多媒体技术02文字.pptVIP

第一篇 媒体 第2章 文字 输入、编码、输出 第3章 音频 频率、数字化、格式、MIDI、声卡、编码 第4章 图形与图像 种类、颜色、属性、格式、3D、显卡 第5章 动画 概述、传统动画、计算机动画、制作、动画描述语言、OpenGL 第6章 视频 电视、视频数字化、编码标准、MPEG 媒体种类 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 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 常见媒体 第2章 文字 2.1 文字输入 键盘输入、手写输入、语音输入、扫描输入 2.2 字符编码 西文编码、中文编码、国际编码 2.3 文字输出 字形技术、语音合成 文字 文字是语言的记录，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，文字是人们书面交流的主要手段。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之上 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 键盘输入是传统和主要的文字录入手段 随着计算机技术的发展，方便和快速的手写与语音输入成为解决文字输入瓶颈的有效途径 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 键盘输入 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 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 手写输入 随着各种手持设备（如掌上电脑、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输入。 汉字的联机手写输入是自动汉字识别中最简单的一种 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 技术 人写字时手的抖动、书写速度的变化、图形板的量化和感应噪声等，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 手写输入在技术涉及图像识别、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、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 语音输入的核心技术是语音识别技术 语音识别技术，现在正在发展过程中，还有待于进一步完善 语音识别技术 早期的语音识别，技术一直很落后。到上世纪70年代中，采用线性预测编码LPC和同态信号处理(homomorphic signal process)方法，技术有了长足的进步，但效果不理想。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。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（难！！！） 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 ↓ 语言模型库→ 组句分析 ←统计信息与规则 语句候选→↓ 识别语句输出 语音识别系统分类 按可识别词汇量可分为 小词汇量语音识别系统(100) 中词汇量语音识别系统(100~1000) 大词汇量语音识别系统(1000) 按语音输入方式可分为 孤立词语音识别系统（简单） 连接词语音识