汉字是世界上唯一未曾中断使用而延续至今的表意文字系统。汉字的本体是汉字构形,包括汉字字形结构和组成方式。汉字本体的研究必须以汉字字形为核心,在个体考证的基础上研究其总体构成规律,逐渐建立了分析汉字构形的基础理论和可操作方法,称为“汉字构形学”。 为了实现对汉字构形的自动分析,首先将汉字字形结构分为笔画、构件、部件和单字四个层次,然后将汉字通过具体点阵信息进行绘制得到汉字图片,通过将图片细化、单连通分割等一系列图像形态学处理过程后得到汉字构件图片。通过数字化处理,根据像素分布排列位置关系等信息,进行笔画、端点等有效特征的提取并分类,达到正确识别汉字构形的目的。 汉字是由部件组成的,部件不同的组合和位置关系组成不同的汉字。部件是由构件按照一定的规则组成的,构件不同的组合和位置关系也可以组成不同的部件。将所有部件构成规则有机组织起来,形成汉字部件知识库。然后将汉字的构件图片进行特征提取归类,再搜索参照部件知识库,即可得到组成汉字的部件信息和部件之间的位置关系。 在这个基础上,从整体上把握汉字的结构,生成汉字构形描述、汉字数学表达式和汉字编码等汉字构形学所需要的结果。