tk fangsong font

Eine chinesische Schriftart des experimentellen Fang-Songstils, das mit Skelett-Tracing und Pix2Pix erzeugt wurde, mit Glyphen auf Basis von CwtexFangsong. Die Schriftart ist für die vertikale Artensettung optimiert. Unten ist eine Probe:

Die Schrift enthält ungefähr 13.000 Glyphen, hauptsächlich für traditionelle Chinesen.

Ich habe die Schriftart für eines meiner eigenen Projekte erstellt. Die Schriftart ist zugegebenermaßen nicht perfekt, hat aber dennoch viele imeterste Merkmale. Daher teile ich die Schriftdatei und Programme, die verwendet werden, um sie zu generieren.

Herunterladen

Laden Sie die Schriftart direkt unter dist/tkFangsong.ttf herunter.

Der Name der Schrift ist 剔骨仿宋 (Thek-Kwot-Fang-Song, so genannt, weil der Algorithmus, der es erstellt hat, "Deboning" ähnelt). Es ist unter SIL Open -Schriftart Lizenz lizenziert. Wenn Sie dem Autor gutschreiben möchten, können Sie meinen Namen 黃令東/黄令东 oder die Romanisierung "Lingdong Huang" verwenden.

Merkmale

Die Schrift baut auf den eleganten Formen von CwtexFangsong auf, um mehr handgefertigte Erscheinungsbild und Gefühl zu verleihen, dass er an die Ästhetik alter Holzbücher gedruckt ist.

Die Schriftart hat im Vergleich zum ursprünglichen CWTEXFangsong einen größeren Anteil und wird weiter nach unten erweitert, um die Endbeschläge zu betonen. Das "Zentrum der Messe" wird ebenfalls nach unten bewegt:

Oben rechts befindet sich eine Visualisierung der Basisfunktion, die zum Verzerren des Skeletts verwendet wird.

Die Höhe eines Glyphs wird zusätzlich anhand seiner vertikalen Komplexität, berechnet, mit Sobeloperator berechnet und das Maximum jeder Pixelreihe einnimmt.

Viele Schriftarten sind für horizontale Artensettung optimiert, und als solches, wenn sie vertikal angeordnet sind, verschiebt sich der Zentrum der Massen nach links und rechts, was einen gezackten Look verleiht. Diese Schriftart versucht, das Problem durch Berechnen von Zentroiden (über Bildmomente) zu lösen und sie auszurichten.

Die Schrift hat reichhaltige Texturen. Einige von ihnen sind Artefakte, die vom PIX2PIX -Netzwerk produziert werden. Andere sind fein abgestimmte Geräusche, die delippell hinzugefügt wurden.

Es ist zu beachten, dass es als automatisierter Prozess nicht immer optimale Ergebnisse erzielt. Einige Charaktere sehen möglicherweise hässlich aus oder verwenden die falsche kaligraphische Bewegung für bestimmte Striche. Für einige Kaligraphers könnten einige Striche zu "schwach" zu ihrem Geschmack erscheinen.

Verfahren

Die mediale Achse (Skelett) wird für jede Raster -Rendering der Glyphen in der ursprünglichen Schriftart berechnet. (Die resultierende Hershey -Schrift findet sich unter ./dist/cwfs64j.hf.txt)

Bilderpaare: Das ursprüngliche Rendering gegen die Skelette werden zum Training an PIX2PIX gesendet. PIX2PIX lernt die Korrespondenz und kann in der Lage sein, Skelette zu Glyphen zu verwandeln.

Neue Skelette werden erzeugt, indem die Originale gemäß meinem (fragwürdigen) Geschmack verzerrt.

Alle neuen Skelette werden in das geschulte Netzwerk eingespeist, um die neuen Glyphen zu erhalten. Die neuen Glyphen sind in Struktur verzerrt, aber das Gewicht und die Form der Striche sehen immer noch legitim aus.

Es wird einige Nachbearbeitung angewendet und Potrace wird verwendet, um die Glyphen erneut zu bewerten. Schließlich wird Fontforge verwendet, um eine TTF -Datei zu erstellen.

Die Schrift bauen

Beachten Sie, dass Sie sie einfach hier herunterladen können, um die Schriftart zu verwenden. Diese Abschnitte dient zur Reproduktion der Ergebnisse von Grund auf neu.

Die zum Erstellen der Schriftart verwendeten Skripte sind im workflow/ Ordner enthalten. Beachten Sie, dass das Erstellen der Schriftart ein recht beteiligter Prozess ist (insbesondere im Teil der Schulung des neuronalen Netzes). Möglicherweise müssen Sie auch die Skripte so ändern, dass Sie Ihre System-/Ordnerkonfiguration entsprechen. Hier sind jedoch einige grobe Schritte:

• Holen Sie sich OpenCV, TensorFlow <= 1.13.1, Numpy und Freunde
• Installieren Sie zuerst die Swig-Version von Skeleton-Tracing für Python und erhalten Sie von hier aus cwtexfingsong.
• skel.py > CWFS64.HF.TXT join.py > CWFS64J.HF.TXT
• Ändern Sie pairs.py um CWFS64J.HF.TXT zu lesen und in einen Ordner auszugeben, den Sie erstellen.
• Laden Sie PIX2Pix-TensorFlow und Train auf die im vorherigen Schritt erstellten Bilder herunter. (Viel Glück, ein prähistorisches Tensorflow -Projekt zu laufen, Sie brauchen es. Sobald Sie es ziemlich unkompliziert sind, folgen Sie ihrem Readme).
• Ich habe 40.000 Schritte auf 1,3.000 Bildern trainiert, nachdem die Qualität nicht viel zu verbessern schien, und Ihre Kilometerleistung könnte variieren.
• Rennen Sie warp.py > CWFS64W3.HF.TXT . Ändern Sie pairs.py , um daraus zu lesen, und erstellen Sie einen Ausgabefordner wie zuvor. pairs.py rennen.
• Bewerten Sie die neuen Bildpaare mit PIX2Pix. Bearbeiten Sie eines der Bilder, die zu viel Defekt mit Photoshop oder Software Ihrer Wahl haben. Legen Sie die bearbeiteten in einen getrennten Ordner, sagen Sie retouched/ .
• Ändern Sie refine.py , um aus den Bildern und Retuschen -Bildern zu lesen, erstellen Sie einen Ausgangsordner fine/ dafür und führen Sie das Skript aus.
• Laden Sie Potrace herunter, machen Sie es aus Befehlszeile und führen Sie trace_all.py aus.
• Führen Sie forgefont.py aus, um ein TTF aus SVGs zu erstellen, das im vorherigen Schritt generiert wurde.
• Erledigt! Sie können auch die Glyphen mit preview.py > index.html oder der Vorschau des Skeletts mit preview_hf.py > index.html vorschau.

---

Ein PDF, der alle Glyphen enthält, finden Sie hier. Wenn Sie diese Schriftart nicht schlecht finden, können Sie auch Qiji-font genießen, eine authentischere Reproduktion einer historischen Schrift.