多媒体技术02文字.doc

? PAGE 20 ? 多媒体技术与应用教程 ? PAGE 21 ? 第2章 文字 ? PAGE 1 ? 第一篇 媒体 计算机上常见的媒体有文字、图形、图像、声音、动画和视频等六种。压力媒体的数据虽然可以被现在的计算机处理（如计算机游戏的控制钮和操纵杆），但需要专门的外设，使用的并不广泛；至于气味和味觉媒体的处理，现在还仍然处在试验阶段，离日常使用还有很大的距离。 本篇介绍六种常见媒体的基本概念、主要特性、处理方法、数字化与编码、以及应用与编程等。参见图2-1。 媒体 媒体 文字 视觉 (静止) 图形 图像 (运动) 动画 视频 听觉 音频 触觉 压力 嗅觉 气味 味道 味觉 第2章 第4章 第5章 第6章 第3章 未介绍 图2-1 常见媒体与本篇章节 第2章 文字 文字（literal）是语言的记录，可以分为拼音文字（如英文）和象形文字（如中文）两大类，各类文字都是用图形符号（如字母和汉字）来表示的。 在多媒体技术出现之前，文字是人们使用计算机交流的主要手段。在多媒体技术得到广泛应用的今天，文字也是最重要的媒体元素之一。 计算机对文字的处理，包括文字的输入、编码与输出。 本章依次介绍文字输入、字符编码与文字输出，重点放在汉字编码标准上。 2.1 文字输入 将文字录入进计算机的方法主要有键盘输入、手写输入、语音输入和扫描识别输入。其中，键盘输入是传统和主要的文字录入手段。但是，随着计算机技术的发展，方便和快速的手写与语音输入逐渐成为解决文字输入瓶颈的有效途径。而扫描输入主要应用在印刷品的大量文字自动录入方面。 2.1.1 计算机的通用键盘源自传统的打字机，本身是为英文字母的键入而设计的，非常适合于拼音文字的字母输入。而像汉字这样的象形文字，用键盘输入则十分困难。 早期曾采用过整字键盘进行汉字的输入，虽然这种输入方法直观易学、而且没有重码，但是由于其盘面大、造价高、操作又不方便、而且输入效率低下，现在已经很少使用。目前常用的汉字键盘输入方法，是使用通用计算机键盘的汉字编码输入。 汉字的三个要素是形、音、义。汉字的编码输入主要可以分为形码（如五笔字型）和音码（如全拼）两大类。各种形码和音码输入法，可以结合汉字的词义与语义特性，进行词汇与整句等智能化的输入（如微软拼音输入法）。 2.1.2 随着各种手持设备（如掌上电脑、多媒体手机）的不断出现与普遍使用，联机手写文字的实时识别与输入方法已经得到越来越广泛的应用。 手写输入是指，人用（特制的）笔在图形板上书写，机器进行实时的识别，并将对应文字的编码录入。 汉字的联机手写输入是自动汉字识别中最简单的一种，它有如下特点： 机器识别的是笔画而不是整字； 识别结果可以及时反馈，所以对识别率要求不高； 输入方便，不需对输入人员进行培训； 适合于边想边写； 可利用图形板方便地进行编辑和修改。 人写字时手的抖动、书写速度的变化、图形板的量化与感应噪声等，会对识别产生干扰，因此，必须进行必要的平滑和去噪预处理。识别时还需进行字符分割，以区分哪些笔画属于同一汉字。 手写输入技术，涉及图像识别、模式匹配、人工智能、语言文字、书写方式与习惯等方面的知识和方法。目前的手写识别方法和技术，还有待于进一步改进和完善，以提高识别率、减少对输入的限制、降低输入设备和识别软件的成本、并且加强软件的自学习功能。 2.1.3 语音输入 语音输入是指，利用语音内容的识别技术，将人的话音实时转换为对应文字编码并录入计算机。 1．语音识别技术 早期的语音识别技术一直很落后。上世纪70年代中，出现了线性预测编码（LPC, Linear Predicitive Coding）和同态信号处理（homomorphic signal process）方法，技术有了长足的进步，但效果仍不理想。到了上世纪80年代，矢量量化（VQ, Vector Quantization）和隐马尔科夫模型（HMM, Hidden Markov Model）的成功使用，使语音识别在上世纪90年代达到了商用化程度。众多大公司（如IBM、Intel、Microsoft）都投入巨额资金进行研究与开发，取得了大量成果（如IBM的ViaVoice）。不过现在仍然存在问题，识别率一直难以进一步提高，又进入了一个相对低潮的相持阶段。 语音输入的字词识别，涉及词库、声母分类规则库、声母与韵母结合规则库、声调知识库，这些统称为声学基元模型库；句子识别还涉及语义、语法、句法、语用知识库，这些统称为语言模型库；句子理解则涉及常识库，非常困难。图2-2是语音识别的过程图。 语音输入 ↓ 数据采集 ↓ 波形自动分析 ↓ 预处理/参数特征提取 分帧后的语音特征矢量集合→↓ 声学模型/时间对准←声学基元模型库 ↓ 组句