突出。

圖1 圖像二值化處理

圖像數(shù)據(jù)二值化處理后，對(duì)圖片進(jìn)行濾波處理，二值化處理主要是針對(duì)外在影響筆跡清晰度的因素，而濾波處理主要針對(duì)數(shù)字圖像系統(tǒng)本身影響筆跡清晰度的因素，即圖像噪音。圖像噪音是在電子圖像形成過程中產(chǎn)生的無用的或者多余的干擾信息?，F(xiàn)今，大部分?jǐn)?shù)字圖像系統(tǒng)，圖像輸入時(shí)基本采取的是“凍結(jié)-掃描”方式，將多維圖像變成一系列的電信號(hào)，然后對(duì)電信號(hào)進(jìn)行處理、存儲(chǔ)、傳輸?shù)茸儞Q加工。此過程中，圖像噪聲也同樣經(jīng)歷上述的分解組合，從而使人眼（包括計(jì)算機(jī)）對(duì)圖像噪聲的精準(zhǔn)分析變得更為困難。以“張楊”簽名筆跡為例，檢驗(yàn)中采集的簽名筆跡圖像不可避免地含有一定的噪聲，這些噪聲在圖像中通常以孤立的像素點(diǎn)形式呈現(xiàn)，噪聲像素會(huì)對(duì)后續(xù)特征提取造成干擾，為了提升筆跡可視化處理的精度，需要對(duì)輸入圖像進(jìn)行數(shù)字濾波去噪處理。

對(duì)圖像的像素（x,y）進(jìn)行濾波處理，計(jì)算公式如下：

其中，f' (x,y)是濾波后的像素值，f (x,y)是原始圖像中的像素值，z是歸一化參數(shù)。

其中，參數(shù)Ω表示像素（x,y）相鄰區(qū)域的像素，參數(shù)ω（i,j）表示當(dāng)前像素的權(quán)重。

需要說明的是，針對(duì)圖像噪聲處理有多種濾波方法，例如高斯濾波、雙邊濾波等。但高斯濾波是對(duì)圖像中每一像素周圍指定范圍內(nèi)的像素分配不同的高斯權(quán)重，加權(quán)平均得到的處理結(jié)果，高斯濾波考慮了像素空間位置，但忽略了圖像邊緣像素的特殊性。而筆跡檢驗(yàn)特征點(diǎn)提取時(shí)，對(duì)圖像邊緣像素的要求較高，因而高斯濾波不適用于筆跡檢驗(yàn)可視化處理需求。而雙邊濾波是一種非線性的濾波方法，較之高斯濾波多了一個(gè)高斯方差，是結(jié)合圖像空間臨近度和灰度相似性，實(shí)現(xiàn)保邊去噪目的，更為適合對(duì)筆跡檢驗(yàn)圖像的處理。以“張楊”簽名筆跡為例，高斯濾波和雙邊濾波處理結(jié)果如圖2所示，在“張”字的“弓”部，“楊”字的豎畫及折畫等邊緣特征點(diǎn)上，雙邊濾波的處理效果明顯好于高斯濾波。因此，本實(shí)驗(yàn)選取改進(jìn)的雙邊濾波方法對(duì)圖像進(jìn)行濾波處理。

圖2 圖片濾波處理

2.2 字符切分原因及方法

經(jīng)過二值化、濾波處理后的圖像，簽名筆跡的特征點(diǎn)更為突出，但整個(gè)圖像仍然存在多余部分，如圖片右下角的黑點(diǎn)、兩道橫線等。針對(duì)此類問題，需在特征提取之前通過進(jìn)行字符分割，以實(shí)現(xiàn)計(jì)算機(jī)對(duì)圖像有效部分的精準(zhǔn)抓取。

字符分割有多種方法，經(jīng)實(shí)驗(yàn)論證，在筆跡可視化處理中采用投影分割法對(duì)字符進(jìn)行切分比較恰當(dāng)。投影分割法的原理是對(duì)二值化、濾波處理后圖片的像素分布直方圖進(jìn)行分析，找出字符分界點(diǎn)，對(duì)字符進(jìn)行分割。筆跡檢驗(yàn)形成的大部分可視化資料，其應(yīng)用價(jià)值取決于圖片像素。在可視化處理過程中，計(jì)算機(jī)對(duì)筆跡的識(shí)別效果也同像素直接關(guān)聯(lián)，如果像素值低于最低識(shí)別值，則計(jì)算機(jī)無法識(shí)別該筆跡。同時(shí)計(jì)算機(jī)對(duì)圖片中有效及無效筆跡的區(qū)分，也主要是依據(jù)像素值識(shí)別的。以“張楊”簽名筆跡為例，圖3所示是橫向和縱向投影后的像素分布直方圖，根據(jù)（a）和（b）投影直方圖特點(diǎn)，對(duì)兩個(gè)方向的投影像素進(jìn)行閾值限定，滿足閾值范圍內(nèi)的像素被認(rèn)定為有效像素。閾值是自動(dòng)識(shí)別系統(tǒng)中生成的一個(gè)校正動(dòng)作的最小輸入值，于筆跡可視化處理而言，其是能夠反映筆跡特征校正的最小像素值。在后續(xù)的筆跡可視化處理程序設(shè)計(jì)時(shí)，閾值限定和有效像素選取將被設(shè)計(jì)成為人工操作節(jié)點(diǎn)，系統(tǒng)將在此節(jié)點(diǎn)生成選擇提示項(xiàng)，供操作者選取并點(diǎn)擊確定后，系統(tǒng)才進(jìn)行下一步處理。如在對(duì)圖2（c）進(jìn)行橫向和縱向兩個(gè)方向投影后，得到圖像大小為432×324像素，此數(shù)值即為有效像素的閾值范圍。但是圖3（b）縱軸投影像素分布直方圖在30～40、205～215區(qū)域內(nèi)像素累計(jì)數(shù)達(dá)到400以上，雖在閾值范圍內(nèi)，但顯然該區(qū)域?qū)?yīng)的是圖2（c）中兩條橫線的投影像素，這部分像素非字符像素，為無效像素，應(yīng)予以排除。

圖3 投影像素分布直方圖

確定有效像素后，接下來便是對(duì)字符進(jìn)行分割。系統(tǒng)會(huì)選取字符各邊界位置，如最左側(cè)、最右側(cè)等，操作者根據(jù)系統(tǒng)劃分提示，調(diào)整字符像素區(qū)間范圍，去除錯(cuò)誤分割并提交，系統(tǒng)在對(duì)圖像完成歸一化處理后，根據(jù)設(shè)定的閾值完成字符劃分。如“張楊”簽名筆跡所示，根據(jù)圖3中的投影像素分布直方圖直接對(duì)圖2（c）輸入圖像進(jìn)行字符分割，分割結(jié)果如圖4所示。位置x1表示字符最左側(cè)像素的位置，x6表示字符最右側(cè)像素的位置，y1表示字符最上方像素的位置，y2表示字符最下方像素的位置。

圖4 根據(jù)投影像素直方圖直接字符分割結(jié)果

圖4中位置x4和x5為兩個(gè)字符之間的間距，但x2和x3將左右結(jié)構(gòu)字符分割為兩個(gè)字符，故為錯(cuò)誤的分割。因而在分割過程中，需要調(diào)整字符像素區(qū)間范圍：對(duì)輸入圖像進(jìn)行檢測(cè)，將簽名字符整體劃分切割，然后對(duì)圖像進(jìn)行歸一化處理，以保證圖像大小一致，再設(shè)定閾值對(duì)單字符進(jìn)行劃分，結(jié)果如圖5所示。

圖5 歸一化調(diào)整閾值后字符分割結(jié)果

3 筆跡特征結(jié)構(gòu)化處理的方法及規(guī)則

雖然書寫習(xí)慣因人而異，不同書寫者的筆跡千差萬別，但依據(jù)書寫動(dòng)力定型理論，一套書寫動(dòng)作是在比較穩(wěn)定的神經(jīng)系統(tǒng)支配下所形成的，書寫者的筆跡由書寫動(dòng)作系統(tǒng)形成，大多數(shù)成年書寫者會(huì)形成書寫動(dòng)作系統(tǒng)化的習(xí)慣，并反映在筆跡的書寫特征中[1]。這些特征表現(xiàn)在筆跡的整體布局關(guān)系之內(nèi)，如單字的形體大小與結(jié)構(gòu)成分，偏旁筆畫之間的搭配比例關(guān)系，以及筆順特征、運(yùn)筆特征等[2]，一般而言，正常書寫人的上述特征相對(duì)穩(wěn)定，不同書寫者的書寫習(xí)慣也是通過上述特征表現(xiàn)出來的。筆跡可視化中的特征結(jié)構(gòu)化處理，即是依據(jù)上述書寫特征理論，通過邊緣檢測(cè)和空間變換檢測(cè)的方式，標(biāo)記出筆跡特征信息；通過筆跡數(shù)據(jù)庫中的存儲(chǔ)信息，分析筆跡特征的屬性及價(jià)值（筆跡數(shù)據(jù)庫的建設(shè)需要一個(gè)過程，并且要達(dá)到量的積累，在此之前可采用人工標(biāo)注的方法替代，系統(tǒng)程序設(shè)計(jì)時(shí)將在此處加設(shè)人工操作節(jié)點(diǎn)。待操作人員完成特征點(diǎn)標(biāo)注并提交后，系統(tǒng)對(duì)提取的特征點(diǎn)進(jìn)行分類整理和特征分析，從而得到筆跡信息的結(jié)構(gòu)化數(shù)據(jù)）。

3.1 字符謀篇布局特征的結(jié)構(gòu)化處理

字符謀篇布局即書寫筆跡的整體章法和字陣特征，前者體現(xiàn)在字符位置、字符邊緣留空等方面，而后者字陣特征作為漢字的獨(dú)有特征，包括字符的大小、字間距、行間距、字行走勢(shì)及彼此間的變化與配合。一般而言，長篇筆跡更能體現(xiàn)字符謀篇布局特征，但鑒于本研究旨在論證筆跡可視化處理方法的可行性，對(duì)檢驗(yàn)效果未做高質(zhì)量要求，故仍以“張楊”簽名筆跡為例闡述。字符謀篇布局特征的結(jié)構(gòu)化處理，一般是通過計(jì)算單個(gè)字符與整體字跡的位置關(guān)系和比例關(guān)系來體現(xiàn)的，計(jì)算機(jī)程序識(shí)別不同于人眼的直觀觀察，前者需要數(shù)值化處理，其優(yōu)點(diǎn)在于特征描述更為精準(zhǔn)，缺點(diǎn)在于要逐次設(shè)定特征提取標(biāo)準(zhǔn)。針對(duì)筆跡可視化處理而言，字符謀篇布局特征主要靠寬度和高度的比值來標(biāo)注，通過寬度之間、高度之間、寬度和高度之間各標(biāo)注值與整體篇幅比值的計(jì)算，反映字符的位置和大小、傾斜走勢(shì)等特征。標(biāo)注的規(guī)則是，以整體布局為載體，梯次計(jì)算所要標(biāo)注字符的寬度與高度比值，標(biāo)注點(diǎn)的選取根據(jù)字符特征自動(dòng)節(jié)選橫向與縱向的突出點(diǎn)位，并以突出點(diǎn)位為圓心，以水平或垂直為方向平行劃線，經(jīng)計(jì)算機(jī)運(yùn)算處理后輸出字符謀篇布局特征的結(jié)構(gòu)化處理數(shù)據(jù)。在計(jì)算機(jī)運(yùn)算處理時(shí)，字符寬度基準(zhǔn)值設(shè)定為提取字符最小外接矩陣的寬度，字符最小外接矩陣指的是能包含字符所有像素的最小矩陣，計(jì)算機(jī)識(shí)別和提取筆跡特征數(shù)據(jù)是以像素值為依據(jù)的。如圖6所示，以整個(gè)簽名筆跡上下左右四點(diǎn)位為圓心勾畫水平和垂直連線，形成的矩形部分作為“張楊”簽名筆跡的整體布局范圍。L1為整體簽名寬度，L2為第二個(gè)字符“楊”字的字符寬度。L2與L1的比例關(guān)系體現(xiàn)了“楊”字符最大寬度同筆跡整體布局的比例特征關(guān)系。當(dāng)然系統(tǒng)不止截取此一處特征，諸如“張”字的最大寬度、“楊”字的最小寬度、“弓”部的最大寬度等，處理的方法同“L1和L2”的標(biāo)注方法相同，故不贅述。

圖6 字符謀篇布局特征

需要說明的是，圖6展示的是字符寬度與整體字跡的比例關(guān)系，在字符謀篇布局特征的結(jié)構(gòu)化處理過程中，需要同時(shí)選取字符寬度和高度作為匹配特征，高度特征處理與寬度特征處理方法一致，最終系統(tǒng)根據(jù)操作者預(yù)先設(shè)定的提取規(guī)則，逐次完成該簽名字跡寬度和高度之間的比值計(jì)算，輸出結(jié)構(gòu)化數(shù)據(jù)結(jié)果。

3.2 字符間分布特征的結(jié)構(gòu)化處理

字符間分布特征主要體現(xiàn)在字符的垂直和傾斜形態(tài)，嚴(yán)格意義而言，字符的謀篇布局特征包含了垂直和傾斜。但在筆跡可視化處理過程中，字符垂直和傾斜并非采用計(jì)算寬度和高度之間的比值來標(biāo)注，而是通過對(duì)單個(gè)字符的重心位置進(jìn)行測(cè)量后，再與整體布局的基準(zhǔn)線進(jìn)行比值計(jì)算后輸出結(jié)構(gòu)化數(shù)據(jù)結(jié)果。字符重心指的是字符最小外接矩陣的重心，如圖7所示O1為第一個(gè)字符的重心，O2為第二個(gè)字符的重心。

圖7 字符間分布特征

在筆跡檢驗(yàn)中，字符的傾斜特征是穩(wěn)定性較強(qiáng)的，但受書寫環(huán)境和書寫姿態(tài)的影響，同一書寫人的字符傾斜形態(tài)會(huì)呈現(xiàn)視覺性差異。在筆跡可視化處理研究中，為解決觀測(cè)的視覺性差異，設(shè)計(jì)了傾斜線與重心基本線，通過兩線夾角的計(jì)算值精確標(biāo)注字符傾斜度。具體方法是在確定字符重心后，以字符重心和選取的反映字符垂直和傾斜的特征點(diǎn)進(jìn)行連線，此類線條可稱為“傾斜線”，計(jì)算傾斜線與重心基本線（圖7中紅線）的比值，傾斜線數(shù)量根據(jù)字符特征點(diǎn)數(shù)量選定，通過計(jì)算機(jī)程序?qū)ι鲜鲂纬傻南盗袛?shù)值進(jìn)行處理運(yùn)算，得到字符垂直和傾斜形態(tài)的結(jié)構(gòu)化處理數(shù)據(jù)。

3.3 字符形狀特征的結(jié)構(gòu)化處理

字符形狀是指單個(gè)字符長、方、扁、圓等外部特征，字符形狀特征的結(jié)構(gòu)化處理以單個(gè)字符的特征為載體，通過計(jì)算單個(gè)字符外接矩陣的寬和高的比值來體現(xiàn)字符形狀特征。在筆跡可視化處理中，對(duì)字符形狀特征的標(biāo)注，兼采寬、高比值和字符重心兩種方法。如圖8所示，結(jié)構(gòu)化處理后的數(shù)據(jù)關(guān)系為：L2為字符“楊”外接矩陣的寬度；g2為字符“楊”外接矩陣的高度；寬度L2與高度g2的比值體現(xiàn)了字符“楊”的形狀特征。

圖8 字符形狀特征

當(dāng)然，形狀特征不限于單一高度和寬度的比值，圖8是以垂直90度縱軸為參照，如果以字符重心為基點(diǎn)，參照軸線向右傾斜45度，則會(huì)得到一組新的高度和寬度比值。以此類推，具體取幾組數(shù)據(jù)依字符特征點(diǎn)多少而定。隨后通過計(jì)算機(jī)程序?qū)ο盗袛?shù)值處理運(yùn)算，輸出字符形狀特征的結(jié)構(gòu)化數(shù)據(jù)。

3.4 字符細(xì)節(jié)特征的結(jié)構(gòu)化處理

字符細(xì)節(jié)特征是區(qū)分不同書寫字跡的核心，因而字符細(xì)節(jié)特征結(jié)構(gòu)化處理也是筆跡可視化的關(guān)鍵。字符細(xì)節(jié)特征包括起收筆特征、連筆特征、筆順特征等方面。在字符細(xì)節(jié)特征結(jié)構(gòu)化處理時(shí)，主要采用“割線分區(qū)”的方法對(duì)特征點(diǎn)進(jìn)行數(shù)字化標(biāo)注。割線分區(qū)法是在筆跡可視化處理區(qū)域內(nèi)劃定眾多水平和垂直的割線，形成眾多的網(wǎng)格，計(jì)算機(jī)通過讀取網(wǎng)格間像素差值并測(cè)算相互之間的差異關(guān)系，借此識(shí)別字符的細(xì)節(jié)特征。割線分區(qū)法借助對(duì)像素差值的測(cè)算，計(jì)算相同筆跡細(xì)節(jié)特征的像素差值，以此表征筆跡的細(xì)節(jié)特征并判斷其相似度。至于起收筆、折筆、連筆、筆順等特征點(diǎn)的選取則可設(shè)計(jì)為自動(dòng)選取，亦可在自動(dòng)選取的基礎(chǔ)上進(jìn)行人工篩選。如圖9所示，簽名“張楊”筆跡的起筆、轉(zhuǎn)折、連筆等特征便是根據(jù)網(wǎng)格像素值的計(jì)算結(jié)果自動(dòng)標(biāo)注的，程序設(shè)計(jì)在此處也加入了人工操作節(jié)點(diǎn)，可以對(duì)程序選定的特征點(diǎn)進(jìn)行修正。

圖9 字符細(xì)節(jié)特征

至此，筆跡特征的結(jié)構(gòu)化處理基本完成。筆跡圖像結(jié)構(gòu)化處理實(shí)質(zhì)是將圖像數(shù)字化，轉(zhuǎn)換為計(jì)算機(jī)能夠識(shí)別的語言，其輸出的可視結(jié)果是對(duì)特征的標(biāo)記，每個(gè)標(biāo)記背后對(duì)應(yīng)的是一組數(shù)據(jù)值，這些數(shù)據(jù)值是筆跡特征數(shù)據(jù)化計(jì)算的基礎(chǔ)，也是筆跡特征數(shù)據(jù)庫建設(shè)的重要數(shù)據(jù)源。

4 筆跡特征數(shù)據(jù)化計(jì)算

在完成筆跡特征的結(jié)構(gòu)化處理后，通過預(yù)先設(shè)計(jì)的軟件程序進(jìn)行數(shù)據(jù)化運(yùn)算，輸出筆跡圖像的特征量化值、三維測(cè)量值等結(jié)果。

4.1 字符特征量化值

前述經(jīng)過結(jié)構(gòu)化處理的筆跡特征，經(jīng)數(shù)據(jù)化運(yùn)算后生成筆跡特征值，如圖10所示。筆跡特征值是以字符細(xì)節(jié)特征量化標(biāo)注為主要測(cè)算對(duì)象，同時(shí)兼顧字符謀篇布局特征、字符間分布特征、字符形狀特征等特征結(jié)構(gòu)化數(shù)據(jù)的運(yùn)用。如“張”字起筆特征，根據(jù)“割線分區(qū)”的方法，起筆區(qū)域被分割成眾多網(wǎng)格，通過計(jì)算網(wǎng)格間像素差異值得出曲度率為0.3，“張”字首筆橫畫則是根據(jù)平行角度計(jì)算出平行度為0.8，字間距的計(jì)算值0.8根據(jù)字陣特征值中的寬度比值計(jì)算得出。

圖10 字符細(xì)節(jié)特征量化

4.2 三維建模及比對(duì)

筆跡三維建模的方法是根據(jù)筆跡定量化的結(jié)構(gòu)數(shù)據(jù)生成結(jié)構(gòu)輪廓，進(jìn)行三維自動(dòng)建模。一般在三維建模時(shí)，需要經(jīng)過渲染程序，渲染是一種高端的“著色”技術(shù)，可以使生成的圖像更符合實(shí)際場(chǎng)景。在筆跡三維建模過程中，采用點(diǎn)集方式替代傳統(tǒng)的三角形或多邊形網(wǎng)格來構(gòu)建物體表面，既能滿足筆跡可視化建模的需要，也有助于簡化各階段的處理與顯示，如圖11所示。

圖11 筆跡三維建模圖

對(duì)筆跡進(jìn)行三維建模的主要目的是實(shí)現(xiàn)對(duì)兩幅或多幅圖像之間筆跡特征的對(duì)比分析，并計(jì)算筆跡信息的相似度，如圖12所示。此外，還可根據(jù)量化的特征點(diǎn)，可視化還原筆跡書寫過程。

圖12 字符相似度比對(duì)可視化效果圖

以上是以“張楊”簽名筆跡的特征數(shù)據(jù)值為輸入數(shù)據(jù)，旨在闡明筆跡三維建模后輸出的相關(guān)效果圖樣，但并不代表輸出結(jié)果僅限于此，或者每份輸出結(jié)果均包含以上信息項(xiàng)。概括而言，筆跡可視化處理后形成的筆跡特征量化值和三維圖像，能夠從整體章法、大小規(guī)律、傾斜度、字間距、行間距、行勢(shì)、字的結(jié)構(gòu)、筆畫特征等諸多角度進(jìn)行標(biāo)注、比對(duì)和分析，從而將筆跡檢驗(yàn)可視化應(yīng)用提升到新的層面高度。

5 筆跡可視化處理中建模和編程

筆跡可視化處理是筆跡檢驗(yàn)技術(shù)同計(jì)算機(jī)建模、編程技術(shù)結(jié)合運(yùn)用的典型樣例，在對(duì)筆跡檢驗(yàn)可視化處理過程中，筆跡檢驗(yàn)方法是基礎(chǔ)，計(jì)算機(jī)建模和編程技術(shù)是工具，其結(jié)合應(yīng)用的目標(biāo)歸納為特征數(shù)據(jù)化、依據(jù)可視化和檢驗(yàn)智能化三方面。作為筆跡可視化處理研究，可以將其中的建模和編程的具體工作委托給相關(guān)專業(yè)技術(shù)人員，但對(duì)于建模和編程中涉及筆跡圖像處理、筆跡特征點(diǎn)標(biāo)注等問題，則需要結(jié)合筆跡檢驗(yàn)技術(shù)規(guī)范，由筆跡檢驗(yàn)研究人員完成構(gòu)思設(shè)計(jì)。

5.1 筆跡可視化處理中的建模

筆跡可視化處理中的三維建模是通過對(duì)筆跡特征結(jié)構(gòu)化數(shù)據(jù)的處理，根據(jù)已有的知識(shí)和經(jīng)驗(yàn)來構(gòu)建模型并輸出三維圖像，其總體思路是圍繞三維立體化展示筆跡特征點(diǎn)的目標(biāo)開展的。因而在建模過程中，尤為強(qiáng)調(diào)特征點(diǎn)的抓取和比對(duì)，前者的關(guān)鍵是盡可能多地對(duì)有效特征點(diǎn)進(jìn)行描述，同時(shí)去除無效特征點(diǎn)；后者的關(guān)鍵是設(shè)定合理的筆跡建模規(guī)范，盡可能多地包攬差異點(diǎn)的相互比對(duì)?；诖耍P跡可視化處理研究人員在建模的思路設(shè)計(jì)中主要完成的任務(wù)有兩方面，一是梳理筆跡特征點(diǎn)的標(biāo)注方法并形成知識(shí)圖譜供計(jì)算機(jī)學(xué)習(xí)，二是制定特征差異點(diǎn)評(píng)斷的技術(shù)規(guī)范作為計(jì)算機(jī)評(píng)斷的標(biāo)準(zhǔn)。以前文為例，對(duì)“張楊”簽名筆跡原始圖像的二值化濾波處理，主要目的便是去除無效特征點(diǎn)；對(duì)筆跡特征的結(jié)構(gòu)化、數(shù)據(jù)化處理，是應(yīng)用圖像處理技術(shù)將標(biāo)注的筆跡特征點(diǎn)轉(zhuǎn)化為計(jì)算機(jī)可以識(shí)別的數(shù)據(jù)信息。該過程中使用的特征點(diǎn)提取方法和數(shù)據(jù)計(jì)算路徑，可以視作研究人員設(shè)定的供計(jì)算機(jī)識(shí)別、評(píng)斷和建模用的技術(shù)規(guī)范。當(dāng)然，此處的技術(shù)規(guī)范不具有普遍應(yīng)用性，僅適用于舉例筆跡的可視化處理。

5.2 筆跡可視化處理中的編程

在筆跡可視化處理過程中，需要編寫一套可視化處理操作程序，借此完成諸如特征點(diǎn)提取、標(biāo)注、比對(duì)等內(nèi)容項(xiàng)的銜接。操作程序是重要的工具，是將各類技術(shù)融合的橋梁。但在筆跡可視化處理研究中，其重點(diǎn)不是闡述操作程序是如何編寫的，而是著重闡釋操作程序在筆跡可視化過程中所發(fā)揮的作用。筆跡的原始圖像一般是視覺性的圖片，計(jì)算機(jī)對(duì)這些原始圖片的讀取和處理需要多種軟件技術(shù)，如前文提到的二值化處理技術(shù)、三維建模技術(shù)等。操作程序?qū)⑦@些技術(shù)依筆跡可視化處理的需求整合到統(tǒng)一平臺(tái)，以此簡化操作步驟，提升應(yīng)用效率。同時(shí)，筆跡可視化操作程序根據(jù)筆跡檢驗(yàn)的技術(shù)步驟設(shè)計(jì)了部分處理節(jié)點(diǎn)，用以人工修正和補(bǔ)充特征點(diǎn)，彌補(bǔ)因計(jì)算機(jī)識(shí)別錯(cuò)誤或數(shù)據(jù)庫缺失等原因?qū)е碌目梢暬幚碚`差。

5.3 筆跡可視化處理中特征權(quán)重計(jì)算

在筆跡可視化處理過程中，字符謀篇布局特征、字符間分布特征、字符形狀特征、字符細(xì)節(jié)特征對(duì)筆跡檢驗(yàn)的作用權(quán)重是存在差異的，而且不同類型的筆跡檢驗(yàn)，如整篇多段落筆跡相對(duì)于單個(gè)簽名筆跡而言，謀篇布局特征的權(quán)重自然是不同的。為此，在系統(tǒng)設(shè)計(jì)時(shí)設(shè)置了兩套參數(shù)：一是相同特征體系比較生成的相似度數(shù)值，二是不同特征體系的權(quán)重差異值，兩者的乘積即為該項(xiàng)特征的量化計(jì)算值。目前已經(jīng)研發(fā)的量化評(píng)測(cè)系統(tǒng)，一般采用宏觀層次特征、中觀層次特征和微觀層次特征表征量化評(píng)價(jià)，并賦予不同權(quán)重值[3]。但限于筆跡特征數(shù)據(jù)庫尚不夠完善，因而設(shè)計(jì)了人工修正權(quán)重差異值的操作環(huán)節(jié)，以便根據(jù)具體檢驗(yàn)筆跡的特征體系修正權(quán)重。

總之，在筆跡可視化處理中，可視化資料是基礎(chǔ)，筆跡檢驗(yàn)規(guī)范是準(zhǔn)則，而建模和編程的應(yīng)用是創(chuàng)新載體，正是其深挖出筆跡可視化資料的價(jià)值，使得筆跡可視化處理具有了全新的研究意義。

6 筆跡可視化處理后的應(yīng)用分析

筆跡可視化處理后的應(yīng)用依托于可視化處理生成的“產(chǎn)品”，包括筆跡特征點(diǎn)的數(shù)據(jù)化標(biāo)注、筆跡形態(tài)的三維比對(duì)、書寫形態(tài)的動(dòng)態(tài)展示，以及生成上述結(jié)果所依托的結(jié)構(gòu)化數(shù)據(jù)。筆跡可視化的著眼點(diǎn)是對(duì)筆跡檢驗(yàn)鑒定過程中產(chǎn)生的圖像資料進(jìn)行“深加工”，以此形成的一系列“副產(chǎn)品”，關(guān)于其應(yīng)用定位，目前存有很大爭(zhēng)議，焦點(diǎn)為其是否能應(yīng)用于檢驗(yàn)鑒定。而關(guān)于其應(yīng)用價(jià)值的評(píng)述，則意見較為一致，主要體現(xiàn)在構(gòu)筑筆跡檢驗(yàn)智能化的基礎(chǔ)和輔助鑒定人出庭示證兩方面。

6.1 筆跡可視化處理的應(yīng)用定位

綜合現(xiàn)有的各方爭(zhēng)論而言，目前技術(shù)條件下的筆跡可視化處理無法應(yīng)用于檢驗(yàn)鑒定：一是現(xiàn)今筆跡可視化處理的原始圖像資料，基本是檢驗(yàn)鑒定過程中形成的鑒定意見的依據(jù)，可視化處理不過是對(duì)已有依據(jù)的再加工，沒有必要用再次處理的結(jié)果去證明本已經(jīng)被證實(shí)的結(jié)論意見。二是可視化處理過程中涉及的諸多技術(shù)處理方法并未得到權(quán)威認(rèn)可，如前文提及的根據(jù)像素值提取計(jì)算特征點(diǎn)，在技術(shù)原理上具有可行性，而使用規(guī)范和效果評(píng)定方面卻并未有國家標(biāo)準(zhǔn)或行業(yè)標(biāo)準(zhǔn)或業(yè)內(nèi)普遍認(rèn)可的技術(shù)標(biāo)準(zhǔn)予以確認(rèn)，如此就不能應(yīng)用于檢驗(yàn)鑒定。但從發(fā)展角度來看，筆跡可視化處理在解決數(shù)據(jù)庫存儲(chǔ)和技術(shù)標(biāo)準(zhǔn)規(guī)范化問題后，仍存有將可視化輸出結(jié)果直接作為鑒定意見依據(jù)使用的可能。

因此，筆跡可視化處理目前在檢驗(yàn)鑒定中主要發(fā)揮的是輔助性作用：一是對(duì)檢驗(yàn)結(jié)果進(jìn)行檢測(cè)。雖然在現(xiàn)階段，可視化處理基本是對(duì)業(yè)已形成檢驗(yàn)鑒定意見的圖像資料的處理，即在對(duì)圖像可視化處理前鑒定意見已經(jīng)形成，但是可視化處理后的比對(duì)分析及數(shù)值化測(cè)量仍能發(fā)揮檢測(cè)鑒定意見的作用。如果將筆跡檢驗(yàn)可視化圖像處理后，呈現(xiàn)的各項(xiàng)特征值與原檢測(cè)結(jié)果差異較大，則要認(rèn)真復(fù)查原檢驗(yàn)過程和結(jié)論。二是輔助進(jìn)行樣本查找?？陀^而言，輔助樣本查找是個(gè)案性應(yīng)用，適用于檢驗(yàn)樣本數(shù)量大并且無法具體確定的情況。由于自動(dòng)高清掃描等技術(shù)的應(yīng)用，已經(jīng)能夠批量完成檢材和樣本圖像的采集。在此前提下，當(dāng)需要對(duì)數(shù)量巨大的樣本進(jìn)行篩選時(shí)，便可應(yīng)用可視化處理軟件，自動(dòng)生成相似度數(shù)值，對(duì)于相似度低于一定數(shù)值的（數(shù)值如何選定，依據(jù)個(gè)案中檢材樣本實(shí)際條件而定）便可直接予以排除，以此達(dá)成提升檢驗(yàn)效率的目的。

6.2 筆跡可視化處理為筆跡檢驗(yàn)智能化奠定基礎(chǔ)

大數(shù)據(jù)、人工智能技術(shù)的應(yīng)用改變了人們的生活，也影響著各學(xué)科領(lǐng)域的發(fā)展，筆跡檢驗(yàn)同樣無法回避智能化檢驗(yàn)這個(gè)發(fā)展面向。一般情況下，智能化相關(guān)技術(shù)應(yīng)用到某領(lǐng)域需要三個(gè)條件：一是通用的AI能力，即通用的算法、模型達(dá)到該領(lǐng)域應(yīng)用需求；二是行業(yè)的AI能力，在通用AI基礎(chǔ)上，加上自己的行業(yè)技術(shù)特征，對(duì)筆跡檢驗(yàn)領(lǐng)域而言，即是筆跡檢驗(yàn)特征的智能標(biāo)注和智能比對(duì)能力達(dá)到實(shí)際應(yīng)用的標(biāo)準(zhǔn)；三是面向用戶的輔助檢驗(yàn)工具和系統(tǒng)（應(yīng)用模型）。而目前以上三個(gè)條件在筆跡檢驗(yàn)領(lǐng)域都不具備，究其根源是缺少基礎(chǔ)數(shù)據(jù)，無論是通用的AI能力還是行業(yè)AI能力，抑或是應(yīng)用工具模型的構(gòu)建，都需要大量的結(jié)構(gòu)化數(shù)據(jù)組成的數(shù)據(jù)庫。筆跡的可視化處理形成的結(jié)構(gòu)化數(shù)據(jù)是未來筆跡檢驗(yàn)數(shù)據(jù)庫的重要數(shù)據(jù)來源，筆跡可視化處理過程將為傳統(tǒng)檢驗(yàn)方法和智能化檢驗(yàn)手段相契合提供重要的路徑參考。再者，筆跡可視化處理中筆跡特征點(diǎn)的提取和數(shù)值計(jì)算方法有助于推動(dòng)該領(lǐng)域AI能力的提升，可視化操作軟件也可以作為智能化應(yīng)用模型的基礎(chǔ)?？傮w而言，筆跡可視化處理的智能化應(yīng)用仍處于初級(jí)階段，主要價(jià)值體現(xiàn)在數(shù)據(jù)庫的積累和機(jī)器自學(xué)習(xí)的訓(xùn)練，并以此構(gòu)筑筆跡檢驗(yàn)智能化的基礎(chǔ)。對(duì)筆跡可視化處理的研究，實(shí)質(zhì)上也是在探索筆跡檢驗(yàn)智能化檢驗(yàn)的路徑。如果依照可視化處理的路徑，將檢材和樣本圖像進(jìn)行二值化、濾波處理后，系統(tǒng)自動(dòng)標(biāo)記筆跡的特征點(diǎn)并進(jìn)行比較分析，輸出數(shù)值化比對(duì)結(jié)果，依此研判書寫者的書寫習(xí)慣并得出鑒定意見，即是標(biāo)準(zhǔn)的智能化檢驗(yàn)?zāi)Ｊ?，只不過目前其受限于兩方面關(guān)鍵性條件：一是缺乏圖像處理標(biāo)準(zhǔn)，導(dǎo)致無法證明對(duì)圖像的處理是否改變了筆跡原有特征；二是缺少筆跡特征數(shù)據(jù)庫，計(jì)算機(jī)程序無法對(duì)筆跡特征點(diǎn)自動(dòng)抓取比對(duì)。但在筆跡可視化處理中，經(jīng)論證并使用的圖像處理方法和筆跡特征點(diǎn)的結(jié)構(gòu)化處理方法、數(shù)據(jù)化計(jì)算方法等，都是筆跡檢驗(yàn)智能化的關(guān)鍵技術(shù)，申言之，筆跡可視化處理為筆跡檢驗(yàn)智能化奠定了基礎(chǔ)。

6.3 筆跡可視化處理輔助鑒定人出庭示證

近年來，有關(guān)鑒定人出庭的規(guī)定愈發(fā)明確，鑒定人出庭率也呈上升趨勢(shì)，如刑事訴訟法第192條即明確規(guī)定“人民法院認(rèn)為鑒定人有必要出庭的，鑒定人應(yīng)當(dāng)出庭作證，經(jīng)人民法院通知，鑒定人拒不出庭作證，鑒定意見不得作為定案根據(jù)”，修訂后的《司法鑒定程序通則》也專設(shè)第5章，用以規(guī)范“司法鑒定人出庭作證”。上述規(guī)定的出臺(tái)，促使檢驗(yàn)鑒定由書面表述進(jìn)入示證表達(dá)，如何在法庭上將專業(yè)的技術(shù)檢驗(yàn)流程和鑒定意見向非專業(yè)的訴訟參與人解釋清楚，成為司法鑒定人必須直面的問題。于筆跡檢驗(yàn)鑒定而言，出庭示證最難闡釋的部分在于檢驗(yàn)過程的重塑和分析過程的演示，這部分內(nèi)容經(jīng)常面臨“可意會(huì)卻不可言傳”的窘境，即所謂的“過程黑盒”。筆跡檢驗(yàn)可視化一定程度上破解了上述難題，如圖10就展示了筆跡檢驗(yàn)的分析過程，較為直觀地回溯了特征點(diǎn)的標(biāo)注和比對(duì)。

7 結(jié)語

筆跡可視化處理的應(yīng)用尚處于探索階段，我們有必要正視其作用。一方面，不能將其作為檢驗(yàn)鑒定技術(shù)使用，至少截至目前，筆跡相關(guān)可視化技術(shù)因缺乏基礎(chǔ)數(shù)據(jù)支撐和應(yīng)用模型，仍無法承擔(dān)檢驗(yàn)鑒定任務(wù)。另一方面，也要正視可視化技術(shù)的發(fā)展前景，未來筆跡可視化處理將成為筆跡檢驗(yàn)研究領(lǐng)域無法回避的課題之一，筆跡智能化檢驗(yàn)同樣也是未來的技術(shù)發(fā)展趨勢(shì)。