《漢語拼音大寫字母規(guī)定格式練習(xí)系統(tǒng)設(shè)計.doc》由會員分享，可在線閱讀，更多相關(guān)《漢語拼音大寫字母規(guī)定格式練習(xí)系統(tǒng)設(shè)計.doc（47頁珍藏版）》請在裝配圖網(wǎng)上搜索。

永 州 職 業(yè) 技 術(shù) 學(xué) 院 畢業(yè)設(shè)計 漢語拼音大寫字母規(guī)定格式練習(xí)系統(tǒng)設(shè)計 學(xué)生姓名：彭 嵩 年級專業(yè)：2005級 軟件技術(shù) 指導(dǎo)老師：胡紅宇 副教授 系 部：計算機系 湖南永州 提交日期：2009年11月20日  湖南永州職業(yè)技術(shù)學(xué)院畢業(yè) 論文（設(shè)計） 誠 信 聲 明 本人鄭重聲明：所呈交的大專畢業(yè)論文(設(shè)計)，是本人在指導(dǎo)老師的指導(dǎo)下，獨立進行研究工作所取得的成果，成果不存在知識產(chǎn)權(quán)爭議，本設(shè)計不含任何其他個人或集體已經(jīng)發(fā)表過的作品成果。本人完全意識到本聲明的法律結(jié)果由本人承擔。 畢業(yè)設(shè)計作者簽名： 200 年 月 日 一、畢業(yè)設(shè)計（論文）的主要內(nèi)容及依據(jù)（任務(wù)及背景、工具環(huán)境、成果形式、著重培養(yǎng)的能力） 二、應(yīng)收集的資料及主要參考文獻 三、畢業(yè)設(shè)計（論文）進度計劃 起 迄 日 期 工 作 進 度 備 注 開 題 報 告 （該表格由學(xué)生獨立完成) 建議填寫以下內(nèi)容：1.簡述課題的作用、意義，在國內(nèi)外的研究現(xiàn)狀和發(fā)展趨勢，尚待研究的問題。2.重點介紹完成任務(wù)的可能思路和方案；3.需要的主要儀器和設(shè)備等。 指導(dǎo)教師評語：（建議填寫內(nèi)容：對學(xué)生提出的方案給出評語，明確是否同意開題，提出學(xué)生完成上述任務(wù)的建議、注意事項等） 指導(dǎo)教師簽名： 年 月 日  目 錄 摘 要 3 1 前言 4 1.1 本課題的意義以及目標 4 1.1.1 課題意義 4 1.1.2 課題目標 4 1.2 課題內(nèi)容在國內(nèi)外研究現(xiàn)狀以及水平 4 1.3 系統(tǒng)總體結(jié)構(gòu)設(shè)計 5 1.4 基本工作原理及方法 6 1.5 整個畢業(yè)設(shè)計說明書的結(jié)構(gòu)介紹 6 2 相關(guān)的知識和工具 7 2.1 計算機圖形學(xué) 7 2.2 模式識別 7 2.3 BP神經(jīng)網(wǎng)絡(luò) 7 2.4 Visual C++ 8 2.5 開發(fā)平臺及語言 8 3 窗口和書寫筆畫超范圍識別設(shè)計 9 3.1 窗口設(shè)計 9 3.1.1 背景設(shè)計 10 3.1.2 功能鍵設(shè)計 10 3.1.3 格式鍵設(shè)計 10 3.1.4 書寫區(qū)域四線格設(shè)計 10 3.2 書寫筆畫超范圍識別設(shè)計 11 3.2.1 功能分析 11 3.2.2 筆畫超范圍設(shè)計分析 12 4 手寫漢語拼音大寫字母的識別設(shè)計 12 4.1 手寫拼音大寫字母結(jié)構(gòu)分析 12 4.2 系統(tǒng)功能分析 15 4.3 手寫大寫拼音字母識別方案設(shè)計 15 4.3.1 BP神經(jīng)網(wǎng)絡(luò)模型分析 15 4.3.2 數(shù)據(jù)預(yù)處理 17 4.3.3 神經(jīng)網(wǎng)絡(luò)的建立 19 5 實驗效果演示 22 5.1 系統(tǒng)界面 22 5.2 實例操作 22 6 結(jié)論 25 參考文獻 26 致謝…………………………………………………………………………… 25 附錄 28 漢語拼音大寫字母規(guī)定格式練習(xí)系統(tǒng)設(shè)計 學(xué) 生：彭嵩 指導(dǎo)老師：胡紅宇 (湖南永州職業(yè)技術(shù)學(xué)院計算機系 永州 425000) 摘 要：幼兒教學(xué)是人生學(xué)習(xí)最重要的起點，而幼兒的漢語拼音教學(xué)又是孩子們在幼兒時期能夠有個良好學(xué)習(xí)基礎(chǔ)的關(guān)鍵之一。本文從方便幼兒學(xué)習(xí)漢語拼音字母的角度對漢語拼音大寫字母規(guī)定格式練習(xí)進行了深入的理論探討和程序?qū)嵺`。在手寫大寫拼音字母識別設(shè)計上利用了BP網(wǎng)絡(luò)理論，先分別對各字母進行特征選擇與提取，然后讓神經(jīng)網(wǎng)絡(luò)對26個大寫字母進行模式識別。實驗結(jié)果顯示，系統(tǒng)能夠正確識別規(guī)定格式下的26個大寫漢語拼音字母，該系統(tǒng)能夠方便幼兒對漢語拼音字母的學(xué)習(xí)。 關(guān)鍵詞：漢語拼音大寫字母，規(guī)定格式，練習(xí)系統(tǒng)，BP神經(jīng)網(wǎng)絡(luò)。 第1章 前言 1.1 本課題的意義以及目標 1.1.1 課題意義 漢語拼音是幫助識字和學(xué)習(xí)普通話的工具。在小學(xué)階段要求熟練掌握聲母、韻母、拼音、聲調(diào)、整體認讀音節(jié)和一些拼寫規(guī)則，能按順序背誦、默寫字母表，會用音序查字典；能運用拼音識字，正音和學(xué)習(xí)普通話。因此對幼兒漢語拼音的教學(xué)也就成了一件非常重要的事情。而漢語拼音規(guī)定格式練習(xí)系統(tǒng)是一種新型數(shù)字教學(xué)文具，讓孩子們能夠規(guī)范而且正確的學(xué)習(xí)漢語拼音，提高學(xué)習(xí)漢語拼音字母的效率。 在新世紀里，新的課程目標，新的教學(xué)環(huán)境，新的教育模式無疑都是促使我們創(chuàng)造出新的教學(xué)方法和教學(xué)文具的動力。特別是新的課程標準的出臺使中國站在了世界教育改革的前列。也使我們教育工作者變革著自己的教育教學(xué)思想，向傳統(tǒng)教學(xué)中陳腐的教學(xué)觀挑戰(zhàn)，以期培養(yǎng)出具有創(chuàng)新精神，合作意識和開放視野，具有包括閱讀理解與表達交流在內(nèi)的多方面素質(zhì)的人才。 在中國，每年都有將近2億的學(xué)前班、小學(xué)生開設(shè)了習(xí)字課，而學(xué)習(xí)漢語拼音的孩子大多數(shù)都是用拼音本———采用四線格規(guī)定格式的漢語拼音練習(xí)本。每年僅小學(xué)生練習(xí)習(xí)字一項就須造32K的紙30多億張，為造這30多億張32K的紙需要砍伐的樹木數(shù)量及造紙產(chǎn)生的污染不言而喻。利用手寫板技術(shù)取代習(xí)字紙張不僅可以大量減少習(xí)字用紙，而且有益于小學(xué)生從小就接觸到高科技技術(shù)，使他們能夠從小就享受到高科技帶來的成果。 隨著社會的不斷進步，教育問題會得到更多關(guān)注，幼兒教育需要更加優(yōu)秀的方法融于其中。通過規(guī)定格式下的手寫漢語拼音字母練習(xí)系統(tǒng)設(shè)計可以讓幼兒從小養(yǎng)成良好的學(xué)習(xí)習(xí)慣，使?jié)h語拼音的學(xué)習(xí)變得充滿趣味性，從而提高了學(xué)習(xí)漢語拼音的效率。因此，手寫漢語拼音字母規(guī)定格式練習(xí)系統(tǒng)設(shè)計的研究有著重大的現(xiàn)實意義，一旦研究成功并投入商用，將產(chǎn)生巨大的經(jīng)濟和社會效益。 1.1.2 課題目標 研制出漢語拼音字母、拉丁字母的電腦輔助系統(tǒng)設(shè)計,重點研究手寫大寫拼音字母在規(guī)定格式中練習(xí)書寫模式的識別。建立類文字庫在規(guī)定格式書寫條件下的識別方法。 1.2 課題內(nèi)容在國內(nèi)外研究現(xiàn)狀以及水平 漢語拼音方案采用拉丁字母，跟英文的書寫比較相似。現(xiàn)在國外英文的手寫輸入比較成熟，國內(nèi)的漢字識別技術(shù)也有了長足的進步，從簡單的單體識別發(fā)展到多種字體混排的識別，從中文印刷材料的識別發(fā)展到中英文混排材料的雙語識別，各個系統(tǒng)可以支持簡、繁漢字識別，漢字的識別率達到了98%以上。近來，基于神經(jīng)網(wǎng)絡(luò)的模式識別研究發(fā)展迅速，利用神經(jīng)網(wǎng)絡(luò)進行特征選擇與提取技術(shù)應(yīng)用也越來越受到重視，人工神經(jīng)網(wǎng)絡(luò)已應(yīng)用于很多領(lǐng)域，并在許多科研項目上取得了可喜的成果。 1.3 系統(tǒng)總體結(jié)構(gòu)設(shè)計 系統(tǒng)的總體結(jié)構(gòu)分為以下四個模塊元素： (1) 寫字板窗口設(shè)計：包括窗口背景風(fēng)格設(shè)計，功能格式按鈕設(shè)計以及書寫區(qū)域四線格設(shè)計。 (2) 寫字規(guī)范化設(shè)計：自動對當前一筆畫超四線格范圍判斷處理（該系統(tǒng)的設(shè)計是以文字形式提示，展望能夠用語音進行提示）。 (3)書寫字母正確性判斷：對當前寫好的字母，當點擊識別按鈕時，系統(tǒng)便會對當前字母進行正確性判斷。其中對手寫大寫拼音字母識別設(shè)計是本課題設(shè)計的重點，也是整個系統(tǒng)設(shè)計的重點和難點。 (4) 書寫質(zhì)量分析：對書寫正確的字母進行質(zhì)量分析并根據(jù)質(zhì)量進行評分 各模塊關(guān)系如圖1-1所示。 窗 口 設(shè) 計 規(guī) 范 化 設(shè) 計 質(zhì) 量 分 析 正 確 性 判 斷 圖1-1模塊關(guān)系圖 系統(tǒng)對字母的判斷處理過程如圖1-2所示。 字 母 輸 入 超 范 圍 判 斷 正 確 性 判 斷 書 寫 成 績 質(zhì) 量 分 析 圖1-2系統(tǒng)判斷過程 1.4 基本工作原理及方法 本設(shè)計從模式識別的角度對輸入的漢語拼音字母進行識別判斷。它主要包括了拼音字母的輸入，書寫筆畫的超范圍識別，固定格式下的漢語拼音的識別。拼音字母的輸入是直接用鼠標進行書寫。筆畫的超范圍識別采用建立坐標系，對四線格邊界坐標進行定位，并自動的隨機的記錄部分書寫筆畫的點進行判斷處理。其中手寫大寫漢語拼音字母的識別是本課題研究的重點，也是整個系統(tǒng)的重點和難點。本文先對BP神經(jīng)網(wǎng)絡(luò)理論進行了探討和分析，利用BP神經(jīng)網(wǎng)絡(luò)對各字母進行特征選擇與提取，并對網(wǎng)絡(luò)不斷的進行樣本訓(xùn)練，直到網(wǎng)絡(luò)對大寫字母能夠較好的進行識別。 1.5 整個畢業(yè)設(shè)計說明書的結(jié)構(gòu)介紹 整個畢業(yè)設(shè)計說明說由七章以及程序附錄清單組成。 第一章是概述，介紹了本課題的意義、目標以及國內(nèi)外發(fā)展現(xiàn)狀； 第二章介紹系統(tǒng)設(shè)計中所用到的相關(guān)基礎(chǔ)知識和工具：介紹了計算機圖形學(xué)，模式識別技術(shù)，BP神經(jīng)網(wǎng)絡(luò)等； 第三章介紹寫字板窗口設(shè)計和字母超范圍識別設(shè)計； 第四章是本課題設(shè)計的重點，介紹了基于BP神經(jīng)網(wǎng)絡(luò)的大寫字母識別設(shè)計； 第五章是對設(shè)計效果的分析； 第六章是結(jié)束語：簡單分析了本系統(tǒng)的特色與成功、問題與展望，并對本次畢業(yè)設(shè)計做了總結(jié)以及致辭； 附錄是系統(tǒng)的部分核心源代碼。 第2章 相關(guān)的知識和工具 2.1 計算機圖形學(xué) 計算機圖形學(xué)是一種使用數(shù)學(xué)算法將二維或三維圖形轉(zhuǎn)化為計算機顯示器的柵格形式的科學(xué)。 簡單地說，計算機圖形學(xué)的主要研究內(nèi)容就是研究如何在計算機中表示圖形、以及利用計算機進行圖形的計算、處理和顯示的相關(guān)原理與算法。圖形通常由點、線、面、體等幾何元素和灰度、色彩、線型、線寬等非幾何屬性組成。從處理技術(shù)上來看，圖形主要分為兩類，一類是基于線條信息表示的，如工程圖、等高線地圖、曲面的線框圖等，另一類是明暗圖，也就是通常所說的真實感圖形。 計算機圖形學(xué)一個主要的目的就是要利用計算機產(chǎn)生令人賞心悅目的真實感圖形。它的研究內(nèi)容非常廣泛，如圖形硬件、圖形標準、圖形交互技術(shù)、光柵圖形生成算法、曲線曲面造型、實體造型、真實感圖形計算與顯示算法、非真實感繪制，以及科學(xué)計算可視化、計算機動畫、自然景物仿真、虛擬現(xiàn)實等。 2.2 模式識別 模式識別又常稱作模式分類，從處理問題的性質(zhì)和解決問題的方法等角度，模式識別分為有監(jiān)督的分類和無監(jiān)督的分類兩種。 模式識別是人類的一項基本智能，在日常生活中，人們經(jīng)常在進行“模式識別”。隨著20世紀40年代計算機的出現(xiàn)以及50年代人工智能的興起，人們當然也希望能用計算機來代替或擴展人類的部分腦力勞動。模式識別在20世紀60年代初迅速發(fā)展并成為一門新學(xué)科。 模式識別研究主要集中在兩方面，一是研究生物體(包括人)是如何感知對象的，屬于認識科學(xué)的范疇，二是在給定的任務(wù)下，如何用計算機實現(xiàn)模式識別的理論和方法。前者是生理學(xué)家、心理學(xué)家、生物學(xué)家和神經(jīng)生理學(xué)家的研究內(nèi)容，后者通過數(shù)學(xué)家、信息學(xué)專家和計算機科學(xué)工作者近幾十年來的努力，已經(jīng)取得了系統(tǒng)的研究成果 2.3 BP神經(jīng)網(wǎng)絡(luò) BP (Back Propagation)神經(jīng)網(wǎng)絡(luò)是一種神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，全稱基于誤差反向傳播算法的人工神經(jīng)網(wǎng)絡(luò)。一般為三層網(wǎng)絡(luò)模型，即：輸入層、中間層（也稱隱層）和輸出層。它的特點是：各層神經(jīng)元僅與相鄰層神經(jīng)元之間相互全連接，同層內(nèi)神經(jīng)元之間無連接，各層神經(jīng)元之間無反饋連接，夠成具有層次結(jié)構(gòu)的前饋型神經(jīng)網(wǎng)絡(luò)系統(tǒng)。單計算層前饋神經(jīng)網(wǎng)絡(luò)只能求解線性可分問題，能夠求解非線性問題的網(wǎng)絡(luò)必須是具有隱層的多層神經(jīng)網(wǎng)絡(luò)。 在人工神經(jīng)網(wǎng)絡(luò)發(fā)展歷史中，很長一段時間里沒有找到隱層的連接權(quán)值調(diào)整問題的有效算法。直到誤差反向傳播算法（BP算法）的提出，成功地解決了求解非線性連續(xù)函數(shù)的多層前饋神經(jīng)網(wǎng)絡(luò)權(quán)重調(diào)整問題。 BP (Back Propagation)神經(jīng)網(wǎng)絡(luò)，即誤差反傳誤差反向傳播算法的學(xué)習(xí)過程，由信息的正向傳播和誤差的反向傳播兩個過程組成。輸入層各神經(jīng)元負責接收來自外界的輸入信息，并傳遞給中間層各神經(jīng)元；中間層是內(nèi)部信息處理層，負責信息變換，根據(jù)信息變化能力的需求，中間層可以設(shè)計為單隱層或者多隱層結(jié)構(gòu)；最后一個隱層傳遞到輸出層各神經(jīng)元的信息，經(jīng)進一步處理后，完成一次學(xué)習(xí)的正向傳播處理過程，由輸出層向外界輸出信息處理結(jié)果。當實際輸出與期望輸出不符時，進入誤差的反向傳播階段。誤差通過輸出層，按誤差梯度下降的方式修正各層權(quán)值，向隱層、輸入層逐層反傳。周而復(fù)始的信息正向傳播和誤差反向傳播過程，是各層權(quán)值不斷調(diào)整的過程，也是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練的過程，此過程一直進行到網(wǎng)絡(luò)輸出的誤差減少到可以接受的程度，或者預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止。 2.4 Visual C++ Visual C++是一個功能強大的可視化軟件開發(fā)工具。自1993年Microsoft公司推出Visual C++1.0后，隨著其新版本的不斷問世，Visual C++已成為專業(yè)程序員進行軟件開發(fā)的首選工具。 雖然微軟公司推出了Visual C++.NET(Visual C++7.0)，但它的應(yīng)用的很大的局限性，只適用于Windows 2000,Windows XP和Windows NT4.0。所以實際中，更多的是以Visual C++6.0為平臺。 Visual C++6.0不僅是一個C++編譯器，而且是一個基于Windows操作系統(tǒng)的可視化集成開發(fā)環(huán)境（integrated development environment,IDE）。Visual C++6.0由許多組件組成，包括編輯器、調(diào)試器以及程序向?qū)ppWizard、類向?qū)lass Wizard等開發(fā)工具。 這些組件通過一個名為Developer Studio的組件集成為和諧的開發(fā)環(huán)境。 2.5 開發(fā)平臺及語言 操作系統(tǒng)：Windows XP Professional 開發(fā)工具：Microsoft Visual C++6.0 MFC 開發(fā)語言：C++，C++語言是一種優(yōu)秀的面向?qū)ο蟪绦蛟O(shè)計語言，它在C語言的基礎(chǔ)上發(fā)展而來，是它的一個超集，與C語言兼容。所以一方面，它繼承了傳統(tǒng)程序設(shè)計C語言的優(yōu)點，克服了其不足；另一方面又在面向?qū)ο筇卣骷胺敲嫦驅(qū)ο筇卣髦鴥蓚€方面增加了新的功能，使得它既適合于結(jié)構(gòu)化程序設(shè)計，又能滿足面向?qū)ο蟪绦蛟O(shè)計的要求。符合廣大成形術(shù)人員逐步更新其程序設(shè)計觀念和方法的要求，因而很快流行起來，成為當今最為流行的程序設(shè)計語言。 Microsoft基本類庫（MFC）的核心是一個大部分以C++封裝的WindowsAPI。庫中的了封裝了代表窗口，對話框等。這些類為它們封裝的Windows中的結(jié)構(gòu)提供了一個良好的C++成員函數(shù)接口。除此以外，Microsoft基本類庫還提供一個建立在WindowsAPI的C++封裝上的附加應(yīng)用功能層次結(jié)構(gòu)。這個層次結(jié)構(gòu)師一個Windows應(yīng)用框架，它提供了windows編程所用的通用界面，包括工具欄，狀態(tài)欄打印，打印預(yù)覽，數(shù)據(jù)庫支持和ActivX支持。 運行環(huán)境最小配置要求： CPU：166兆赫（MHZ）Pentium級處理器以上 內(nèi)存：64兆（M）以上 顯卡：Direct 3D(16M以上) 硬盤：500兆（M）以上 軟件：Windows 95/98/2000/XP/2003 操作系統(tǒng) 第3章 窗口和書寫筆畫超范圍識別設(shè)計 3.1 窗口設(shè)計 根據(jù)系統(tǒng)的功能需求，窗口背景設(shè)計分為四個方面：背景設(shè)計，功能鍵設(shè)計，格式鍵設(shè)計，書寫區(qū)域四線格設(shè)計。 3.1.1 背景設(shè)計 廣大在校的學(xué)前班，小學(xué)生都采用四線格練習(xí)本進行練習(xí)，針對這一現(xiàn)狀而提出了漢語拼音字母規(guī)定格式練習(xí)系統(tǒng)課題，該系統(tǒng)將來的用戶群可能都是些幼兒、小學(xué)生，對于此，有必要將窗口的背景盡量設(shè)計的卡通一點、可愛一點，以增加對兒童的吸引力，提高他們的使用興趣。 比如可以在窗口背景隱隱約約設(shè)計一些比較流行的卡通人物圖案，或者一些比較鮮艷的花紋，而或可根據(jù)喜好隨時變換背景圖案。 3.1.2 功能鍵設(shè)計 功能鍵就是用戶用其來操作命令系統(tǒng)“干事”的按鈕，根據(jù)事先的功能需求，可以知道需要預(yù)設(shè)以下五個功能鍵： (1) 識別鍵：對書寫好的字母進行識別，給出正誤判斷； (2) 重寫鍵：對已寫下的所以有字母筆畫進行“清理工作”，使系統(tǒng)恢復(fù)到初始狀態(tài)； (3) 消除前一筆：對當前寫下的一筆進行“清理”； (4) 消除前一字：對當前寫下的字母進行“清理”； (5) 消除當前行：對剛書寫的一整行進行“清理”。 3.1.3 格式鍵設(shè)計 雖然漢語拼音字母是采用四線格進行書寫練習(xí)的，但為了方便系統(tǒng)以后的改進升級，可以預(yù)設(shè)幾個比較常用格式的格式鍵，擴大系統(tǒng)的使用功能，使系統(tǒng)不單單提供漢語拼音字母練習(xí)，還可以對漢字進行練習(xí)，以滿足不同需要的用戶。比方說可以預(yù)設(shè)以下三個格式鍵： (1) 四線格：漢語拼音字母練習(xí)； (2) 田字格：漢字練習(xí)； (3) 方子格：漢字或漢語拼音字母練習(xí) 3.1.4 書寫區(qū)域四線格設(shè)計 根據(jù)書寫量的需要，將整個書寫區(qū)域設(shè)計了四條四線格。 系統(tǒng)最終的窗口如圖3-1所示，在四線格上進行字母書寫后的效果如圖3-2所示。 圖3-1寫字板窗口 圖3-2 書寫字母效果圖 3.2 書寫筆畫超范圍識別設(shè)計 3.2.1 功能分析 漢語拼音字母大小寫共有52個，在本章節(jié)中將介紹對52個拼音字母的超范圍識別設(shè)計。要求系統(tǒng)能夠自動對當前的一筆畫進行超范圍判斷，一旦當前筆畫超出范圍，要求系統(tǒng)能夠給出相應(yīng)的超范圍提示，并會將無法繼續(xù)書寫，只有通過重寫鍵或任一消除鍵將當前超范圍的筆畫消除后，才能繼續(xù)書寫。 根據(jù)功能分析可得系統(tǒng)對字母筆畫超范圍的判斷過程，如圖3-3所示。 開始 字母筆 畫輸入 輸出超 范圍提示 判斷是否 超范圍 消除當前筆畫 N Y 是否繼續(xù) 書寫 結(jié)束 N Y 圖3-3系統(tǒng)超范圍識別過程 3.2.2 筆畫超范圍設(shè)計分析 系統(tǒng)寫字區(qū)共設(shè)計了四條四線格，可對四條四線格的上下邊線在空間坐標系中進行定位，讓系統(tǒng)自動的隨機的對筆畫落點進行提取，并判斷是否有點落在了事先已被定位的邊界外，一旦有落點超出邊界，便以彈出對話框的形式進行提示。 第4章 手寫漢語拼音大寫字母的識別設(shè)計 4.1 手寫拼音大寫字母結(jié)構(gòu)分析 專門針對小學(xué)生漢語拼音字母練習(xí)而設(shè)計的系統(tǒng)，手寫漢語拼音大寫字母的設(shè)計是本課題設(shè)計的重點，也是整個系統(tǒng)設(shè)計的重點和難點。設(shè)計的關(guān)鍵點是在規(guī)定格式的基礎(chǔ)上進行大寫字母識別，因為是規(guī)定格式這就要求系統(tǒng)在對字母書寫正確性判斷的同時，還要對字母筆畫的位置進行判斷，比如大寫字母只能寫在四線格的上兩格，這給系統(tǒng)設(shè)計增添了難度。根據(jù)其針對性，有必要對小學(xué)生字母書寫狀況做一個調(diào)查報告。通過對一定數(shù)量的小學(xué)生的漢語拼音字母練習(xí)本的字母書寫情況進行調(diào)研后發(fā)現(xiàn)，大家在大寫字母的書寫過程中，對相同的一字母，其書寫結(jié)構(gòu)千奇百態(tài)，有很多書寫形狀用肉眼直觀可判斷是正確的，但書寫的十分不規(guī)范，系統(tǒng)辨別十分困難。將調(diào)查結(jié)果分析后，可將字體的不規(guī)范分為以下幾類： (1) 字母位置錯。這種錯誤是指書寫大寫漢語拼音字母時，字母占錯了四線格的位置或超出了四線格，如圖4-1所示。 (2) 字母形體不規(guī)范。這其中又可分為以下幾類： a. 大小寫混寫，如“y”寫成“Y”或“Y”寫成“y”,“k”寫成“K”或“K”寫成“k”，如圖4-2所示。 b. 字母書寫偏斜，這種錯誤是指書寫的字母東倒西歪，如圖4-3所示。 c. 筆畫不清晰，這種錯誤是指書寫的字母筆畫有重疊或筆畫歪歪扭扭太潦草，如圖4-4所示。 d. 字母書寫不緊湊，這種錯誤是指書寫時太過隨意，筆畫不緊湊，該銜接的地方有空隙，如圖4-5所示。 e. 字母筆畫位置錯誤，這種錯誤是指字母書寫時，雖然字符整體書寫正確，但字母有筆畫在四線格的位置不正確，如圖4-6所示。 以上都是本課題設(shè)計時應(yīng)該注意的地方，也是本科題的設(shè)計難點。 圖4-1字母位置錯誤 圖4-2大小寫混寫 圖4-3字母書寫偏斜 圖4-4字母筆畫不清晰 圖4-5字母書寫不緊湊 圖4-6字母筆畫位置錯誤 4.2 系統(tǒng)功能分析 漢語拼音字母大小寫共有52個，在本章節(jié)中將介紹對26個大寫字母的識別設(shè)計。系統(tǒng)能夠識別隨機書寫在四線格上的任一個字母，要求系統(tǒng)能夠?qū)ψ帜腹P畫的正確性和位置的正確性（大寫字母應(yīng)都寫在四線格的上中兩格）同時給出判斷，當兩者都規(guī)范正確時，系統(tǒng)會給出書寫正確的提示，當其中有一項不符合要求時，系統(tǒng)會給出無法識別的提示。 系統(tǒng)對字母的識別過程如圖4-7所示。 結(jié)束 開始 字母寫入 無法識別 書寫正確 字母筆畫是否正確 字母位置是否正確 N N Y Y 圖4-7系統(tǒng)識別過程 4.3 手寫大寫拼音字母識別方案設(shè)計 4.3.1 BP神經(jīng)網(wǎng)絡(luò)模型分析 本課題采用人工智能中的BP神經(jīng)網(wǎng)絡(luò)來對26個大寫字母分別進行特征選擇與提取。BP神經(jīng)網(wǎng)絡(luò)采用三層網(wǎng)絡(luò)結(jié)構(gòu)：輸入層、隱含層、輸出層，其網(wǎng)絡(luò)結(jié)構(gòu)模型如圖4-8所示。 輸出層神經(jīng)元 隱含層 輸入層神經(jīng)元 …………. ………….… ………… X1 X2 X3 Xm 輸 入 模 式 輸 出 模 式 Y1 Y2 Y3 Yn 輸出層 隱含層神經(jīng)元 輸入層 圖4-8 三層BP神經(jīng)網(wǎng)絡(luò) 設(shè)輸入節(jié)點為Xi，隱層節(jié)點為Yj，輸出節(jié)點為Zk,對應(yīng)節(jié)點的閾值為O。輸入節(jié)點與隱層節(jié)點的網(wǎng)絡(luò)權(quán)值為Wji，隱層節(jié)點與輸出節(jié)點間的網(wǎng)絡(luò)權(quán)值為Vkj。當輸出節(jié)點的期望值為Tk時，則輸出節(jié)點的誤差計算公式如下： 隱層節(jié)點的輸出 Yj = f(∑Wji Xi - Oj) ; 輸出節(jié)點的輸出 Zk= f(∑Wkj Yj - Ok) ; 則輸出節(jié)點的誤差為 E=1/2∑(Tk-Zk)2 基于BP人工神經(jīng)網(wǎng)絡(luò)的字母特征選擇與提取的整個算法流程圖如圖4-9所示。 開始 結(jié)束 計算正確診斷率 數(shù)據(jù)預(yù)處理，形成訓(xùn)練樣本集 輸出與最小正確診斷率對應(yīng)的特征參數(shù) 訓(xùn)練神經(jīng)網(wǎng)絡(luò)，獲得連接權(quán)值 根據(jù)輸入輸出設(shè)計前向神經(jīng)網(wǎng)絡(luò) 恢復(fù)刪除前的特征參數(shù) 形成新的訓(xùn)練樣本集 上次特征刪除不合理 根據(jù)檢測樣本判斷網(wǎng)絡(luò)合理性 合理 不合理 圖4-9 特征選擇流程圖 4.3.2 數(shù)據(jù)預(yù)處理 當給訓(xùn)練過的網(wǎng)絡(luò)一個表示某一字母的輸人時，要求網(wǎng)絡(luò)能夠正確地在輸出端指出該字母，也就是要求網(wǎng)絡(luò)記住所有26個字母。但神經(jīng)網(wǎng)絡(luò)僅能夠處理數(shù)據(jù)，所以設(shè)計一個神經(jīng)網(wǎng)絡(luò)能夠識別26個大寫拼音字母，須先將其轉(zhuǎn)化成神經(jīng)網(wǎng)絡(luò)所能夠接收的輸入輸出數(shù)據(jù)，即需要有個預(yù)處理過程。根據(jù)字母的網(wǎng)格圖（如圖4-10字母“A”的網(wǎng)格圖和圖4-11字母“Z”的網(wǎng)格圖），考慮用“57”矩陣的布爾值可以清楚地表示出每個字母，即用26組數(shù)據(jù)矩陣分別表示字母“A”到“Z”的數(shù)組，例如字母“A”和“Z”分別可以用“0”、“l(fā)”矩陣表示為： Letter A=[0 0 1 0 0， 0 1 0 1 0， 0 1 0 1 0， 1 0 0 0 1 ， 1 1 1 1 1 ， 1 0 0 0 1 ， 1 0 0 0 1 ] 圖4-10 字母A的網(wǎng)格圖 Letter Z=[1 1 1 1 1 ， 0 0 0 0 1 ， 0 0 0 1 0 ， 0 0 1 0 0 ， 0 1 0 0 0 ， 1 0 0 0 0， 1 1 1 1 1 ] 圖4-11 字母Z的網(wǎng)格圖 這樣26個字母均被定義成輸入向量，每個代表字母的輸入向量均有35個元素，這樣就組成一個輸入向量矩陣。期望輸出向量被定義成一個變量targets,期望輸出向量含有26個元素，字母在字母表中所占位置處元素為1，其他位置為0。例如，因為A在字母表中為第一個字母，所以其期望輸出向量為（1，0，...，0）。 4.3.3 神經(jīng)網(wǎng)絡(luò)的建立 （1）網(wǎng)絡(luò)結(jié)構(gòu) 網(wǎng)絡(luò)輸入向量具有35個元素，網(wǎng)絡(luò)輸出就是反映字母所在位置的具有26個元素的輸出向量。如果網(wǎng)絡(luò)設(shè)計正確，那么輸入一個字母，網(wǎng)絡(luò)就能輸出一個向量，它對應(yīng)位置的元素值為1，其他位置的元素值為0. 因為針對手寫漢語大寫拼音字母的書寫不可能十分標準，所以網(wǎng)絡(luò)不可能接收到一個理想的布爾向量作為輸入，所以網(wǎng)絡(luò)還必須具有容錯能力。 對于辨識字母的要求，所設(shè)計的三層BP神經(jīng)網(wǎng)絡(luò)采取35-10-26的結(jié)構(gòu)，即輸入層具有35個輸人節(jié)點，輸出層有26個輸出神經(jīng)元，網(wǎng)絡(luò)隱含層有10個神經(jīng)元（隱含層神經(jīng)元數(shù)越多，網(wǎng)絡(luò)的辨識精度越高）。隱層和輸出層的神經(jīng)元傳遞函數(shù)均為logsigmoid()，這是因為logsigmoid()函數(shù)輸出量在（0，1）區(qū)間內(nèi)，恰好滿足輸出布爾值的要求。 （2）初始化 利用結(jié)構(gòu)體構(gòu)造一個三層BP神經(jīng)網(wǎng)絡(luò)，并對其進行初始化，部分源代碼如下所示： #define OUT_COUT 26 //輸出向量維數(shù) #define IN_COUT 35 //輸入向量維數(shù) #define COUT 10 //樣本數(shù)量 typedef struct { //bp人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) int h; //實際使用隱層數(shù)量 double v[IN_COUT][10]; //隱藏層權(quán)矩陣i double w[10][OUT_COUT]; //輸出層權(quán)矩陣 double a; //學(xué)習(xí)率 double b; //精度控制參數(shù) int LoopCout; //最大循環(huán)次數(shù) } bp_nn; int InitBp(bp_nn *bp) { //初始化bp網(wǎng)絡(luò) int i, j , a=0.7 ,b=0.1, LoopCout=300; srand((unsigned)time(NULL)); for (i = 0; i < IN_COUT; i++) for (j = 0; j < (*bp).h; j++) (*bp).v[i][j] = rand() / (double)(RAND_MAX); for (i = 0; i < (*bp).h; i++) for (j = 0; j < OUT_COUT; j++) (*bp).w[i][j] = rand() / (double)(RAND_MAX); return 1; } （3）網(wǎng)絡(luò)訓(xùn)練 以字母A和Z為例，對BP網(wǎng)絡(luò)進行訓(xùn)練，為了使產(chǎn)生的網(wǎng)絡(luò)對向量有一定的容錯能力，最好的辦法是既使用理想的信號，又使用帶有噪聲的信號對網(wǎng)絡(luò)進行訓(xùn)練。具體過程如下： a. 應(yīng)用理想的輸入信號和帶有噪聲的信號對網(wǎng)絡(luò)進行訓(xùn)練，直到直到誤差足夠小為止。 b. 應(yīng)用理想信號和帶有噪聲的信號對網(wǎng)絡(luò)進行訓(xùn)練。在進行訓(xùn)練時，同時對兩組相同的無噪聲字母信號樣本進行訓(xùn)練，目的是確保網(wǎng)絡(luò)能夠正確分辨理想信號。 c. 進行了上述訓(xùn)練之后，網(wǎng)絡(luò)對無噪聲信號進行辨識的時候可能也會采用有噪聲信號的方法，這樣會產(chǎn)生不必要的資源浪費。所以還需再次訓(xùn)練網(wǎng)絡(luò)，這一次只需要應(yīng)用理想信號進行訓(xùn)練。 經(jīng)過以上三輪訓(xùn)練，網(wǎng)絡(luò)能夠較好的對字母進行識別，并具有了一定的容錯能力，很好的達到了預(yù)期目的。 網(wǎng)絡(luò)訓(xùn)練的部分源代碼如下： int TrainBp(bp_nn *bp, float x[COUT][IN_COUT], int y[COUT][OUT_COUT]) { //訓(xùn)練bp網(wǎng)絡(luò)，樣本為x，理想輸出為y double f = (*bp).b;//精度控制參數(shù) double a = (*bp).a; //學(xué)習(xí)率 int h = (*bp).h;//隱層節(jié)點數(shù) double v[IN_COUT][10], w[10][OUT_COUT]; //權(quán)矩陣 double Ch_v[IN_COUT][10], Ch_w[10][OUT_COUT]; //權(quán)矩陣修改量 double ChgH[10], ChgO[OUT_COUT]; //修改量矩陣 double O1[10], O2[OUT_COUT]; //隱層和輸出層輸出量 int LoopCout = (*bp).LoopCout; //最大循環(huán)次數(shù) int i, j, k, n; double temp; for (n = 0; e > f && n < LoopCout; n++) { //對每個樣本訓(xùn)練網(wǎng)絡(luò) e = 0; for (j = 0; j < OUT_COUT; j++) ChgO[j] = 0; for (j = 0; j < h; j++) ChgH[j] = 0; for (j = 0; j < h; j++) for (k = 0; k < OUT_COUT; k++) Ch_w[j][k] = 0; for (j = 0; j < IN_COUT; j++) for (k = 0; k < h; k++) Ch_v[j][k] = 0; for (i= 0; i < COUT; i++) { for (k= 0; k < h; k++) { //計算隱層輸出向量 temp = 0; for (j = 0; j < IN_COUT; j++) temp = temp + x[i][j] * v[j][k]; O1[k] = fnet(temp); } for (k = 0; k < OUT_COUT; k++) { //計算輸出層輸出向量 temp = 0; for (j = 0; j < h; j++) temp = temp + O1[j] * w[j][k]; O2[k] = fnet(temp); } for (j = 0; j < OUT_COUT ; j++) } return 1;} int main() { float x[COUT][IN_COUT] = {{0 0 1 0 0， 0 1 0 1 0， 0 1 0 1 0， 1 0 0 0 1 ， 1 1 1 1 1 ， 1 0 0 0 1 ， 1 0 0 01},… {1 1 1 1 1 ， 0 0 0 0 1 ， 0 0 0 1 0 ， 0 0 1 0 0 ， 0 1 0 0 0 ， 1 0 0 0 0， 1 1 1 1 1},...}; //訓(xùn)練樣本 int y[COUT][OUT_COUT] = {{1,0,0,…,0},...{0,0,...,0,1}}; //字母A-Z的理想輸出 bp_nn bp; InitBp(&bp); //初始化bp網(wǎng)絡(luò)結(jié)構(gòu) TrainBp(&bp, x, y); //訓(xùn)練bp神經(jīng)網(wǎng)絡(luò) return 1; } 第5章 實驗效果演示 5.1 系統(tǒng)界面 本系統(tǒng)主界面設(shè)計方案為窗口上面一排是功能鍵，依次為識別鍵、重寫鍵、消除上一筆、消除上一字、消除當前行，功能鍵下面是書寫區(qū)域，共有四條四線格，其效果如圖5-1所示。 圖5-1 系統(tǒng)主界面 5.2 實例操作 a. 當在四條四線格任一格上進行字母書寫時，一旦當前筆畫超出四線格上下邊界時，程序?qū)詣犹觥靶」怨?，你寫出的字母超出了格，下次注意啦！”，效果如圖5-2所示。接下來此次書寫結(jié)束，須通過點擊功能鍵消除超范圍的筆畫，重新進行書寫。當點擊“消除上一筆”功能鍵后，系統(tǒng)會自動消除當前超范圍的一筆，效果如圖5-3所示。當點擊“重寫”功能鍵后，系統(tǒng)界面恢復(fù)初始化狀態(tài)，效果如圖5-4所示。 圖5-2 筆畫超范圍提示圖 圖5-3 “消除上一筆”后效果圖 圖5-4 “重寫”后效果圖 b. 當書寫完一個字母，點擊“識別”功能鍵后，系統(tǒng)將會對當前字母自動識別，若能識別則會跳出“書寫正確，當前所寫字母為“*”，小乖乖繼續(xù)哦！”，效果如圖5-5所示。 圖5-5書寫規(guī)范效果圖 c. 當所書寫的字母筆畫不清晰或不正確，又或者在四線格中的上中下位置不對時系統(tǒng)都可能無法識別，這時會彈出“書寫不規(guī)范，無法識別，小乖乖加油哦！”.因為筆畫不清楚系統(tǒng)無法識別，效果如圖5-6所示，因為書寫位置不對系統(tǒng)無法識別，效果如圖5-7所示。 圖5-6 筆畫不清晰效果圖 圖5-7 字母位置不正確效果圖 第6章 結(jié)束語 本課題是以廣大在校的學(xué)前班、小學(xué)生都采用四線格的本子進行練習(xí)這一社會現(xiàn)象而提出的課題，所以全文圍繞規(guī)定格式（四線格）的漢語拼音字母識別進行了討論和研究以及程序?qū)嵺`。從寫字窗口設(shè)計到超范圍識別再到大小字母的正確識別，我們都做了嚴格的歸署，對可能的難點都做了事前分析。其中手寫大寫拼音字母識別設(shè)計是本課題研究的重點。四線格分為了上中下格，對26個大寫字母在四線格中的書寫位置都有嚴格要求，因此在對26個大小寫字母進行識別時，不僅要求筆畫與相應(yīng)的字母一致，還要求筆畫的落點位置與相應(yīng)的字母一致。本文先對BP神經(jīng)網(wǎng)絡(luò)理論進行了探討和分析，利用BP神經(jīng)網(wǎng)絡(luò)對各字母進行特征選擇與提取，并對網(wǎng)絡(luò)不斷的進行樣本訓(xùn)練，使網(wǎng)絡(luò)對大寫字母能夠較好的識別。本系統(tǒng)對大寫字母識別達到了預(yù)期效果。 基于語音輔導(dǎo)，具有書寫質(zhì)量分析功能的智能輔導(dǎo)、約束學(xué)習(xí)、強化效果，適用國民義務(wù)教育的手寫板練習(xí)寫字系統(tǒng)尚屬空白，所以我相信該系統(tǒng)的商業(yè)價值是巨大的。系統(tǒng)還可做許多方面的改進，比如說可以多增加一些格式，田字格，正方格等，讓其可以在這些格式之間輕松轉(zhuǎn)換，從而進行不同字體的練習(xí)。還可以將彈出框的文字提示，改為一些有意思的語音提示，用來增添其趣味性，以吸引更多的兒童使用，使小學(xué)生從小就接觸高科技技術(shù)，對孩子的科技教育將有著很好的啟蒙作用。我堅信漢語拼音字母規(guī)定格式練習(xí)系統(tǒng)設(shè)計一旦進行商業(yè)開發(fā)，它將是一種新型的數(shù)字文具，是一種新的文具改革思路，是對學(xué)生的一種雙向化教育，是宣傳環(huán)保的有力之舉，是邁進科技化社會的一種體現(xiàn)。 經(jīng)過一個多學(xué)期的努力，我的畢業(yè)設(shè)計即將完成，又經(jīng)過一個月的努力，我的畢業(yè)設(shè)計說明書也將撰寫完畢。在這半年里，我從當初接到課題任務(wù)的懵懵懂懂，到現(xiàn)在課題設(shè)計的完成，期間不只是分析與設(shè)計的過程，不只是完成一門課程獲得學(xué)分的過程，而更多的是學(xué)習(xí)的過程。畢業(yè)設(shè)計讓我將三年半所學(xué)的知識從書面的膚淺了解，到認真的理會，再到設(shè)計過程中的應(yīng)用。經(jīng)過這三個階段，將大學(xué)本科所學(xué)的知識都串在了一起，從VC到數(shù)據(jù)結(jié)構(gòu)，到智能模式識別，到計算機圖形學(xué)，到算法設(shè)計與分析，再到軟件工程。當然，因為收集資料解決設(shè)計中碰到的問題，從中學(xué)到不少課本外的知識。但計算機各個領(lǐng)域的知識是很淵博的，更新的速度也是課本本身更新不過來的，這要求我不斷的從課外捕捉新知識。在設(shè)計的過程中，我最大的收獲是她讓我學(xué)會了如何去學(xué)新知識，讓我如何去用知識。這點將是我以后人生道路上寶貴的財富。 參考文獻 [1]肖建華.智能模式識別方法[M].華南理工大學(xué)出版社,1998. [2]朱晴婷,黃海鷹,陳蓮君.Visual C++程序設(shè)計——基礎(chǔ)與實例分析[M].清華大學(xué)與出版社,1996. [3]詹紅霞,侯思穎,陶永紅.Visual C++程序設(shè)計教程[M].清華大學(xué)出版社,2000. [4]汪令江,周學(xué)文,卿川.奇思異想編程序——VC篇[M].國防工業(yè)出版社,1990. [5]羅偉堅.Visual C++ 經(jīng)典游戲程序設(shè)計[M].人民郵電出版社,2002. [6]戴永.抽取手寫文字子圖形的特征方法[J].湘潭大學(xué)自然科學(xué)報,1984,第二期:32-40. [7]李鑫,白雪.Visual C++6.0編程基礎(chǔ)與范例[M].北京:電子工業(yè)出版社,2000. [8]但小容,王瑞,楊莉.基于人工神經(jīng)網(wǎng)絡(luò)的模式識別[J].中國地質(zhì)大學(xué)學(xué)報. [9]胡海生,李升亮.Visual C++6.0編程學(xué)習(xí)捷徑[M].北京:清華大學(xué)出版社,2003. [10]賀懷清,劉浩翰,郭航.Visual C++的使用及面向?qū)ο筌浖こ虒嵗治鯷M].北京:電子工業(yè)出版社,2007. [11]何亮,朱自強.學(xué)習(xí)如何使用VC++[M].同濟大學(xué)出版社,1997. [12]羅耀光,盛立東.識別模式[M].人民郵電出版社,1989. [13]侯媛彬,杜京義,汪梅.神經(jīng)網(wǎng)絡(luò)[M].西安:西安電子科技大學(xué)出版社,2007. [14]黨建武.神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用[M].北京:中國鐵道出版社,2000. [15]戴葵.神經(jīng)網(wǎng)絡(luò)實現(xiàn)技術(shù)[M].長沙:國防科技大學(xué)出版社,1998. 致 謝 本論文是在指導(dǎo)老師胡紅宇教授的精心指導(dǎo)下完成的。論文從最初的任務(wù)確定到最后的論文撰寫，胡紅宇老師都給予了悉心的指導(dǎo)和幫助且傾注了大量的心血。并且我從胡紅宇老師身上學(xué)到了很多東西。老師認真負責的工作態(tài)度，嚴謹?shù)闹螌W(xué)精神和深厚的理論水平都使我收益匪淺。他無論在理論上還是在實踐中，都給與我很大的幫助，使我得到不少的提高，這對于我以后的工作和學(xué)習(xí)都有一種巨大的幫助，感謝他耐心的輔導(dǎo)。在此我要向胡紅宇老師表示最誠摯的感謝！同時也對認真教導(dǎo)過我的所有老師和給予我諸多啟示和幫助的同學(xué)表示感謝！  附錄 部分核心源代碼： // Draw.cpp: implementation of the Draw class. #include "stdafx.h" #include "LetterRec.h" #include "Draw.h" #ifdef _DEBUG #undef THIS_FILE static char THIS_FILE[]=__FILE__; #define new DEBUG_NEW #endif // Construction/Destruction Draw::Draw() { paddingRect=CRect(10,10,150,10); clientRect=CRect(0,0,0,0); writableRect=CRect(0,0,0,0); borderPen.CreatePen(PS_SOLID,2,COLORREF(RGB(0,80,0)));//藍色粗線畫邊框 outLinePen.CreatePen(PS_SOLID,1,COLORREF(RGB(0,80,0)));//藍色細線 inLinePen.CreatePen(PS_DOT,1,COLORREF(RGB(0,80,0)));//藍色虛線 writePen.CreatePen(PS_SOLID,2,COLORREF(RGB(0,0,0)));//灰色的筆 inSpacing=20; outSpacing=40; count=4; } Draw::~Draw() { } void Draw::drawLine(CDC *dc) { dc->GetWindow()->GetClientRect(&clientRect); writableRect.left=clientRect.left+paddingRect.left; writableRect.top=clientRect.top+paddingRect.top; writableRect.right=clientRect.right-paddingRect.right; writableRect.bottom=clientRect.bottom-paddingRect.bottom; operatRect.left=writableRect.right+paddingRect.left; operatRect.right=clientRect.right; operatRect.bottom=clientRect.bottom; operatRect.top=clientRect.top; dc->SelectObject(borderPen); dc->Rectangle(writableRect);//畫出可寫方框 CBrush brush(COLORREF(RGB(239,237,221))); dc->FillRect(&operatRect,&brush); CPoint beginPt,endPt;//畫線的起點和終點 beginPt.x=writableRect.left;//第一條線的起點和終點 beginPt.y=writableRect.top+outSpacing; endPt.x=writableRect.right; endPt.y=beginPt.y; for(int i=0;iSelectObject(outLinePen); else dc->SelectObject(inLinePen); dc->MoveTo(beginPt); dc->LineTo(endPt); if(j!=3) { beginPt.y+=inSpacing; endPt.y+=inSpacing; } } beginPt.y+=outSpacing; endPt.y+=outSpacing; } } BOOL Draw::pointInRect(CPoint pt,CRect rt) { if(pt.x>rt.right||pt.xrt.bottom||pt.ywritableRect; } VOID Draw::onWrite(CClientDC *dc,CPoint org,CPoint dest)//筆跡的輸出與書寫點的記錄 { if(!compatDc.m_hDC) { compatDc.CreateCompatibleDC(dc); CRect dcRect; dc->GetWindow()->GetClientRect(&dcRect); CBitmap bitmap; bitmap.CreateCompatibleBitmap(dc,dcRect.Width(),dcRect.Height()); compatDc.SelectObject(&bitmap); compatDc.BitBlt(0,0,dcRect.Width(),dcRect.Height(),dc,0,0,SRCCOPY); CBrush brush(COLORREF(RGB(0,0,0))); compatDc.SelectObject(&brush); } CPen *oldPen=dc->SelectObject(&writePen); compatDc.SelectObject(&writePen); compatDc.MoveTo(org); compatDc.LineTo(dest); dc->MoveTo(org); dc->LineTo(dest); dc->SelectObject(oldPen); } CDC *Draw::getComdc() { return &compatDc; } // LetterRecDoc.cpp : implementation file #include " LetterRecDoc.h " #include "stdafx.h" #include "LetterRec.h" #include