opencv库点阵汉字模读取与显示

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

汉字机内码，又称“汉字ASCII码”，简称“内码”，指计算机内部存储，处理加工和传输汉字时所用的由0和1符号组成的代码。输入码被接受后就由汉字操作系统的“输入码转换模块”转换为机内码，与所采用的键盘输入法无关。机内码是汉字最基本的编码，不管是什么汉字系统和汉字输入方法，输入的汉字外码到机器内部都要转换成机内码，才能被存储和进行各种处理。 因为汉字处理系统要保证中西文的兼容，当系统中同时存在ASCII码和汉字国标码时，将会产生二义性。例如：有两个字节的内容为30H和21H，它既可表示汉字“啊”的国标码，又可表示西文“0”和“!”的ASCII码。为此，汉字机内码应对国标码加以适当处理和变换。 国标码的机内码为二字节长的代码，它是在相应国标码的每个字节最高位上加“1”，即汉字机内码=汉字国标码+8080H。 例如，上述“啊”字的国标码是3021H，其汉字机内码则是B0A1H。 汉字机内码的基础是汉字国标码。机内码：为了避免ASCII码和国标码同时使用时产生二义性问题，大部分汉字系统都采用将国标码每个字节高位置1作为汉字机内码。这样既解决了汉字机内码与西文机内码之间的二义性，又使汉字机内码与国标码具有极简单的对应关系。 汉字机内码、国标码和区位码三者之间的关系为：区位码（十进制）的两个字节分别转换为十六进制后加2020H得到对应的国标码；机内码是汉字交换码（国标码）两个字节的最高位分别加1，即汉字交换码（国标码）的两个字节分别加80H得到对应的机内码；区位码（十进制）的两个字节分别转换为十六进制后加A0H得到对应的机内码。

1.汉字编码 国家标准信息交换用汉字字符集GB 2312-80共收录了汉字、图形符号等共7445个，其中汉字6763个，按照汉字使用的频度分为两级，其中一级汉字3755个，二级汉字3008个。汉字、图形符号根据其位置将其分为94个“区”，每个区包含94个汉字字符，每个汉字字符又称为“位”。其中“区”的序号由01区至94区，“位”的序号也由01位至94位。若以横向表示“位”号，纵向表示“区” 号，则“区”和“位”构成一个二维坐标。给定一个“区”值和“位”值就可以确定一个惟一的汉字或图形符号。即4位阿拉伯数字就可以惟一地确定一个汉字或符号。如“北”字的区位码是“1717”，而京字的区位码是“3009”。前两位是“区”号，后两位是“位”号。其中1至15区是各种图形符号、制表符和一些主要国家的语言字母，16区至87区是汉字，其中16区至55区是一级汉字，56至87区是二级汉字。

UCDOS软件中的文件HZK16和文件ASC16分别为16×16的国际汉字点阵文件和8×16的ASCII码点阵文件，HZK16中按汉字区位码从小到大依次存放国标区位码表中的所有汉字，每个汉字占用32字节，每个区为94个汉字。而asc16文件中按ascii码从小到大依次存有8×16的ASCII码点阵，每个ASCII码占用16字节。

①. 区位码 在国标GB2312—80中规定，所有的国标汉字及符号分配在一个94行、94列的方阵中，方阵的每一行称为一个“区”，编号为01区到94区，每一列称为一个“位”，编号为01位到94位，方阵中的每一个汉字和符号所在的区号和位号组合在一起形成的四个阿拉伯数字就是它们的“区位码”。区位码的前两位是它的区号，后两位是它的位号。用区位码就可以唯一地确定一个汉字或符号，反过来说，任何一个汉字或符号也都对应着一个唯一的区位码。汉字“母”字的区位码是3624，表明它在方阵的36区24位，问号“?”的区位码为0331，则它在03区3l位。

②.机内码 汉字的机内码是指在计算机中表示一个汉字的编码。机内码与区位码稍有区别。如上所述，汉字区位码的区码和位码的取值均在194之间，如直接用区位码作为机内码，就会与基本ASCII码混淆。为了避免机内码与基本ASCII码的冲突，需要避开基本ASCII码中的控制码(00H1FH)，还需与基本ASCII码中的字符相区别。为了实现这两点，可以先在区码和位码分别加上20H，在此基础上再加80H(此处“H”表示前两位数字为十六进制数)。经过这些处理，用机内码表示一个汉字需要占两个字节，分别 称为高位字节和低位字节，这两位字节的机内码按如下规则表示：

高位字节 = 区码 + 20H + 80H(或区码 + A0H)

低位字节 = 位码 + 20H + 80H(或位码 + AOH)

由于汉字的区码与位码的取值范围的十六进制数均为01H5EH(即十进制的0194)，所以汉字的高位字节与低位字节的取值范围则为A1HFEH(即十进制的161254)。

例如，汉字“啊”的区位码为1601，区码和位码分别用十六进制表示即为1001H，它的机内码的高位字节为B0H，低位字节为A1H，机内码就是B0A1H。

2.点阵字库结构 ①.点阵字库存储 在汉字的点阵字库中，每个字节的每个位都代表一个汉字的一个点，每个汉字都是由一个矩形的点阵组成，0代表没有，1代表有点，将0和1分别用不同颜色画出，就形成了一个汉字，常用的点阵矩阵有1212, 1414, 16*16三种字库。

字库根据字节所表示点的不同有分为横向矩阵和纵向矩阵，目前多数的字库都是横向矩阵的存储方式(用得最多的应该是早期UCDOS字库)，纵向矩阵一般是因为有某些液晶是采用纵向扫描显示法，为了提高显示速度，于是便把字库矩阵做成纵向，省得在显示时还要做矩阵转换。我们接下去所描述的都是指横向矩阵字库。

②.16*16点阵字库 对于1616的矩阵来说，它所需要的位数共是1616＝256个位，每个字节为8位，因此，每个汉字都需要用256/8=32个字节来表示。

即每两个字节代表一行的16个点，共需要16行，显示汉字时，只需一次性读取32个字节，并将每两个字节为一行打印出来，即可形成一个汉字。

点阵结构如下图所示：

③.1414与1212点阵字库 对于1414和1212的字库，理论上计算，它们所需要的点阵分别为(1414/8)=25, (1212/8)=18个字节，但是，如果按这种方式来存储，那么取点阵和显示时，由于它们每一行都不是8的整位数，因此，就会涉到点阵的计算处理问题，会增加程序的复杂度，降低程序的效率。

为了解决这个问题，有些点阵字库会将1414和1212的字库按1614和1612来存储，即，每行还是按两个字节来存储，但是1414的字库，每两个字节的最后两位是没有使用，1212的字节，每两字节的最后4位是没有使用，这个根据不同的字库会有不同的处理方式，所以在使用字库时要注意这个问题，特别是14*14的字库。

3.汉字点阵获取 ①.利用区位码获取汉字 汉字点阵字库是根据区位码的顺序进行存储的，因此，我们可以根据区位来获取一个字库的点阵，它的计算公式如下：

点阵起始位置 = ((区码- 1)*94 + (位码 – 1)) * 汉字点阵字节数

获取点阵起始位置后，我们就可以从这个位置开始，读取出一个汉字的点阵。

②.利用汉字机内码获取汉字 汉字的区位码和机内码的关系如下：

机内码高位字节 = 区码 + 20H + 80H(或区码 + A0H)

机内码低位字节 = 位码 + 20H + 80H(或位码 + AOH)

反过来说，我们也可以根据机内码来获得区位码：

区码 = 机内码高位字节 - A0H

位码 = 机内码低位字节 - AOH

将这个公式与获取汉字点阵的公式进行合并计就可以得到汉字的点阵位置。

在Ubuntu下用C/C++(或python) 调用opencv库编程显示一张图片，并打开一个名为"logo.txt"的文本文件（其中只有一行文本文件，包括名字和学号），按照名字和学号去读取汉字2424点阵字形字库中对应字符的字形数据，将名字和学号叠加显示在此图片右下位置 一张需要显示的图片，2424的点阵.hz文件，ASCII码.zf文件，需要显示的文本文件在logo.txt文件当中输入你想要显示的文字的时候需要用ANSI编码进行编写，不然中文会出现乱码，我们需要在windows下修改，ubuntu下不方便修改。 创建一个word.cpp文件，在文件夹下打开终端，输入以下命令

gedit word.cpp

我们需要修改图片16行的图片名字。 保存好word.cpp文件

不报错后，./word运行即可

利用C++调用OpenCV库在图片上进行汉字的显示，在这个实验最大的收获是帮助了我了解了什么是点阵汉字，以及点阵汉字的结构、如何通过编程调用点阵汉字。实验的过程大体上是比较顺利的，但是其中也遇到了一些小困难，比如说txt文件的格式保存最初在ubuntu系统下，默认保存了为utf-8格式，这导致我后来的文字显示出现乱码，但是在发现了错误之后，文本格式改为了ANSI格式，就很快地解决了问题。所以要仔细操作很快就可以完成了