陳錦玉

（北京市第四中學(xué)，北京，100043）

0 引言

字跡識別是對人通過落筆形成的字跡進(jìn)行鑒別和分析的活動，也叫筆跡鑒定[1]。不論年齡大小，在一定時間內(nèi)，人的書寫習(xí)慣都會具有一定的特征性和穩(wěn)定性，并反映在字跡中。通過對筆跡的觀察和分析，可以分辨出文件中的字跡來自于幾個人，是否是本人所寫，利用筆跡進(jìn)行一個人身份的認(rèn)定，查證文件的真?zhèn)?。在一般鑒定中，要先了解案件的大致情況，明確鑒定的要求；再觀察分析筆跡有無異樣，有無偽裝或因?yàn)槠渌蚨鴮?dǎo)致的字跡問題；然后要選擇能反映出本人書寫的穩(wěn)定的習(xí)慣的特征；最后，將選材中的特征和樣本中提取出的特征進(jìn)行比較，找出相同點(diǎn)和問題點(diǎn)并制做鑒定書，提出問題點(diǎn)形成原因的綜合評斷并提出意見[2]。

字跡識別作為人們的另一種身份證明，應(yīng)用廣泛，每年約幾萬個案件涉及字跡識別技術(shù)，在生活中也常用到[3]。但相對于人臉識別、指紋識別等，字跡識別技術(shù)的發(fā)展和應(yīng)用并沒有受到太多重視[4]，無論是在刑事案件上還是民事訴訟上，一旦需要字跡鑒定都只能到司法機(jī)關(guān)鑒定，且需要一年的時間才能出鑒定結(jié)果。過程之長增加了很多問題的復(fù)雜度。本文將利用計算機(jī)代替人工鑒定，使字跡識別過程更快更準(zhǔn)確。

因?yàn)楝F(xiàn)階段大部分字跡識別還仍靠字跡專家觀察鑒定，于是就存在字跡識別的主觀臆斷、人才短缺、酬金過高、申請流程復(fù)雜、分析時間過長等問題。專家鑒定這種人為觀察判斷很容易受主觀心理的影響而使分析結(jié)果有一定的偏差，而現(xiàn)階段國內(nèi)字跡專家人數(shù)相對較少，不能保證技術(shù)的全覆蓋和便利性，這一點(diǎn)對民眾來說也是極大的困擾。如，很多人因?yàn)榻杩罘讲怀姓J(rèn)欠條上的簽名是自己簽的而拿不回應(yīng)得的借款，若他們拿欠條去做鑒定，更是需要長達(dá)一年的時間才能得到結(jié)果，很多人因此放棄打官司，使不法分子逍遙法外，而為了保證質(zhì)量，人工鑒別必須需要大量重復(fù)性工作來驗(yàn)證結(jié)論。而如今隨著計算機(jī)技術(shù)的迅速發(fā)展，特別是圖像處理技術(shù)的日益成熟，為字跡識別與鑒定提供了條件良好的基礎(chǔ)。

結(jié)合上述問題，通過了解和研究后，本文考慮到可以用圖像處理的方式來解決這個問題，這樣就能夠極大地解決在字跡識別方面出現(xiàn)的很多問題?，F(xiàn)階段對于基于圖像處理的字跡識別技術(shù)方面的研究相對較少，大多數(shù)是從整體到局部分析筆畫間的結(jié)構(gòu)，用紋理分析法獲得全局特征，從特征字的比較提取局部特征的方法，把整體和局部特征進(jìn)行整合綜合決策。本文也將運(yùn)用圖像預(yù)處理法，結(jié)合構(gòu)建大數(shù)據(jù)數(shù)據(jù)庫的方法，通過筆記采集的方式采集樣本，提供后臺的數(shù)據(jù)支持。在后續(xù)的技術(shù)完善中，我們構(gòu)想將這些技術(shù)編入APP 或設(shè)備中，直接通過設(shè)備拍攝圖像，直接鑒別，做到速度更快，成本更低。

基于圖像預(yù)處理的字跡識別技術(shù)將一定程度上解決國內(nèi)字跡識別主觀臆斷、專家短缺和流程復(fù)雜的問題，極大地便利了各地警方破案的效率。同時，在民事訴訟方面，如在借條、合同造假等問題的分析和解決上更是提供了捷徑，加快了法律流程的速度，使人民積極參與法律活動，更便利快捷和有效地維護(hù)自身利益。本文運(yùn)用大數(shù)據(jù)分析法，通過筆記采集的方式，利用計算機(jī)更快捷有效地解決問題。在此之后，我們可以構(gòu)建全國字跡大數(shù)據(jù)數(shù)據(jù)庫，錄入每個人的字跡，使之成為繼臉部識別、指紋識別后，又一個認(rèn)證身份的有力證據(jù)。

1 圖像預(yù)處理

1.1 圖像拍攝與灰度化

由于獲取圖像的工具或手段的影響，最開始得到的圖像會受到多種條件的限制和不同的干擾，一般不能直接使用，必須要在視覺信息處理的早期階段對原始圖像進(jìn)行灰度化處理、二值化處理等的矯正，使矯正后的圖像選擇性地體現(xiàn)原始圖像上的信息，濾掉影響因素，增強(qiáng)某些對于往后的處理中比較重要的圖像特征。因此圖像預(yù)處理就顯得尤為重要，本文也將先運(yùn)用灰度化、二值化的方法對圖片進(jìn)行初步處理。

灰度化處理是指，使具有色彩的圖像轉(zhuǎn)化成灰度圖像的過程。在彩色圖像中，每一個像素的色彩都取決于R、G、B 三個分量，其中，每個分量都另有255 個中值可以取到，這樣處理后，每個像素點(diǎn)就有255＊255＊255 種變化范圍變化色彩?；叶葓D像就是由相同的這三個分量組成的一種特殊的圖像，其中，像素點(diǎn)的變化范圍就有255 種。雖然灰度化后的圖像在原圖的基礎(chǔ)上改變了大部分的色彩，但它同樣可以反映圖像整體和局部的色度和亮度等級的分布特征。因?yàn)镽、G、B 三個分量代表的是彩色值，我們需要將它們轉(zhuǎn)化成灰白圖像。這里，我們采用RGB 和HIS 的轉(zhuǎn)換，在算法中，HIS 和RGB 的轉(zhuǎn)換公式如下：

在公式（1）中采用了加權(quán)平均法進(jìn)行灰度化。

灰度化處理圖片的方法有很多：①分量法（做三個灰度圖像，灰度值分別選取原圖中的三個分量的亮度，再根據(jù)需要選一幅圖像）。②最大值法（灰度值采用三個分量中亮度的最大值）。③平均值法（灰度值采用三個分量亮度的平均值）。④加權(quán)平均法（灰度值選取三個分量亮度的加權(quán)平均）。本文運(yùn)用第三種平均值法，希望能快速簡易并合理地處理圖像，并結(jié)合灰度拉伸技術(shù)，使圖像的細(xì)節(jié)更加突出。

圖像二值化（Image Binarization）指將整個圖像呈現(xiàn)出明顯的黑白效果的過程，也就是將圖像上的像素點(diǎn)的灰度值設(shè)置為0 或255。經(jīng)過二值化處理過后的圖像在關(guān)于字跡識別的圖像處理中同樣地位重要，經(jīng)過二值化處理后，圖像中的數(shù)據(jù)量大幅度降低，因此，處理后的圖像輪廓更鮮明。

1.2 圖像的濾波去噪

對于經(jīng)過灰度化和二值化處理后的圖像，為了減少圖像灰度的尖銳變化，減小噪聲，在字跡識別的圖像處理過程中，圖像的濾波去噪技術(shù)同樣是一個重要的步驟。通過圖像的濾波去噪，可以更便于觀察。如今圖像濾波去噪有很多途徑值得參考：運(yùn)用均值濾波器、中值濾波器、最大值濾波器、最小值濾波器。通過對比可以發(fā)現(xiàn)：最大值濾波器和最小值濾波器都存在一定程度上忽略細(xì)節(jié)的問題，最大值濾波器使圖片過亮，最小值濾波器使圖像更暗，兩者都造成了很大程度上的失真，而對于均值濾波器來說更是存在邊緣模糊的問題。這些問題看似很小，但在字跡識別，一個比較注重細(xì)節(jié)的問題上卻會造成很大的影響。對比下來，用中值濾波器進(jìn)行濾波去噪雖然也存在忽略細(xì)節(jié)的問題，相對于這兩種算法，中值濾波器忽略的細(xì)節(jié)會相對少一點(diǎn)，失真也沒有那么嚴(yán)重。同時中值濾波器在邊緣上也比均值濾波器清晰。于是，通過對比，本文將運(yùn)用中值濾波器來處理字跡圖像。中值濾波器的原理就是將各個顏色點(diǎn)排序，在一個特定的范圍中取中值，使這個特定范圍中的顏色點(diǎn)都和中值顏色一樣。在中值濾波器中，有3＊3、5＊5、9＊9、15＊15、35＊35 的處理，為了減少圖像模糊的問題，我們選用3＊3 的處理方法。

1.3 圖像的歸一化

圖像歸一化，顧名思義，就是將圖像的格式統(tǒng)一，讓它轉(zhuǎn)換成有一固定標(biāo)準(zhǔn)形式的圖片的過程，而這種處理后的圖像就被稱作是歸一化的圖像。最開始的圖像在經(jīng)過了幾步特殊的處理后就能成為副本圖像，而標(biāo)準(zhǔn)圖像就是由這些圖像經(jīng)過相同參數(shù)的圖像歸一化處理后得到的。

在字跡識別方面，我們需要應(yīng)用圖像歸一化來調(diào)整字跡和字跡之間的間距和行距，使字跡看起來更工整，也更方便對字跡進(jìn)行特征的提取和對比。

2 字跡特征提取識別

2.1 建立字跡數(shù)據(jù)庫

為提取字跡特征，首先需要用建立數(shù)據(jù)庫對各種已知出處的筆跡進(jìn)行歸納整理。本文事先采集了五十個不同出處的字跡原件，形成一個小型數(shù)據(jù)庫。為了更方便更快捷地從數(shù)據(jù)庫中找到對應(yīng)的字跡，在處理時我們會先將數(shù)據(jù)庫中的字跡原件進(jìn)行先一步分類，提高處理效率。

首先通過整體紋理，再通過漢字局部識別。在實(shí)驗(yàn)中，選取了50 個不同的字跡，建數(shù)據(jù)庫，從中隨機(jī)選取一個作為待識別的字跡。對于字跡紋理識別，我們選用分類的方法，在處理前將收集到的字跡分成三類：左傾、右傾、豎直。經(jīng)過紋理識別后可提前獲知被分配的類別以減少后續(xù)工作量。

傅立葉變換也稱傅氏變換，是一種常用的信號分析方法，它可以分析信號的成分，也可以用來合成信號，傅立葉變換選用了正弦波作為信號的成分。傅立葉變換在概率學(xué)、聲學(xué)、海洋學(xué)、密碼學(xué)、結(jié)構(gòu)動力學(xué)等領(lǐng)域都有著廣泛的作用，甚至可以將一首曲譜用波的形式來表示。

通過傅立葉公式，將圖像信號變成頻率信號，再處理后得到p 值。它的大小及方向能體現(xiàn)紋理的大小與粗細(xì)，體現(xiàn)圖像的排列規(guī)律。在頻率域圖像分析法中，用傅立葉特征來分析圖像紋理是一種典型方法。研究者們經(jīng)常用研究譜成分的方法來研究它的物理意義。具體公式如下：

經(jīng)過傅立葉公式轉(zhuǎn)換后就能用二維圖像反應(yīng)空間中頻率的強(qiáng)度。得到的圖像就是轉(zhuǎn)換完的功率譜圖像。圖像中幅值的變化方向和圖像的紋理有一定的關(guān)系。字跡紋理粗的話，幅值就會比較大。圖像的鏡像值能體現(xiàn)紋理的方向。由此可知，得到的值在范圍內(nèi)，值的大小和鏡像的值能分出粗細(xì)與方向。

傅立葉圖像轉(zhuǎn)化后可以根據(jù)圖譜建立坐標(biāo)，以坐標(biāo)原點(diǎn)為0，粗紋在原點(diǎn)附近有較高的值，細(xì)紋的能量譜向周圍散開，坐標(biāo)軸范圍通常為(-N/2,N/2)，顯出來即可分析紋理的粗細(xì)和方向。

通過傅立葉的方式衡量紋理，是字跡的初步識別，屬于整體分析。

2.2 字跡局部特征識別

從上文所述的50 種字跡中，本文任意挑選了一種字跡中的一個字和原來的50 個字作對比。步驟如下：

（1）調(diào)整圖像亮度、色度和飽和度，將50 幅圖像的背景統(tǒng)一起來。（2）調(diào)整圖像大小，統(tǒng)一格式，將圖像預(yù)處理。（3）將50 個字跡分成了三組：左傾、右傾、豎直。（4）將待測字體大致歸為一類或多類后，一對一的擬合。

首先通過整體紋理，再通過漢字局部識別。在實(shí)驗(yàn)中，選取了50 個不同的字跡，建數(shù)據(jù)庫，從中隨機(jī)選取一個作為待識別的字跡。

對于擬合的方法我們選取了數(shù)待測字跡中端點(diǎn)、交叉點(diǎn)和拐點(diǎn)的個數(shù)，看已知字跡中是否有字跡的三個數(shù)據(jù)完全一樣或相差一點(diǎn)。但在分析端點(diǎn)、交叉點(diǎn)和拐點(diǎn)之前，我們還需要做字跡骨架的優(yōu)化。

簡化后是端點(diǎn)提取。端點(diǎn)可以等效為交叉數(shù)，一個黑色像素點(diǎn)的八鄰域，當(dāng)八鄰域中只有一組黑白像素交替的話，此黑點(diǎn)就是一個端點(diǎn)。我們設(shè)黑像素為（w,z）,交叉點(diǎn)數(shù)為x，則x 的公式如下所示：

利用這個公式來判斷，當(dāng)x 為1 時為端點(diǎn)，x 等于3 時是交叉點(diǎn)。其中，nk為這個點(diǎn)的八個相鄰的點(diǎn)，nk∈{0,1}，且n9=n1。在x=1 時，（w,z）就是一個端點(diǎn)。

交叉點(diǎn)與端點(diǎn)提取方法類似，而因?yàn)楣拯c(diǎn)的電腦計算十分復(fù)雜，本次采用了計數(shù)法。在算出端點(diǎn)、拐點(diǎn)和交叉點(diǎn)后，利用如下公式，計算相似度：

最終我們發(fā)現(xiàn)，圖1（待測）和圖2 的相似度為百分之百，而圖1（待測）與圖3 的相似度為百分之七十。

圖3

最終我們得出結(jié)論：圖1 和圖2 是一個人寫的。

3 結(jié)論

本文通過對字跡進(jìn)行預(yù)處理、圖像紋理識別、圖像局部特征識別的方法，實(shí)現(xiàn)了筆跡識別與判斷，可以解決字跡鑒別不夠客觀、分析時間長、操作不便利等問題，雖然在準(zhǔn)確性上還有待優(yōu)化，還無法做到百分之百的正確率，但用圖像預(yù)處理和建立數(shù)據(jù)庫的方法識別字跡能為以后智能化的字跡識別技術(shù)提供了參考的依據(jù)。希望我的努力，能為字跡識別走向智能化提供參考依據(jù)和解決辦法，更能為維護(hù)廣大人民群眾利益、提高法律實(shí)效性做出一定的貢獻(xiàn)。希望字跡識別不再成為法律鑒別里的一道鴻溝，而是作為無辜者建立最堅實(shí)的證據(jù)出現(xiàn)在法庭上，成為法網(wǎng)編織中不可或缺的、起指向性的重要一環(huán)。