数字媒体及应用解决方案.pptVIP

NJNU 第5章 数字媒体及应用 本章要点: 文本与文本处理 图像与图形 数字声音及应用 数字视频及应用 5.1 文本与文本处理 文本：基于特定字符集的、按一定格式组织起来的、具有上下文相关性的一个字符流，每个字符均使用编码表示。 1、西文字符的编码 西文字符集（拉丁字母、数字、标点等组成） 标准 ASCII 字符集 ASCII 字符集采用 7 位编码 每个 ASCII 字符以一个字节存放 扩充 ASCII 字符集：标准ASCII 码 + 扩展ASCII 码 2. 汉字的编码 汉字是记录汉语（国语，华语）的文字，属于表意文字，它用符号直接表达词或词素。 汉字的特点： 数量大（我国汉字自古至今累计已超过6万字 多个国家和地区使用：港台地区，日、韩、朝、新、马等 字形复杂，同音字多，异体字多。 我国汉字编码的国家标准： GB2312（6763个常用简体汉字和682个非汉字字符 ） GBK （20902个CJK汉字和······符号） UCS /Unicode与GB18030 (1) GB2312 – 1980 汉字编码 包括 6763 个汉字和 682 个非汉字字符 GB2312 构成： 一级常用汉字 3755 个，按汉语拼音排列 二级常用汉字 3008 个，按偏旁部首排列 非汉字字符 682 个 GB2312 构成一个二维平面，分成 94 行和 94列， 行号称为区号，列号称为位号，两者组合就是汉字编码。称为区位码。 区位码的区号和位号分别加上 20H，得到国标码。 国标码的两个字节的最高位置 1，得到 PC 机常用的 机内码 以汉字“啊”为例： 区位码为：1601，表示区号16位号01 对应二进制数为00000001 国标码对应二进制数为：00100001B 机内码对应二进制数为：10100001B (2) GBK汉字内码扩充规范 3、UCS/Unicode 与 GB18030 汉字编码标准 (1) 通用编码字符集 UCS/Unicode UCS 实现了对所有字符统一编码 (2) GB18030 编码（2000年） 目的是向 UCS 过渡，同时与 GB2312、GBK 兼容，目前已经在许多计算机系统中使用。 用 1、2 或 4 字节编码，汉字数达到 27000 多个 二、文本的准备 文本信息的输入： 汉字键盘输入 汉字的键盘输入编码 输入编码要求：易学、易记、效率高、 重码少、容量大 输入编码分类： 数字编码 字音编码 字形编码 形音编码 用不同的输入编码方法输入同一个汉字，其内码是一样的 联机手写汉字识别 原理：用专用笔在专用书写板上书写汉字 (或符号)  计算机实时自动识别  用该汉字 (或符号) 对应的代码进行保存 例： “汉王”手写笔 正识率达到 90% 以上，识别速度超过12字/秒 汉语语音识别 分类： 孤立语音/连续语音识别 小词汇量/大词汇量语音识别 特定人/非特定人语音识别 现状：特定人连续语音识别率已达到 90% 以上 目标：非特定人大词汇量的连续语音识别 4.印刷体汉字识别输入 对于将现存的大量书、报、刊物、档案、资料等输入计算机是非常重要的手段。 5.脱机手写汉字识别输入 是一种用于将预先手写好的文稿输入计算机的方法，也是计算机字符识别中最困难的一个问题。 1、简单文本（纯文本） 除了表达正文的字符和几个打印控制字符外，不含其它格式信息和结构信息。简单文本又称为纯文本，ASCII文本，其文件的后缀为“ .txt”(文本文件) 简单文本为一种线性结构，由若干行构成，每行由若干个字构成 2、丰富格式文本 在简单文本中增加格式控制和结构说明信息，构成丰富格式文本 RTF是一种中间格式，它的目的是使各种丰富格式文本相互交换使用，以兼容不同格式文本。 文本的类型 超文本结构 四、文本的编辑与处理 1、文本编辑与文本处理 文本编辑： 内容：对字(词, 句)、段落、页面等进行添加、删除、 修改等操作 ? 字的处理 ? 段落的处理 ? 页面布局的处理 目的：使文本内容正确，版面清晰整齐、美观大方 所见即所得： 编辑的效果在屏幕上可以立即看到 在屏幕上看到的效果与打印出来的效果一致 2. 文本处理软件 （1）面向通信的文本处理软件 ： Outlook Express （2）面向办公的文本处理软件 ： MS Word , WPS2000 （3）面向印