Make Me a Hanzi(MMAH)记录了每个字怎么拆、每一笔属于哪个部件,但它的笔画几何来自一套楷体。paoding 把这些笔画配准到目标字形上,再据此切分目标字体自己的轮廓(或像素)。MMAH 的几何只用作参照,不写进产物。
MMAH 给出拆法、每一笔所属部件的路径,以及笔画轮廓和中线。更深的层级里,部件按它们自己的条目继续展开。
MMAH 没有的字(《通用规范汉字表》里约 1200 个,多为三级字)由部件拼成参照:
- 按 BabelStone 的 IDS 表拆开;
- 每个部件的笔画取自 MMAH 里在同一位置有这个部件的字:玕
⿰𤣩干的 𤣩 取自 玩 的左边,干 取自 刊 的右边,所以部件保持它在这个位置上的样子; - 并排的部件来源不同,互相重叠或离得太远时,把交界移到中间;
- MMAH 和 IDS 表对同一部件的叫法不同时(汤:
⿰氵昜与⿰氵𠃓),两种叫法都能找到它。
拼出的参照只是近似,靠配准贴到目标字形上。这些字的记录带 "composed": true。IDS 中有未编码部件等、找不到笔画的字不拼。
先把参照的墨迹外框对齐到目标的外框,再用平滑的非刚性形变把中线拉到目标的骨架上,按位置和笔画方向匹配,由粗到细。
之后逐层把每个部件单独再配准一次:先对它覆盖的墨迹做仿射拟合,再做一次更温和的形变。部件保持自身形状,笔画不会被拖到邻近部件的墨迹上。
目标字形的墨迹分成若干单元:一条外轮廓连同它的孔洞。
- 只有一个部件的中线穿过的单元,整个归这个部件;否则沿配准后笔画周围的条带切开。
- 一笔只能在一个单元里。中线主体在一个单元、只有一小段伸进另一个单元时(楷体的笔画末端常常更长),这一段不算。
- 部件相交处的面是共有的。拍平视图把它交给穿过交接处的那一笔,交叉时交给叠放在上层的部件。
位图字体逐个像素归属,并把被打断的横竖像素串修补回同一个部件。
对每个部件,看它的中线有多少落在自己的墨迹上,以及它的墨迹有多少明显更靠近别的部件的笔画(位图字体看像素串有多少被别的部件截断)。置信度取最弱的部件,低于阈值的字标为 low。
矢量字体。参照是楷体,笔画的长短和比例与目标不同,配准偏了,切线就可能落在一笔的中间。所以再用目标字形自己的结构核对一遍:
- 把墨迹的骨架在交点、拐角和收腰(两笔首尾相碰处)断开,其间的一段是一笔,应当只归一个部件;
- 一个部件的叠加墨迹不该孤零零地伸进别的部件的笔画里。
不符的位置记在 flags 里,并降低置信度。
矢量字体。同一字体里,同一部件几乎每次都画得一样。run 先跑一遍,从有把握的字(auto 且无结构标记)里收集两样东西,再重跑用得上的字。
整块单元:独立成块的部件(阝、氵、口)。某个被切开的单元,若和至少两个字里它的主要部件的整块单元同形同大,就整个交给这个部件。
模板:与别的部件相接的部件(誠 的言、等 的⺮)不成独立的单元,但字体常在别的字里把它画成独立的样子。对有结构标记或低置信的字,把这些模板放到本字墨迹上对齐(小幅平移和缩放)。模板几乎整个落在墨迹上、不占别的部件的整块单元、又容得下这个部件的大部分参照中线时,它盖住的墨迹归这个部件。
两种情况下,落到不属于自己的墨迹上的参照中线都视为配准拉偏,不再计入评分和结构检查。拼合参照的字使用这些收集,但不往里添加。inspect --run 沿用运行记录里的结果。