指导书之3-汉字点阵字库的建立与提取.pdfVIP

软件课程设计指导书系列之三 汉字点阵字库建立与提取 华中科技大学电子科学与技术系 2008 年 12 月 25 日 目 录 一、课程设计目的 3 二．总体设计要求 3 三、相关知识说明 3 四、模块划分及数据结构说明7 五、调试及测试要求8 六、参考资料 8 一、课程设计目的 1、通过本课题的实现，学习文献的检索方法； 2 、 了解汉字区位码的定义，掌握一级汉字编码的规则; 3、 掌握软件开发模式，结构模块化分析，程序设计流程; 4 、学会使用当前 C++ 的开发工具软件; 5、初步培养需求分析，软件测试、调试的能力; 6、提高对 C 语言文件系统、循环语言、条件语言的应用掌握； 二．总体设计要求 1、采用文本菜单界面，鼓励采用图形菜单界面； 2 、程序可以实现选择不同的 WINDOWS 字体（宋体，楷体，黑体等）； 3、程序可以实现选择存取点阵字库的文件（*.BIN）； 4 、程序可以实现选择生成不同的点阵大小（16，20 ，24 ，32，48 ）； 5、程序可以实现输入生成字库的 DEMO 字数（1~3000）； 6、程序可以显示版本内容，包括论文作者、学号及编译日期； 7、字库的文件根据设计的编码规则进行存储点阵数据； 8、在点阵提取过程中，在程序窗口左侧显示 WINDOWS 原矢量字模，窗口右侧使用提取后 的点阵数据显示点阵字模； 9、鼓励自行增加新功能； 三、相关知识说明 1、汉字输出码 i. 汉字无论字形如何变化、笔划多少都可以写在方块中 ii. 一个方块可以看作 m 行 n 列的矩阵，称为点阵，汉字的点阵字形在计算机中称 为字模 iii. 汉字经过点阵的数字化转换成数字，称为汉字的输出码 iv. 一个字节有 8bit，m*n 点阵的阵列可以用 m*n/8 个字节表示 v. 存储空间根据选择点阵的不同而不同，点阵的行列数越多汉字越精细，但存储 空间越多 2 、汉字编码的种类 汉字编码中现在主要用到的有三类，包括 GBK，GB2312和Big5 a、 GB2312 又称国标码: 由国家标准总局发布，1981 年 5 月 1 日实施，通行于大陆。新加坡等地也使用此编码。 它是一个简化字的编码规范，当然也包括其他的符号、字母、日文假名等，共 7445 个图形字 符，其中汉字占 6763 个。我们平时说 6768 个汉字，实际上里边有 5 个编码为空白，所以总 共有 6763 个汉字。 GB2312 规定“对任意一个图形字符都采用两个字节表示，每个字节均采用七位编码表 示”，习惯上称第一个字节为“高字节”，第二个字节为“低字节”。GB2312 中汉字的编码 范围为，第一字节 0xB0-0xF7(对应十进制为 176-247)，第二个字节 0xA0-0xFE（对应十进制 为 160-254）。 GB2312 将代码表分为 94 个区，对应第一字节（0xa1-0xfe）；每个区 94 个位（0xa1-0xfe）， 对应第二字节，两个字节的值分别为区号值和位号值加 32 （2OH ），因此也称为区位码。01-09 区为符号、数字区，16-87 区为汉字区（0xb0-0xf7），10-15 区、88-94 区是有待进一步标准 化的空白区。 b、 Big5 又称大五码: 主要为香港与台湾使用，即是一个繁体字编码。每个汉字由两个字节构成，第一个字节的范 围从 0X81－0XFE （即129-255），共 126 种。第二个字节的范围不连续，分别为 0X40－ 0X7E （即64-126 ），0XA1－0XFE （即161-254），共 157 种。 c、 GBK: 是 GB2312 的扩展，是向上兼容的，因此 GB2312 中的汉字的编码与 GBK 中汉字的相同。 另外，GBK 中还包含繁体字的编码，它与 Big5 编码之间的关系我还没有弄明白，好像是不一 致的。GBK 中每个汉字仍然包含两个字节，第一个字节的范围是 0x81-0xFE（即129-254）， 第二个字节的范围是 0x40-0xFE（即64-254）。GBK 中有码位2394