基于OpenType技術的方塊苗文字庫研究

莫禮平，周愷卿，蔣效會

(1. 吉首大學 信息科學與工程學院，湖南 吉首 416000;2. 馬來西亞理工大學 計算學院，馬來西亞 柔佛州 士古來 81310)

?

基于OpenType技術的方塊苗文字庫研究

莫禮平1，周愷卿2，蔣效會1

(1. 吉首大學 信息科學與工程學院，湖南 吉首 416000;2. 馬來西亞理工大學 計算學院，馬來西亞 柔佛州 士古來 81310)

方塊苗文是民間苗文的代表，其信息處理研究對于保護民間苗族文化遺產和弘揚苗族文化有著重要意義。字庫開發是方塊苗文信息處理研究內容的重要部分。根據方塊苗文字庫開發的實際需要，該文以文字結構分析為基礎，提出了基于Unicode標準的方塊苗文編碼方案設計思想，介紹了方塊苗文字符字模制作的基本步驟，并以標簽定義、操作符定義和變換規則定義為重點，探討了基于OpenType技術的方塊苗文字庫設計和開發的方法。測試結果表明，方塊苗文OpenType字庫具有文件小、易擴充等優點，能夠解決英文、漢字和方塊苗文的混排問題。

方塊苗文； Unicode標準；字符編碼；OpenType技術；字庫

1 引言

方塊苗文是清朝末年以來一些苗族知識分子為了發展苗族文化教育事業而創制的一種仿漢字結構的文字，是民間苗文的代表。據文獻[1-2]記載，方塊苗文分為三套： 老寨苗文、古丈苗文和板塘苗文。其中，板塘苗文有著較好的群眾基礎，當地人們至今還用它創作、記錄苗歌，基于板塘苗文的文學創作開創了現代苗語書面文學的先河。板塘苗文創制者曾編寫了一冊《苗文字正譜》(此書已佚失)，其中收錄了1 000多個板塘苗文。趙麗明和劉自齊先生從數十萬苗文歌本和劇本中挖掘和整理出近500個板塘苗文、100個左右老寨苗文。撰寫于清朝光緒丁未年的《古丈坪廳志》中共記錄了100多個古丈苗文。目前，方塊苗文的收集整理工作還在繼續進行中。

20世紀80年代初至今，以藏文、維吾爾文、蒙古文等為代表的少數民族文字信息處理研究進展迅速，研究成果得到廣泛應用，并產生了巨大的社會效益和經濟效益。然而，迄今為止，國內苗文信息處理研究非常稀少。見諸報道的僅有文獻[3]中提到的余樂教授等人于1988年研制的計算機苗文處理系統和吳光州等人于1994年研制的云南規范苗文計算機處理系統。這兩個系統的功能僅限于DOS操作系統下對基于拼音字母的云南苗文進行簡單的編輯排版，適應不了當今的Windows操作系統和網絡環境，不能處理方塊苗文，無法滿足武陵山片區民族文化旅游產業發展和非物質文化遺產保護對方塊苗文數字化的需求。

字庫是方塊苗文信息化需要解決的首要問題。本文探討基于Unicode編碼標準和OpenType字形技術的方塊苗文字庫的設計和開發方法。

2 方塊苗文的結構分析

2.1 方塊苗文結構特點 方塊苗文由民間個人自創，故不定形、不定體，因使用者個人而異，但堅持一個“取個人認為最易認易記的漢字作為代表符號”的原則[2]。實際當作構件使用的通常是一些日常使用頻率較高，且結構或筆畫較簡單的漢字(或漢字偏旁)，以及個別無音無義的純粹符號(如“～”、“X”)。

方塊苗文的結構特點和造字方法與漢字基本一致，以假借漢字為主，創造性地運用了形聲、會意、假借、象形等手段，直接將漢字作為義符、聲符或形符構件，采用一字一音節的方法來標記一個語素或詞。方塊苗文通常是兩個或三個構件組成的合體字，以二構件型為主，其結構大致包括圖1中字例所示的四種：左右結構(很多)、上下結構(較多)、側圍結構(較少)、內外結構(極少)。

圖1 不同結構的方塊苗文字例及其漢義

本文將獨體字和作為構件的漢字、偏旁及符號稱為方塊苗文名義字符?？紤]到三個構件合成的方塊苗文以及內外結構方塊苗文的數目極少，可將其視為獨體字處理。根據方塊苗文名義字符在合體字中可能顯現的情況，定義如下五種方塊苗文顯現字符。

(1) 左右構件型顯現字符：名義字符作為左右結構合體字的左部或右部構件時的顯現形式。

(2) 上下構件型顯現字符：名義字符作為上下結構合體字的上部或下部構件時的顯現形式。

(3) 內側構件型顯現字符：名義字符作為側圍結構合體字的內側構件時的顯現形式。

(4) 外包構件型顯現字符：名義字符作為側圍結構合體字的外包構件時的顯現形式。

(5) 獨體字顯現字符：對獨體字直接定義其整體的顯現形式。

注意： 當一個漢字作為內外結構方塊苗文合體字構件時，其顯現形式不再單獨定義為顯現字符。

2.2 方塊苗文組合方案

表1 源自文獻[1-2]的41個可用于苗文構件的代表性漢字列表

編號漢字編號漢字編號漢字編號漢字編號漢字1己11一21白31口41米

續表

2.3 方塊苗文組合示例

取漢字偏旁“扌”或從表1中取“乙”、 “口”作左構件，取“一”至“十”作右構件，動態組合可得到方塊苗文中表示數字的三組文字；從表1中取“色” 作左外包構件，取“白”、“黑”等作右內側構件，動態組合可得到方塊苗文中表示顏色的一組字；從表1中取“雨”作上構件，取“氣”、“風”、“白”等作下構件，動態組合可得到方塊苗文中表示空氣、風、雪等天氣的一組字。

3 方塊苗文的編碼方案設計思想

方塊苗文編碼的最簡單方法是在漢字GB2312或GBK標準中占用漢字的位置或保留區來存放方塊苗文字符。但是，此種編碼方案不利于實現苗漢混排。Unicode標準[4]支持世界上所有語言的編碼和轉換，將全世界所有主要文字和符號統一到了一個字符集中，為每個字符提供一個唯一的特定數值，克服了傳統字符編碼方式無法同時處理混合多種語言的局限性。所以，方塊苗文可選擇基于Unicode字符集的編碼方案，將方塊苗文字符存放于Unicode字符集基本多文種平面 (Basic Multilingual Plane，簡稱BMP)區中預留的用戶自定義區域E000—F8FF。

由于方塊苗文以合體字為主，合體字又以基本漢字、偏旁及符號作為構件，且構件數目不多，開發方塊苗文字庫時可以直接使用能夠自行解決字符顯示化選型問題的OpenType技術。因此，只需對方塊苗文名義字符(獨體字和構件)按照BMP 編碼格式進行編排，不必對方塊苗文的各種變形顯現字符(顯示或打印輸出時需要用到的方塊苗文字符)逐一編碼。這樣可達到節省大量編碼空間的目的。

4 方塊苗文字符的字模制作

開發方塊苗文OpenType字庫之前，需要先制作字模。本文針對從文獻[1-2]中整理出的方塊苗文名義字符及它們可能呈現的五種顯現字符設計字稿，并使用圖像處理軟件Photoshop CS5和字體制作軟件Font Creator Program 6.0來制作字模。

4.1 字稿圖像預處理

在Phtoshop CS5中，首先需對字稿圖像中的字符進行縮放調整和分割，形成獨立的苗文字符字模小圖片(注：為了保證載入速度，圖片不宜太大)。再通過對決定圖片亮度的黑白分界閾值進行調整，完成字模圖片的二值化處理，生成高對比度的黑白圖像。

4.2 輪廓提取和邊緣凈化

使用Photoshop CS5的磁性索套或魔術棒提取當前苗文字符字模圖像中字符粗略的完整輪廓，再用智能邊緣偵測命令，根據圖像背景范圍調節智能邊緣半徑(取45～50之間的值比較合適)，完成字符輪廓的精確提取。個別背景顏色純度不高的字模圖像，可運用半徑調整及抹除調整等工具進行手動處理。

如果提取到的字符邊緣有雜色邊，還可以借助平滑、羽化、對比度及移動邊緣等參數進行細節調整。若個別字符邊緣存在輕微半透明顏色，還需做顏色凈化處理(通常將凈化率設置為80%即可去除半透明色)。凈化處理后的字模小圖片即可保存為獨立圖像小文件。

4.3 字模矢量化

在Font Creator Program 6.0軟件中導入方塊苗文字符字模圖像，按如下步驟生成矢量化的字形數據，并保存為TrueType字體文件。

(1) 以“方塊苗文”為名，新建一個基于Unicode字符集的TTF文件。

(2) 導入一個字模圖像，調整該字模字符位置，修改字形輪廓。調整時，注意保持字符與漢字、英文數字等符號在字號、字體、基線位置標準、線條粗細大小等方面的一致性。

(3) 將字符從字形輪廓模式轉換為節點模式，通過節點調整完成字形輪廓的細節修改。

(4) 驗證字模，并按照驗證報告和字符顯示效果調整參數值，直到驗證無誤且達到所需的字形輪廓精度為止。關閉編輯窗口，確定此字模字符為當前Unicode編碼位置的方塊苗文字符。

重復步驟(2)～(4)，導入其余字模圖像，確定其他編碼位置的苗文字符。最后，對當前TTF文件進行測試和調整修改，直到TTF文件中的所有字符都比較整齊規范為止。

5 方塊苗文OpenType字庫的開發

5.1 技術原理 方塊苗文字庫采用OpenType技術開發。OpenType技術[5-7]是一種支持 Unicode 字符集的、開放式的、可擴充的字形描述技術，不但支持傳統的TrueType體系結構，而且融合了 PostScript技術，增加了處理復雜文本的高級排印功能。OpenType 字體格式允許在字符之間建立映射以靈活控制字體，為復雜文本字體的高質量顯示和打印、字形的自由變換和任意縮放處理提供了捷徑。目前，藏文[8-9]、蒙古文[10]、維哈柯文[11]等民族文字OpenType字庫已經應用于Windows、Linux操作系統和網絡環境中。

OpenType字庫的開發主要通過規劃和設置不同的布局表來完成。OpenType 布局表由字形定義(GDEF)表、字形替換(GSUB)表、字形置位(GPOS)表、字形調整(JSTF)表、基線數據(BASE)表等多張表構成。其中， GSUB和GPOS表包含了字形替換和位置特征相關的全部信息，幾乎覆蓋了所有復雜文本的處理要求。OpenType對布局表的訪問按照“文字→語言系統→相應特征→查找數據”的流程進行，通過文字(Script)、語言(Language)和特征(Feature)三類標簽來實現。Feature標簽用于定義語言系統所要求的字形替換和置位特征，OpenType技術的高級排版特征通過Feature標簽實現。Script、Language、Feature標簽及Feature標簽的查找(Lookup)偏移量，皆以子表形式存放在GSUB表和GPOS表中。GSUB 表包含若干并列的Feature 表。每張Feature表又包括一張或多張Lookup 子表。Lookup 子表完成從名義字符到顯現字符的映射功能，以及各種不同字形的顯現字符之間的替換功能。

開發OpenType字庫的關鍵是如何根據文字的結構特征定義Feature標簽，以及如何抽象和定義各種替換和置位操作的類型規則。

方塊苗文OpenType字庫采用Microsoft 的 OpenType字體布局工具VOLT[12]開發。在VOLT中打開方塊苗文TTF文件，規劃和設置OpenType布局表，在布局表中定義Script、Language、Feature三類標簽，根據方塊苗文字符位置布局、組合布局及替換操作的實際需要，定義相應操作符和字形變換規則，使用 OpenType 腳本語言描述這些規則。

5.2 標簽定義

方塊苗文OpenType字庫的Script標簽定義為SqHmongLanguage ，Language標簽取默認值Default，Feature標簽定義如下：

(1) 左右構件形式替換特征標簽(LeftRightParts)： 定義構件型名義字符到左右構件型顯現字符的映射關系表。

(2) 上下構件形式替換特征標簽(UpDownParts)： 定義構件型名義字符到上下構件型顯現字符的映射關系表。

(3) 側圍構件形式替換特征標簽(HalfIncludeParts)： 定義構件型名義字符到外包構件型顯現字符及內側構件型顯現字符的映射關系表。

(4) 上下文替換特征標簽(ContextualAlternates)： 該標簽中主要定義控制符的處理。當一個顯現字符后面跟有控制符時，該字符根據控制符按照規則映射為另一個變形顯現字符。中定義兩個變形顯現字符之間的映射關系表。

(5) 左右合體字形式特征標簽(LRLigature )： 定義左右或側圍結構合體字的合成映射關系表。

(6) 上下合體字形式特征標簽(UDLigature )： 定義上下結構合體字的合成映射關系表。

5.3 操作符定義

為了方便對方塊苗文字符的位置布局、組合布局及字形替換相關操作進行描述，用X、Y、Z、V、W表示字符，可定義如下18個操作符。

(1) Location(X,Pos)： X在合體字中的位置。Pos為枚舉變量，其值為{LeftRight,UpDown,Isolated}。LeftRight表示X位于合體字左部或右部(注意： 如果X是左右結構合體字的左部構件或側圍結構合體字的外包構件，則視為X位于合體字的左部；如果X是左右結構合體字的右部構件或側圍結構合體字的內側包構件，則視為X位于合體字的右部)；UpDown表示X位于合體字的上部或下部；Isolated表示X作為獨體字出現。

(2) Before(X,Y)： X位于Y的前面。

(3) Up(X,Y)： X位于Y的上面。

(4) LeftRight(X)： X顯現為左右構件型顯現字符形式。

(5) UpDown (X)： X顯現為上下構件型顯現字符形式。

(6) HalfIncludeIn(X)： X顯現為內側構件型顯現字符形式。

(7) HalfIncludeOut(X)： X顯現為外包構件型顯現字符形式。

(8) Isolated(X)： X顯現為獨體字顯現字符形式。

(9) LRLigature(X,Y)： X和Y 組成的左右結構或側圍結構合體字的顯現形式。

(10) UDLigature(X,Y)： X和Y組成的上下結構合體字的顯現形式。

(11) Variation(X)： X的自由變體顯現形式。

(12) IsControler(X)： X是控制符。

(13) IsHalfIncluderIn(X)： X是側圍結構合體字的內側構件字符。

(14) IsHalfIncluderOut(X)： X是側圍結構合體字的外包構件字符。

(15) CanBeLig(X,Y)： X和Y可以組成合體字形。

(16) Combine(X,Y)： 將X和Y組合為合體字。

(17) Shape(X)： 根據X所處位置的不同顯示X的不同顯現形式。

(18) Viriate(X,Y)： 在控制符 Y 的作用下，顯示 X的變體顯現形式。

5.4 變換規則定義

方塊苗文字符字形變換規則在各個Feature標簽的Lookup映射關系表中定義。為了方便描述，下面以謂詞形式給出方塊苗文字符字形的替換和置位操作的相關規則。

5.4.1 位置關系判斷規則

規則1至規則3用于判斷某個字符在方塊苗文中的位置。例如，規則1表示： 當X前無任何字符且X后緊跟一個字符，或X后無任何字符且X前存在一個字符時，如果X的上下方均無任何字符，則X位于合體字的左部或右部。

規則1 (?X)Location(X,LeftRight)←((((?Y)Before(Y,X)∧((?Z)Before(X,Z)))∨(((?Y)Before(X,Y))∧((?Z)Before(Z,X)))∧((?Y)Up(Y,X))∧((?Y)Up(X,Y)))

規則2 (?X)Location(X,Updown)←((((?Y)Up(Y,X)∧((?Z)Up(X,Z)))∨(((?Y)Up(X,Y))∧((?Z)Up(Z,X)))∧((?Y)Before(Y,X))∧((?Y)Before(X,Y)))

規則3 (?X)Location(X,Isolated)←(((?Y)Up(Y,X))∧((?Z)Up(X,Z))∧((?V)Before(V,X))∧((?W)Before(X,W)))

5.4.2 顯現形式判斷規則

規則4至規則8用于判斷某個字符顯示為何種顯現形式。例如，規則4表示： 當X位于合體字的左部或右部，且X不是側圍結構合體字構件字符，且X后不跟任何控制符時，以左右構件型顯現字符形式顯示X。

規則4 (?X)(Shape(X)→(LeftRight(X)←Location(X,LeftRight)∧IsHalfIncluder(X)∧((?Y)(Before(X,Y)∧IsControler(y)))))

規則5 (?X)(Shape(X)→(UpDown(X)←Location(X,Updown)∧((?Y)(Before(X,Y)∧IsControler(Y)))))

規則6 (?X)(Shape(X)→(Isolated(X)←Location(X,Isolated)∧((?Y)(Before(X,Y)∧IsControler(Y)))))

規則7 (?X)(Shape(X)→(HalfIncludeIn(X)←Location(X,LeftRight)∧IsHalfIncluderIn(X)∧((?Y)(Before(X,Y)∧IsControler(Y)))))

規則8 (?X)(Shape(X)→(HalfIncludeOut(X)←Location(X,LeftRight)∧IsHalfIncluderIn(X)∧((?Y)(Before(X,Y)∧IsControler(Y)))))

5.4.3 字符組合和控制變換規則

規則9、10用于確定如何將兩個字符組合為一個合體字。例如，規則9表示： 當X位于Y前面，且X和Y能組成合體字，則將X和Y組成左右結構或側圍結構的合體字顯現形式。

規則9 (?X)(?Y)(Combine(X,Y)→(LRLigature(X,Y)←Before(X,Y)∧CanBeLig(X,Y)))

規則10 (?X)(?Y)(Combine(X,Y)→(UDLigature(X,Y)←Up(X,Y)∧CanBeLig(X,Y)))

下面的規則11是控制變換規則，表示當X后跟有控制符Y時，將X以Y作用下的變體顯現形式進行顯示。

規則11 (?X)(?Y)(Viriate(Y,X)→(Viriation(X)←Before(X,Y)∧IsControler(Y)))

除上述規則外，Lookup映射關系表中還可以設置轉換條件。當滿足條件的字符超過兩個時，可以將它們建成組。

5.5 腳本編寫

在GSUB 表中建立好對應于各個操作符的屬性后，需根據前述替換和置位操作相關規則設計并編寫字形替換腳本和連字組合腳本。字形替換腳本以方塊苗文名義字符的編碼為基礎，列出每個名義字符位于合體字不同位置時所對應的各種變形顯現字符的代碼。連字組合腳本以名義字符的各種變形顯現字符代碼為基礎，列出兩個變形顯現字符連續出現時自動組合成一個方塊苗文合體字的顯現字符的代碼。

借助VOLT，將方塊苗文標簽和文本特征描述信息、字形替換腳本和連字腳本信息、替換特征對應的映射變換腳本信息等，分類添加到ScriptList和FeatureList、LookupList表中。可以通過“Edit Glyphs”命令項查看和編輯字形字符在字庫中的位置編號，使用“Edit Lookup”命令編輯和修改不同字形字符組合為合體字字形的腳本信息。

5.6 字庫生成和測試

將文件編譯并保存為帶腳本的 OpenType 字體文件，添加上 Unicode 編碼，即形成方塊苗文OpenType 字庫。在VOLT中完成初步測試后，將字庫安裝到 Windows XP操作系統，使用Word軟件進行字形替換及連字組合腳本測試，以及英漢苗三種文字混排時的中線基線位置、線條粗度、字號大小的匹配測試。測試發現的問題通過重新調整字模和修改腳本基本得到解決。最后，在Word軟件中進行實用測試。將輸入的不同結構的多個方塊苗文插入到英文、漢字及數字共同構成的混合字串中，以華文行楷常用字號、小字號和大字號顯示輸出的效果如圖2所示。由圖2可見，該方塊苗文字庫基本能夠解決方塊苗文同英文、漢字的混排問題。

圖2 方塊苗文輸出效果

6 結束語

方塊苗文OpenType字庫僅需存儲方塊苗文的構件字符和獨體字符，具有文件小的優點。而且，OpenType技術支持的開放性和可擴充性，允許人們根據需要對字庫內容進行補充和完善。在今后方塊苗文收集整理工作中，遇到首次出現的方塊苗文新構件時，只需在字庫中增加新構件對應的名義字符，并補充新構件處于合體字不同位置時對應的顯現字符的定義。隨著苗文民間收集整理工作的全面進行，方塊苗文OpenType字庫所包括的名義字符數目將逐漸增加，各個名義字符對應的顯現字符以不同風格進行變體顯現的功能也將逐步得到補充和完善。

[1] 趙麗明,劉自齊. 湘西方塊苗文[J].民族語文, 1990, 1:44-49.

[2] 龍德義.計算機苗文處理系統研制成功[J].今日民族,1995,5:16.

[3] 楊再彪，羅紅源.湘西苗族民間苗文造字體系[J]. 吉首大學學報(社會科學版),2008,29(6):130-134.

[4] Unicode Consortium. The Unicode Standard: A Technical Introduction [EB/OL]. http://www.unicode.org/standard /principles.html,2012-10-04.

[5] Microsoft Corporation. OpenType specification version 1.6 [EB/OL].http://www.microsoft.com/typography/otspec,2009-09-21.

[6] 肖明,胡金柱,趙慧. 字形技術及OpenType字體文件格式研究[J].中文信息學報,1999,13(6):53-59.

[7] 董治江,吳健,鐘義信.在ICU中實現少數民族文字處理[J].中文信息學報,2004,18(2):66-72.

[8] 曹暉. 藏文 OpenType 字體技術研究及實現[J].西北民族大學學報(自然科學版),2008,29(3):24-28.

[9] 芮建武,吳健,孫玉芳.基于ISO/IEC10646標準的藏文操作系統若干問題研究[J].中文信息學報，2005,19(5):59-65.

[10] 姚延棟,吳健,孫玉芳,等. 傳統蒙古文變形顯示機制研究與實現[J].中文信息學報,2005,18(5):84-89.

[11] 蘇國平,繆成,夏國平.基于Open Type的維哈柯文自動選形引擎的設計與實現[J].中文信息學報,2007,21(4):116-121.

[12] Microsoft Corporation. Visual OpenType Layout Tool (VOLT)[EB/OL]. http://www.microsoft.com/typography/VOLT.mspx, 2009-01-15.

Research on Square Hmong Language Characters Fonts Based on OpenType Technology

MO Liping1, ZHOU Kaiqing2, JIANG Xiaohui3

(1. College of Information Science and Engineering, Ji Shou University, Jishou, Hunan 416000,China; 2. Faculty of Computing，Universiti Teknologi Malaysia，Skudai Johor 81310，Malaysia)

Square Hmong language characters are typical representative of the folk Hmong language characters. The research on square Hmong language characters information processing is of great significance for protecting folk Hmong cultural heritage and carrying forward Hmong culture. Fonts development is an important part of the above research. According to the actual demand of the fonts development for square Hmong language characters, taking structure analysis as the foundation, the design idea for square Hmong language characters encoding scheme based on the Unicode standard was proposed, and the basic steps of making matrix fonts were introduced. Focusing on the labels definition, operators definition and transformation rules definition, the methods of designing and developing the square Hmong language characters fonts based on OpenType technology were discussed. Test results illustrate that the square Hmong language characters OpenType fonts file has the advantages of is small, easy to expand, etc., and can solve the hybrid layout problem of English, Chinese and the square Hmong language characters.

square Hmong language characters;the Unicode standard; character encoding; OpenType technology; fonts

莫禮平(1972-)，碩士，高級實驗師，主要研究領域為語言文字信息處理、Petri網理論及應用等。E?mail：zmx89@163．com周愷卿(1984-)，博士研究生，主要研究領域為模糊Petri網、語言文字信息處理等。E?mail：jsu＿computer@163．com蔣效會(1978-)，碩士，講師，主要研究領域為語言文字信息處理、數據挖掘、數據庫技術等。E?mail：nullspace@qq．com

1003-0077(2015)02-0150-07

2013-01-14 定稿日期： 2013-06-28

湖南省教育廳青年項目(No:10B088)

TP391

A