“或許還是需要進行人工幹預，但是工作強度已經大大降低，我們可以通過拍照，掃描等方式，將生僻字的圖片掃入計算機，讓程序去分析它，最後得到標準點陣字，編碼之後加入到字庫當中，對字庫進行擴充。”
“要實現這個功能需要有幾個前提，第一就是字庫當中要有足夠的樣本，這個我們已經已經完成，因為我們現在已經有了四萬個標準點陣字的字稿。”
“還是拿《康熙字典》來舉例，我們先將《康熙字典》上每一個單字的掃描圖掃入文字識別係統，然後提取其字體參數特征，再將這些參數賦給已有的標準點陣字，讓係統計算出根據這些參數產生的‘係統字’。”
“再拿這些生成的‘係統字’，與‘掃描字’進行校驗，通過四萬個標準字生成的‘係統字’，去驗證參數的代表性，最後將參數調整到最佳。”
“得到參數體係之後，我們就能夠將它套在掃描進來的生字上，最終得到《康熙字典》全部近六萬個單字的標準點陣字，字庫就從四萬擴充到六萬了。”
“這個思路倒是新穎，然而卻也是可行的。”麥明川點頭：“不過還是有問題，就是存儲和運算。”
“我也拿《康熙字典》來舉例，近六萬個單字，就是近六萬張圖片，我們就拿一張圖片五兆來計算，這就是300g的空間，這也太可怕了。”
“那王院長覺得，這個係統多大的圖片存儲容量，可以被接受呢？”
“一個g，”麥明川脫口而出，想了想覺得實在是有點欺負人：“最多最多，兩個g。”
1g是1024m，兩百張5m的圖片，兩g就是400張。
“也就是說，如果按照這個標準，這個係統能夠一次同時完成四百個字的掃描分析和成字入庫的工作？”
“那還得分串行並行。”李紅江已經上套，開始思索程序的工作方式了：“涉及到時間成本，學校也不可能將有限的計算資源全拿來做這事兒。”
“那我們可不可以像上級求助呢？”周至問道：“我們先把基礎工作做好，然後申請國家級的運算資源來完成它，有沒有機會呢？”
“國家資源那更緊張，全國無數單位排隊呢。”麥明川苦笑著搖頭。
辜老說道：“那幹脆這樣，我們將工作再做細一點，肘子說的這個文字識別反向推算點陣字的程序咱們先緩一緩，第一步先集中精力把標準定出來。”
“與此同時，我們這邊，再把現在的四萬字稿擴到七萬。”
“小李那邊，抓緊先開發出讀字稿的程序，咱們先把七萬字稿的數字化工作完成。”
“之後再拿著這七萬漢字的數字化成就，去跟那個統一碼聯盟談判，並且要留夠下一步繼續拓展的空間，力爭讓我們的大字庫成為全球統一標準。”
“有了這個大字庫，咱們再製定出幾個子集，滿足國內國際不同應用場景的需求。到此我們的第一步工作是不是就算完成了？”
“至於肘子說的文字識別，那也相當重要。”辜振鐸補充道：“這個可是我們下一步搞典籍數字化的神器啊！”
辜老不由得歎了一口氣：“這不是資源有限，怕排不上嘛？”
“那也不一定。”周至說道：“咱們大可以將這些思路都給一股腦兒報上去，咱漫天要價，在等著部委落地還錢，取乎其上，得乎其中嘛！”
大老們都哄笑起來，這肘子是懂部委的，要人家不拿捏你，百分之百滿足你的要求，幾乎都是不可能的，能夠滿足你五成那都是開恩了。
因此不妨將餅子劃大一點，最後哪怕給砍掉一半，落個小餅子也差不多夠吃。
今天隻是一個務虛會，算是統合一下思路，研究一下文理跨學科合作的可能性，現在能夠得到一個較為統一的意見，就已經算是超出會議預期了。
這裏邊主要功勞，還是周至已經完成的前期工作。
李紅江就握著周至的手，熱切地道：“要不再多修一個信息工程學位吧？我看肘子你雖然是文科生，但信息技術的基礎這麽好，多修個學位一點問題都沒有的。”
“精力實在是太有限了。”周至隻能婉拒李紅江的好意：“不過那個文字識別係統我是非常有興趣的，李教授要是有興趣，我也可以參與研究。”
“你對編程熟悉不？basic或者pascal。”到現在李開江絕不相信周至會是外行。
“我更熟悉c語言。”周至回憶起當年被代碼支配的恐懼。
“c？”李紅江感覺自己好像撿到寶了：“那unix呢？”
“unix也還行。”周至問道：“學校這是有新引進的小型機了？可以運行ansic的那種？”
對於多數人來說，兩人的對話好比天書。
計算機語言最基本當然就是直接對芯片操作的指令集，例如最早的打孔紙帶，直接就是零和一的組合。
這種語言對計算機來說最直接，但是對人來說最不友好。
於是人們就發明了一套基於芯片的“基本指令集”，這就是匯編語言。
匯編語言同樣還是針對芯片，但是至少可以讓專業人士讀懂這程序是要讓機器幹什麽的了。
但是匯編語言有個問題，那就是無法移植，因為它是針對某一類芯片開發的，換到另一類芯片上，另一類芯片就看不懂。
於是人類又想出一種辦法，設計出編譯庫概念和更高一級的程序，這就是麵向過程的編程語言，c語言就是其中的佼佼者。
c語言很難，原因就在於它具備匯編語言簡潔高效的特征，因此工作迅速，代碼緊湊，可讀性比匯編語言好，最關鍵是容易調試，修改和移植。
程序員隻負責寫代碼，代碼寫好之後對其進行編譯，就能夠轉化為能讓計算機讀懂的二進製代碼，稱為“應用程序”。
針對不同的芯片類型，編譯庫中有不同的編譯方式，可以將c語言編寫的程序編譯成能夠在不同係統上運行的程序。
這就解決了程序的移植問題，讓同一個程序，既可以在dos係統裏運用，也可以在蘋果係統裏運用，還可以在unix係統裏運用，不用分別編寫三套。
“要實現這個功能需要有幾個前提，第一就是字庫當中要有足夠的樣本，這個我們已經已經完成，因為我們現在已經有了四萬個標準點陣字的字稿。”
“還是拿《康熙字典》來舉例，我們先將《康熙字典》上每一個單字的掃描圖掃入文字識別係統，然後提取其字體參數特征，再將這些參數賦給已有的標準點陣字，讓係統計算出根據這些參數產生的‘係統字’。”
“再拿這些生成的‘係統字’，與‘掃描字’進行校驗，通過四萬個標準字生成的‘係統字’，去驗證參數的代表性，最後將參數調整到最佳。”
“得到參數體係之後，我們就能夠將它套在掃描進來的生字上，最終得到《康熙字典》全部近六萬個單字的標準點陣字，字庫就從四萬擴充到六萬了。”
“這個思路倒是新穎，然而卻也是可行的。”麥明川點頭：“不過還是有問題，就是存儲和運算。”
“我也拿《康熙字典》來舉例，近六萬個單字，就是近六萬張圖片，我們就拿一張圖片五兆來計算，這就是300g的空間，這也太可怕了。”
“那王院長覺得，這個係統多大的圖片存儲容量，可以被接受呢？”
“一個g，”麥明川脫口而出，想了想覺得實在是有點欺負人：“最多最多，兩個g。”
1g是1024m，兩百張5m的圖片，兩g就是400張。
“也就是說，如果按照這個標準，這個係統能夠一次同時完成四百個字的掃描分析和成字入庫的工作？”
“那還得分串行並行。”李紅江已經上套，開始思索程序的工作方式了：“涉及到時間成本，學校也不可能將有限的計算資源全拿來做這事兒。”
“那我們可不可以像上級求助呢？”周至問道：“我們先把基礎工作做好，然後申請國家級的運算資源來完成它，有沒有機會呢？”
“國家資源那更緊張，全國無數單位排隊呢。”麥明川苦笑著搖頭。
辜老說道：“那幹脆這樣，我們將工作再做細一點，肘子說的這個文字識別反向推算點陣字的程序咱們先緩一緩，第一步先集中精力把標準定出來。”
“與此同時，我們這邊，再把現在的四萬字稿擴到七萬。”
“小李那邊，抓緊先開發出讀字稿的程序，咱們先把七萬字稿的數字化工作完成。”
“之後再拿著這七萬漢字的數字化成就，去跟那個統一碼聯盟談判，並且要留夠下一步繼續拓展的空間，力爭讓我們的大字庫成為全球統一標準。”
“有了這個大字庫，咱們再製定出幾個子集，滿足國內國際不同應用場景的需求。到此我們的第一步工作是不是就算完成了？”
“至於肘子說的文字識別，那也相當重要。”辜振鐸補充道：“這個可是我們下一步搞典籍數字化的神器啊！”
辜老不由得歎了一口氣：“這不是資源有限，怕排不上嘛？”
“那也不一定。”周至說道：“咱們大可以將這些思路都給一股腦兒報上去，咱漫天要價，在等著部委落地還錢，取乎其上，得乎其中嘛！”
大老們都哄笑起來，這肘子是懂部委的，要人家不拿捏你，百分之百滿足你的要求，幾乎都是不可能的，能夠滿足你五成那都是開恩了。
因此不妨將餅子劃大一點，最後哪怕給砍掉一半，落個小餅子也差不多夠吃。
今天隻是一個務虛會，算是統合一下思路，研究一下文理跨學科合作的可能性，現在能夠得到一個較為統一的意見，就已經算是超出會議預期了。
這裏邊主要功勞，還是周至已經完成的前期工作。
李紅江就握著周至的手，熱切地道：“要不再多修一個信息工程學位吧？我看肘子你雖然是文科生，但信息技術的基礎這麽好，多修個學位一點問題都沒有的。”
“精力實在是太有限了。”周至隻能婉拒李紅江的好意：“不過那個文字識別係統我是非常有興趣的，李教授要是有興趣，我也可以參與研究。”
“你對編程熟悉不？basic或者pascal。”到現在李開江絕不相信周至會是外行。
“我更熟悉c語言。”周至回憶起當年被代碼支配的恐懼。
“c？”李紅江感覺自己好像撿到寶了：“那unix呢？”
“unix也還行。”周至問道：“學校這是有新引進的小型機了？可以運行ansic的那種？”
對於多數人來說，兩人的對話好比天書。
計算機語言最基本當然就是直接對芯片操作的指令集，例如最早的打孔紙帶，直接就是零和一的組合。
這種語言對計算機來說最直接，但是對人來說最不友好。
於是人們就發明了一套基於芯片的“基本指令集”，這就是匯編語言。
匯編語言同樣還是針對芯片，但是至少可以讓專業人士讀懂這程序是要讓機器幹什麽的了。
但是匯編語言有個問題，那就是無法移植，因為它是針對某一類芯片開發的，換到另一類芯片上，另一類芯片就看不懂。
於是人類又想出一種辦法，設計出編譯庫概念和更高一級的程序，這就是麵向過程的編程語言，c語言就是其中的佼佼者。
c語言很難，原因就在於它具備匯編語言簡潔高效的特征，因此工作迅速，代碼緊湊，可讀性比匯編語言好，最關鍵是容易調試，修改和移植。
程序員隻負責寫代碼，代碼寫好之後對其進行編譯，就能夠轉化為能讓計算機讀懂的二進製代碼，稱為“應用程序”。
針對不同的芯片類型，編譯庫中有不同的編譯方式，可以將c語言編寫的程序編譯成能夠在不同係統上運行的程序。
這就解決了程序的移植問題，讓同一個程序，既可以在dos係統裏運用，也可以在蘋果係統裏運用，還可以在unix係統裏運用，不用分別編寫三套。