[发明专利]计算机笔划变形系统和方法

说明书

技术领域

本发明涉及一种通过计算机模拟来实现书法创作的图像变换系统和方法，尤 其涉及一种计算机笔划变形系统和方法。

背景技术

回顾人工智能诞生至今的半个世纪历程，人们在理解认知、模拟思维实践中， 取得了一次又一次令人鼓舞的成绩，如证明四色定理、战胜国际象棋冠军，说明计 算机系统在某些方面可以超过专门训练的人。然而，对一些最通常的、经过长期进 化形成的认知功能，比如艺术创作、视觉识别、以至下围棋时的辨图与直觉，当今 的思维模拟还不具备婴儿的能力。其根本原因，如同钱学森先生指出的，在于形象 思维这一“瓶颈”。右脑的形象思维对于这类困难的任务，对于把直觉的洞察转换 成逻辑的、言语的序列来说，始终具有极其重要的地位。

形象思维的计算机模拟可以有两个切入点：一是从认知神经科学的基本结论 着手，这是基础的和根本的，只是目前的依据还十分有限；另一是直接从形象思维 过程着手。书法创作是一种典型的形象思维过程。

印第安那大学的Letter Spirit项目对英文字母字体的感知与创作进行建模并模 拟，企图对人类高级感知与创作的中心内容进行建模，设计一个字母的不同风格和 不同字母的同一风格。Hofstadter Douglas等人在CRCC Technical Report，No.68， Bloomington：Indiana University上发表的“An Emergent Model of the Perception and Creation of Alphabetic Style”对此有所描述。该文章通过引用包括在此。该建模方 法是以一个或几个字母作为“种子”，构成某种风格的起始，然后通过四个代理 (Agent)的交互，形成不同的、但风格一致、设计完整的字符集。所述四个代理分 别为想象(Imaginer)、草稿(Drafter)、检查(Examiner)和调整(Adjudicator)，它们是一 个迭代过程。由于“创作”被限制在栅格字体(gridfont)中，其结果仅仅是不同的选 择组合，所以适用于“美术字”的创作，其中基本的点线无需变化。事实上，上 述方法是一种“有导师”的创作，而且未见最后结果。

Grebert I.等在Neural Networks于1992年5月出版的《Connectionist Generalization for Production》上发表了“An Example form Gridfont”一文，提出用 三层神经网络学习五个由人设计的栅格字体，然后再学习另外一个人设计的栅格字 体中的十四个字母。接着，要求网络构造出剩余的十二个字母。尽管该方法有时会 输出无法辨认的字母，但具有一定的意义。但是，这种方法没有概念基础，没有内 部的概念结构和边界，没有时间关系以及交互和反馈。另外，字母产生是并行的， 字母的生成对其余的没有影响。所述文章的内容通过引用包括在此。

书法创作是人脑通过手指挥笔运动的过程，笔是创作和表现工具，形象思维 活动的结果需要毛笔来体现。因而，有人提出用参数化模型来模拟书法笔划生成的 物理过程。例如Wang Helena T.F.等在《Computers & Graphics》2000年第24期第 99～113页上发表了“A Model-based Synthesis of Chinese Calligraphy”，该文章利 用虚拟笔捕捉笔的三维几何参数、笔毛特性和墨沿笔划轨迹的变化；徐颂华等在《中 国科学(E)》2004年第34(12)期第1359～1374页上发表的“面向电子书画创作的 虚拟毛笔模型”一文也提出了一种面向书画创作的、基于实体造型技术的、虚拟 毛笔的模型，以及利用它进行交互式电子书画创作的模拟框架。尽管上述两种方法 不属于形象思维，但书法创作的计算机模拟最终是需要这类技术支持的。上述两篇 文章的内容通过引用包括在此。

徐颂华等在《IEEE Intelligent Systems》2005年5月/6月第20(3)期第32～39 页上发表的“Automatic Generation of Artistic Chinese Calligraphy”一文介绍了一种 基于综合推理的书法创作方法。虽然该方法使用了各个形象源(书法字)的信息， 但由于随机选择权值，所以导致审美约束难以体现，字体变形效率也较低，线条及 微妙之处无法涉及。因此，从形象思维或审美角度来看，这种方法还需要进一步的 完善。上述文章的内容通过引用包括在此。