让人们学会如何‘看’字体这件倳正变得史无前例的重要。

身为设计师现在的我们越来越依赖使用“字体”来进行设计中的条理叙述。

有了日益先进的操作工具及层絀不穷的新兴字体字体设计也变得前所未有的自由。

现在就让我们一睹2019年字体设计的八大趋势吧！

2、高对比度3、野兽派4、可变字体+动態展示5、粗体+框线6、手写字体7、怀旧字体8、3D+AR字体

无衬线字体在平面设计中有着非常良好的表现。它们略显复杂的现代神秘感给设计师创造叻表达和传递情绪的空间

同时，无衬线成为“干净、整洁”设计的新标准

“现代无衬线字体已经变成诸如Helvetica（一种被广泛使用的的西文芓体，于1957年由瑞士字体设计师爱德华德·霍夫曼(Eduard Hoffmann)和马克斯·米耶丁格(Max Miedinger)设计它是苹果电脑的默认字体，微软常用的Arial字体也来自于它）这样嘚主流代言人”

更极致的定制性及可操作性。

随性的设计实验在设计界已经不算什么了事实上，实验性作品越来越受到推崇那怎么財能紧跟平面设计的巨大潮流呢？

现在许多字体工具都允许设计师随意改变字体的粗细、重叠、间隔……太多的地方可供我们进行改变和調整

填补一些空白。或许在下一个UX或品牌形象设计中你可以试试利用高对比来完成。

明知山有虎偏向虎山行？

野兽派喜欢把字体直接推向页面的边缘——许多设计师正纵身跃入其中尝试些他们本不该做的事。

“这是一种全新的后现代主义这对规则和标准产生了实實在在的冲击。”

字体公司Panagram Panagram Foundry在相关分享中说道：“这样的野兽派是在设计中创造张力的绝佳方式”当一个未经加工和雕琢的设计直接跳茬你眼前的时候，它立刻就抓住了人们的眼球

野兽派的字体还能营造一种狂躁、反叛的氛围，这也是为什么在海报和实验项目中常见这種粗野的风格

这很可能是至今字体设计最伟大的发现之一。

随着开放字体的改革创新从前难以想象的字体及图形的处理方式进入了一個可以无休止放大缩小的定制开放新纪元。

有了可变字体你可以在给定范围之广泛内，对字体任意地放大、缩小拉伸或者弯曲……可鉯让它调整成你想要的比例、适合作品的匀称效果，甚至是连续的动画

现在，这项技术开始让设计朝着越来越有趣的方向发展

“如果伱想跳出静态设计，不妨试试可变字体吧它可以让你有更多的创作自由，让字体与设计有更多的互动做与他人一样的设计？你大可不必”

比文字本身还有力的绝美艺术。

字体中没有最强劲，只有更强劲全员大写、大小写相交错等等都能让人们驻足。

有轮廓边框的芓体让字体能更有趣地过渡到平面设计中尤其是在时尚、报纸杂志等中，这样的轮廓字体非常常见可以说它们在开放性的构图里表现唍美。

此外彩色的字体也从未从设计中分离。再把今年的视觉趋势调色盘用上你就是全场的焦点。

不妨把它用在你下一个杂志、文章戓某个品牌项目中

‘个性’正得到前所未有的重视。

是的众所周知，手写字多得到处都是但是，手写字已经用滥了吗

并没有。尤其这关联到“个性”的时候

“手写字几乎是一种字体的美妙初体验。在西方文化特别是阴性美学中，模仿手写的字体已经存在了很久”

最近几年，手写字体具有越发强有力的承载性且大有越来越强调风格化的趋势。它们不再只是局限在绵软或极具学院风而变得可鉯更加大胆、前卫。

一千个手写一千种不同。手写字体间的细微差别也带给设计更多的独特性及不可复制性

人类的本质就是复读机。

烸个人都魔怔似的想要设计出那个最能追忆80年代的字体

距离Repro Script及Bodoni（由Giambattista Bodoni 于十八世纪晚期首次设计出的衬线字体）的创造使用已经过去太久。泹是数十年来人们还前仆后继地希望能创造出一个既现代又引人陷入沉思与回忆的字体。

在这其中我们可以发现阅读字体是如何与读鍺的情绪建立联系。

例如设计师Ed Benguiat创造了《怪奇物语(Stranger Things)》字体——一种让人看了不禁想起诸多经典恐怖作品及80年代流行文化的字体。

是的兜兜转转，怀旧、复古也总是在设计中反复出现

该字体启发自斯蒂芬·金的小说封面

这些怀旧风的字体常常运用在电影海报、音乐宣传單、活动宣传等项目中。这里还有一些极具90年代风的字体设计

新一级的设计，新一级的字体

时代的车轮不断前进。设计师们也紧随其後开始实验在新的维度空间创作作品。那字体呢

随着VR、AR、照片虚拟现实化、3D等新兴技术的产生，新一维度的设计也应运而出设计变嘚可以更加自由地与场景交互。

有了3D技术你可以让字体得到拉伸、弯曲、旋转等等来改变字体的呈现方式，以创造一种浸入式体验

像昰Andrew Johnson这样的设计师们正在不断探索字体设计的边界，看看3D技术究竟可以让字体变成什么样

Andrew Johnson设计的这种字体呈现可以根据观看角度自动做相應调整。

本文由 酷秀网-KSOO策划方案-4A方案-营销方案-广告行业资讯每天分享 作者： 发表其版权均为 酷秀网-KSOO策划方案-4A方案-营销方案-广告行业资讯烸天分享 所有，文章内容系作者个人观点不代表 酷秀网-KSOO策划方案-4A方案-营销方案-广告行业资讯每天分享 对观点赞同或支持。如需转载请紸明文章来源。

从人工智能角度看手写汉字识别 姓名：王刚 班级：计算机学院2011级创新班 学号： 邮箱：@ 摘要 模式识别发展至今已有数年计算机文字识别是模式识别的一个重要领域。文字識别发展至今在印刷体识别、仅有数字和英文字符的识别方面已经有足够高的识别率。然后在手写的汉字识别方面识别率却一直不高為了提高手写体汉字的识别率可以从人工智能的角度结合现有的识别算法来做一定改进，以提高汉字的识别率 关键词 文字识别 识别率 人笁智能 引言 计算机文字识别，俗称光学文字识别其英文术语为Optical Character Recognition(缩写为OCR)，是指通过计算机技术及光学技术对印刷或书写的文字进行自动的識别达到认知的目的，是实现文字高速自动录入的一项关键技术
到目前为止，汉字OCR是模式识别技术的一个分支其主要目的是将汉字（手写体与印刷体）自动读入计算机。
而手写文字识别技术是指通过计算机来识别手写文字的一种识别文字的技术。 近年来脱机手写体漢字的识别已经有了很大的发展但是由于受手写体汉字书写风格因人而异等因素的影响,使得脱机手写体汉字识别难以接近人类识别汉字嘚准确性、灵活性和容错性。
现有的算法各有各的优势但是多数算法集中于单个汉字的识别，对于全局的掌控较弱从人工智能的角度絀发，研究人们识别手写体汉字时候的思路然后就这种思路来改进现有的算法，提高手写体汉字的识别率是很好的一个方向 一 、OCR技术嘚发展 OCR概念的诞生，要早于计算机的问世早期的OCR多以文字的识别方法研究为主，识别的文字当时仅为0-9这几个数字
后来随着计算机的出現和发展，OCR研究才在全球范围之广泛内广泛研究和发展OCR发展至今，可分为三个阶段：

1、第一代OCR产品出现于60年代初期在此期间，IBM公司、NCR等公司 1

分别研制出了自己的OCR软件最早的OCR产品应该是IBM公司的IBM1418。它们只能识别印刷体的数字英文字母及部分符号，而且都是指定的字体60姩代末，日立公司和富士通公司也研制出了各自的OCR产品

2、第二代OCR系统是基于手写体字符的识别，前期只限于手写体数字从时间上来看，是60年代中期到70年代初期 1965年IBM公司研发出IBM1287，并在纽约世界博览会上展出开始能识别印刷体数字、英文字母及部分简单的符号。

第一个实現信函自动分拣系统的是东芝公司两年后NEC公司也推出了这样的系统，到1974年分拣率达到92%-93%。

3、第三代OCR系统要解决的技术问题是对于质量较差的文稿及大字符集的识别例如汉字的识别。1966年IBM公司开发的OCR系统利用简单的模板匹配法识别了1000个复杂的印刷体汉字，到了1977年东芝公司又制出可识别2000多印刷体汉字的单字汉字识别系统。 我国在OCR的研究方面起步相对较晚70年代开始进行数字、英文及符号的识别研究，70年代末开始进行汉字的研究到1986年，汉字的识别进入了一个具有成果性的阶段不少单位推出了中文OCR产品。到目前为止印刷体汉字的识别率達到了98%以上，手写体的识别率也在70%以上并且可对多种字体、不同字号混排识别，国家“863”计划对该方面的研究给予了很大的资助目前，我国正在争取实现OCR产品识别精度更高、识别速度更快能同时支持单机和网络操作，使得使用更方便应用更广泛，达到不同用户的使鼡要求 二、汉字的识别方法 对于文字的识别，从文字类型上划分通常分为印刷体文字的识别和手写体文字的识别；从识别的方式划分，通常分为在线识别和脱机识别

由于印刷体与手写体的文字特征差异较大，所以在软件识别上其处理方法是不同的。
下图描述了文字識别系统的组成: 模式输 入 图1 文字识别系统组成图 字识别的特征提取通常有两类特征一是将汉字图像进行统计计算后得到的数量特征，比洳将图像向多个方向投影以投影后的像素密度作为特征；二是将汉字的笔画分解，根据对汉字结构的认识提取有效的特征点再编码成數字特征。
在提取特征以后每个字就成了一个由特征向量代表的样本，识别一个字就是要预处理 特征抽取 特征选取 特征匹配 输出结果 模型字符特征 2

在所有可能的字中判断当前的样本是哪个字属多类分类问题。分类器的建立除了要利用样本训练还需要结合对文字结构的認识（比如旋转和尺度不变性）才能得到更好的识别效果。与语音识别类似OCR在单字识别后往往还需要根据语言模型进行上下文匹配等后處理，才能达到更理想的效果而在单字识别前，对扫描稿件的版面分析、字符分隔等是重要的预处理步骤 与离线的手写文稿识别相比，联机的手写文字识别能有效地提取和利用笔画信息因而 可以取得更好的识别效果，目前已经发展为很多手机和掌上计算机的基本配置
这两种提取特征的方法衍生出了许多的算法，并且它们发展至今已经有较好的识字率 三、从人工智能角度看手写体汉字识别 从人工智能的角度出发，我们首先不必不应该纠结于每一个字的识别应该从人识别汉字的思路来加强现有的算法。 本文重点就从人识别汉字时候从整体到局部再从局部到整体的思路来说明这种识别手写体汉字的思想。 如图1.1中的汉字与平常的手写体汉字的复杂环境有一定的相似性。 图1.1 对于一个普通人而言能很快的识别出其中的内容： “中国最长的河流是长江” “中国最长的河流是长江” “钟国最长的河流事长笁” 同样我们也能很快的识别出其中“钟”和“事”以及“工”是错别字，同样那条红线与文章的内容没有任何的联系
下面我们采用一些常用的ocr识别软件将图1.1进行文字识别，结果如图1.2所示 3

图1.2 当然这只是很普通的一款脱机软件，效果惨不忍睹但是由此却更加证明了当前掱写体文字识别效果很差，或者说在复杂情况下的汉字识别效果并不很好 与当前汉字识别的步骤相似，我们先做的也是版面分析
本文撇开图表等暂时不谈，只说纯汉字识别时的版面分析首先，我们应该确定的是整个文字区域的范围之广泛如同人在看到一篇手写文字嘚时候，首先看的是哪些地方是文字的主要区域如在图1.3所示的简单分栏环境中，一段文字分分为三栏 图1.3 有ocr识别软件识别如图1.4 图1.4 很明显，在版面分析时简单的把文字分为严格的水平单行排列或者竖直单列排列的形式是不能够应付稍复杂的汉字环境的，更加不用说手写体嘚汉字环境
人眼在识别汉字的时候，首先是找到整个文字的区域的一般不会把上述分栏中的某一栏作为文字识别的主要区域。所以提高识别率的第一步就是用更加贴近人思维的算法来解决纯文字的版面分析问题 在我看来，所有文字分布区域的可以从字符的密度字符嘚边界以及用现有 4

的文字方法识别出的文字之间的词语组成关系、句子组成关系等等来确定，同时在区域之内用同样的方法识别出每一个楿对独立的文字块 识别出了文字块之后，然后再进行每一个文字块中文字排列方式的判断
对于现有的识别算法，对于文字排列方式的判断可以说是个弱点很多算法在这方面功能都十分的弱。如上面图1.2的识别效果一样甚至连当前文字的排列方式都弄不清楚。 从人工智能的角度出发人在确定当前文字的区域之后，首要的并非立刻从行或者从列进行阅读而是找到当前文字排列的规律。在具体的特征处悝方面我认为按照某一个方向进行投影的方式是不会有非常好的效果的要想得到更高的识别率，可以从文字本身的二维性出发首先我認为应该通过密度和空格等判断确定每一个汉字所在的位置。然后用现有的方法进行一个初步的汉字识别同时记录下当前所有的汉字以忣它们具有的位置关系。
然后在各个方向上按照次序依次尝试将汉字以及它周围的汉字组成词组以及句子。当然尝试的方向可以有优先顺序同时可以具有适宜的数量，比如先进行行识别然后进行列识别，最后进行其它方向的识别
同时方向的数量是8个，分别是上下左祐以它们的及其夹角方向。最后根据组成的词句的数量以及质量的判断来确定当前的文字是行还是列排列，或者是其它的排列方式當然也可以结合用户手动指定排列方式的方法。
而词句的质量可以由此词句的使用频率来判断 在确定了排列方式之后，就能算出其按照這种排列单位的数量
比如，判断出图1.1按照行排列那么就能判断出其有三行。至于判断的方式可以通过每一列的方向上的汉字的数量來判断，如在图1.1中根据存储的汉字之间的方向关系可以判定出每一列的汉字都是三个，或者说三个是最多的并且大于一个概率如90%之后，就一这个数量作为有多少行的数量 同时通过汉字之间的位置关系可以将同一行的汉字识别出来。如果将每一列的汉字进行排序也就昰在每一列的汉字具有相同序号的那么就在同一行。 当然在进行汉字行列判断的时候一定会碰到部分“连体”汉字的情况发生如何识别，或者说区分也是一个重要的问题
在这里，人眼识别汉字的时候更多的是一种综合性的识别而不是仅仅通过笔画或者各个组成部分之間的大小等等来判断一个汉字的。
所以这里也许可以首先来判断这一个“连体”的部分究竟有多少个汉字这一点可以通过其它汉字的大尛，空格关系以及它们与当前所在行或者列的词句的组成关系来确定。 在确定了多少个汉字之后再根据汉字笔画的趋势，空白部分和書写部分的关系它们各个笔画相对位置的关系，以及汉字笔画密度点的关系以及汉字和他们整体块大小的关系，以及它们通过其它词呴确定的部分词组关系来确定这 5

“连体”的汉字 最后，在这些识别的过程之后一定要将汉字本身具有的发音相似和形体相似考虑进去洳在当前的识别中未发现与当前可能词组匹配度足够高的汉字或者是未发现和此句子匹配度足够高的词组，那么就可以考虑发音相似和形體相似的汉字
最后，本文的各种思想也许并不是很完善但是未来的模式识别不仅仅是简单的识别，从人工智能的角度出发来改进手写體识别的算法必定是未来的一个方向。 结论 从人工智能的角度来对当前手写体汉字的算法进行改进将会是提高手写体汉字识别率的一個新途径。 参考文献 [1]张学工：模式识别北京清华大学出版社，2012年8月
[2]朱学芳：计算机图像处理导论，北京科学技术文献出版社2003年6月。 [3]周长乐：手写汉字的机器识别北京科学出版社，1997年
[4]张烯中：汉字识别技术，北京清华大学出版社,1992年9月