Construction dun logiciel de reconnaissance décritures manuscrite cursives en ligne en utilisant MS INK

Dans cette recherche, nous intéressons au problème de reconnaissance d’écritures manuscrites cursives, y compris la reconnaissance des caractères isolées, la reconnaissance des mots curs

Département de Système d’information Faculté des Technologies de l’information et de la communication

Université de Cantho

Construction d'un logiciel de reconnaissance d'écritures manuscrite cursives en ligne

en utilisant MS INK

HUYNH Quang Nghi

Mémoire présenté pour l’obtention du diplôme d’ingénieur en informatique

Mai 2010

 HUYNH Quang Nghi, 2010

Je prie aussi les membres de l’AUF de trouver ici l’expression des mes remerciements pour leur soutien durant mes études

Je tiens à remercier mes amis de la promotion 32 pour leur aide durant le temps

de la réalisation de ce travail

Enfin, je voudrais exprimer avec tout mon coeur mes sentiments et mes respects

à ma famille qui m’aime et m’encourage à mes études pendant 4 ans à l’Université de Can Tho et durant ma vie

RÉSUMÉ

La reconnaissance d’écritures cursives est un grand problème Elle offre la possibilité de saisir de données automatique qui permet de réduire le cỏt d’opération des system d’information

Dans cette recherche, nous intéressons au problème de reconnaissance d’écritures manuscrites cursives, y compris la reconnaissance des caractères isolées, la reconnaissance des mots cursifs et la construction d’un démonstration de reconnaissance d’écritures cursives en basant sur Microsoft Ink (MS Ink) C’est un projet en group de trois étudiants L’objectif de ce mémoire est d’étudier le logiciel libre et de créer une démonstration de reconnaissance d’écritures manuscrites

MS Ink fourni des APIs qui managent et reconnaissent les manuscrites numériques acquises par la tablette Notre travail se concentre sur l’ingénierie du logiciel, c'est-à-dire l’utilisation MS Ink comme le noyau de reconnaissance Notre logiciel fonction avec l’écriture manuscrit sauvegardé en format SVG Le logiciel peut lire le fichier SVG, éditer le contenue du fichier, puis reconnaỵtre des écritures et afficher le résultat (texte) en un format convenable Nous développons aussi des outils pour améliorer la performance de reconnaissance en utilisant les Factoids ou Wordlist pour les spéciaux documents

Mot clés : reconnaissance d’écritures cursives, signal en ligne, SVG, MS ink,

l’ingénierie du system informatique

Tableaux de content

Tableaux de content 4

Chapitre 1 INTRODUCTION 8

1.1 PROBLÈME DE TRAITEMENT DES MANUSCRITS 8

1.2 CHALLENGES 11

1.3 SOMMAIRE DU SYSTÈME DE RECONNAISSANCE 12

Chapitre 2 RÉSULTAT DU SYSTÈME DE RECONNAISSANCE BASÉ SUR SVM ET HMM 15

2.1 MÉTHODE DE RECONNAISSANCE DE CARACTÈRES 15

2.2 RÉSULTAT DU RECONNAISSANCE DE CARACTÈRES 15

2.3 RÉSULTAT DU RECONNAISSANCE DE MOTS 16

Chapitre 3 SPÉCIFICATION DU LOGICIEL ET LES EXIGENCES DU SYSTÈME 18

3.1 SPÉCIFICATION DU LOGICIEL 18

3.2 EXIGENCES DU SYSTÈME 19

3.2.1 Les fonctions 19

3.2.2 Configuration requise 20

Chapitre 4 MICROSOFT INK 21

4.1 INTRODUCTION MS INK: 21

4.1.1 Tablette PC 21

4.1.2 Microsoft Ink 21

4.1.3 Classes Microsoft Ink 22

4.1.4 Conversion d’encre en texte 24

Chapitre 5 CONCEPTION DU LOGICIEL 27

5.1.1 Diagramme 27

5.1.2 Description des cas d’utilisation principaux 28

5.2 CONCEPTION DES CLASSES 31

5.3 CONCEPTION DES PROCESSUS 33

5.4 CONCEPTION DES INTERFACES 35

5.4.1 Interface frmMain 35

5.4.2 Interface frmChild 37

Chapitre 6 INSTALLATION ET EXAMINATION 38

6.1 INSTALLATION 38

6.1.1 Tablette PC SDK version 1.7 38

6.1.2 Office XP Handwriting 38

6.1.3 Window Tablette Recognizer Pack 2005 39

6.2 EXAMINATION 40

6.2.1 Reconnaissance sans amélioration 40

6.2.2 Reconnaissance avec Factoid et Wordlist 40

6.2.3 Remarque 42

Chapitre 7 CONCLUSION 43

7.1 LES RÉSULTATS 43

7.1.1 Sur le mémoire 43

7.1.2 Personnelle 43

7.2 LIMITATIONS – CAUSES 43

7.2.1 Limitations 43

7.2.2 Causes 43

7.3 DÉVELOPPEMENT 43

RÉFÉRENCES 44

LISTE DES FIGURES

Figure 1-1 Système en ligne (à gauche) et hors ligne (à droit) 9

Figure 1-2 Signaux d’entré du système en ligne (à gauche) et hors ligne (à droit) 10

Figure 1-3 Classification de Reconnaissance l’écriture par Leedham(1994) 10

Figure 1-4 Classification de Reconnaissance du Plamondon et Lorette (1989) 11

Figure 1-5 Constraintes Graffiti sur Palm 12

Figure 1-6 Modèle du système de reconnaissance l’écriture manuscrite [1] (trang 8) 13

Figure 4-7 Collecte, gestion des données, et la reconnaissance 22

Figure 4-8 Structure d’un fenêtre d’encre compatible 24

Figure 5-9 Diagramme de cas d’utilisation 27

Figure 5-10 Diagramme des classes avec les propriétés 31

Figure 5-11 Diagramme des classes avec les méthodes 32

Figure 5-12 Diagramme séquence processus “New Project” et “New File” 33

Figure 5-13 Diagramme séquence processus “Import File”, “Remove File”, “Save File” 34

Figure 5-14 Diagramme séquence processus “Change language”, “Add Hints” 34

Figure 5-15 Diagramme séquence processus “Recognize”, “Save Text” 35

Figure 5-16 Interface du frmMain 35

Figure 5-17 Interface du frmChild 37

Figure 6-18 Installation de Tablette PC SDK 38

Figure 6-19 Installation de Tablette Recogginzer Pack 39

Figure 6-20 Reconnaissance sans d’outils d’amélioration 40

Figure 6-21 Reconnaissance avec Factoid et Wordlist 41

Figure 6-22 Reconnaissance avec Factoid et Wordlist (cas 2) 42

Figure 6-23 Reconnaissance avec Factoid et Wordlist (cas 3) 42

LISTE DES TABLEAUX

Tableau 2-1 Résultat du reconnaissance de caractères du SVM 15

Tableau 2-2 Résultats de référence des documents (Abdul Rahim AHMAD, Thèse Université de Nantes 2008) 16

Tableau 2-3 Le vocabulaire utilisé pour le système de reconnaissance de mots 16

Tableau 2-4 Résultats du reconnaissance de l’écriture manuscrite 16

Tableau 2-5 Résultats du reconnaissance avec d’algorithme avancé 16

Tableau 2-6 Résultats de référence du reconnaissance (Abdul Rahim AHMAD, Thèse Université de Nantes 2008) 17

Tableau 4-7 Les classes de MS Ink 23

Tableau 4-8 Factoids Tablet PC Support 25

Tableau 4-9 Méthodes du InkAnalyser 26

Tableau 5-10 Liste des acteurs 27

Tableau 5-11 Liste des cas d’utilisation 28

Tableau 5-12 Liste des classe principaux 33

Chapitre 1 INTRODUCTION

1.1 PROBLÈME DE TRAITEMENT DES MANUSCRITS

L’écriture manuscrite est l’une des plus anciens et plus important méthode de communication Elle est utilisée depuis Néolithique, grâce aux signes qui est gravé dans ordre sur les roches pour exprimer des informations Puis, l’homme a inventé papier et stylo L’écriture manuscrite est utilisée pour des intérêts personnels, tels que

la rédaction des notes, des lettres, rapports, dépêches,… Peu à peu elle est utilisée pour communiquer entre les hommes

L’écriture de chaque personne est unique car le progrès d’écriture est un progrès physique qui est combiné d’esprit, squelette et muscle par le control du cerveau Si, elle peut aussi différent par état d’âme du l’homme Le script des différents groupes ethniques (européennes et asiatiques ou en français, et le Vietnam) avec des conditions différentes et comment la formation dans le développement de la disparité diffère… En fait les deux mêmes groupes ethniques ont écriture différente ou pas de deux personnes ont la même écriture

Au début, quand l'ordinateur apparaît, l'interaction entre les personnes et les ordinateurs sont principalement par le clavier Comme les ordinateurs deviennent de plus en plus populaire, ils ont besoin d'un moyen d'interaction plus naturelle La solution peut être considéré comme la parole et l'écriture La capacité de reconnaissance vocale et d'écriture seront construits pour la machine pour simplifier la saisie des données, avant d'être traités en utilisant le clavier L'écriture semble plus pratique que la reconnaissance vocale pour le fait que la pièce ou un lieu public, des gens ne peuvent pas parler librement à leurs ordinateurs des raisons de sécurité ou de nature personnelle des données Une autre raison est que cela peut être ennuyeux pour d'autres personnes si quelqu'un parle à votre ordinateur Le système a reçu peu d'écriture dans le combiné, tandis que le système de reconnaissance vocale n'est pas adapté pour une utilisation avec les appareils portable En revanche, la limite de vitesse de saisie des données, la parole est évidemment plus rapide et elle est beaucoup plus facile de donner une meilleure indication qu'il est écrit

Populaires stylos sur les appareils numériques sont de plus en plus important pour l'interface de l'ordinateur à l'avenir PDA (Personal Digital Assistant) est un système

de poche utilisant un stylo et reconnaissance de l'écriture comme méthode de saisie Avec Tablette PC (stylet-pad) un stylo est parfois utilisé pour remplacer la capacité de souris lourde pour reconnaître l'écriture manuscrite

La reconnaissance de l'écriture manuscrite est pour copier les données sur le texte écrit à la main en format numérique pour le traitement informatique On a été étudiée depuis les années 1950 Dans ces dernières années, il y a un grand progrès et des succès de travaux de recherche dans ce domaine La reconnaissance des manuscripts sont classés en deux types:

- Reconnaissance en ligne: traitement pour chaque tracé

- Reconnaissance hors ligne: traitement avec le file d’attente

Pour la reconnaissance en ligne, les signaux sont enregistrés sous former des trajectoire des tracés sur panneau d’écrit La sortie est de texte de ces écritures Avec

la reconnaissance hors ligne, l’image statique du mot utilisé pour les signaux d’entrée

Le système en ligne nécessite rapide et immédiat, alors que le système hors ligne peut être fonctionner avec des contraintes de temps plus confort D’autre part, le système en ligne utilise des fichiers stocké signaux comme l’entré Les signaux en ligne sont des ensemble de points sur trajectoire du tracé, comprennent les coordonnées XY, la pression du stylus, tandis que les signaux hors ligne sont des images statiques enregistrées sous format de photo tiff ou jpeg

Figure 1-1 Système en ligne (à gauche) et hors ligne (à droit)

Figure 1-2 Signaux d’entré du système en ligne (à gauche) et hors ligne (à droit)

Un autre type de classification par Leedham (1994): reconnaître l’écriture manuscrite et analyser l’écriture manuscrite Reconnaissance compris de formule mathématique (identifier des numéros, des lettres et des symboles), de caractères imprimés, d’écriture manuscrite (identifier des mots, caractères simple ou complexe) Analyse l’écriture, d’autre part, vise au domaine d’authentification comme: authentifier signature, auteur, détecter les faux et d’écriture déguisée

Figure 1-3 Classification de Reconnaissance l’écriture par Leedham(1994)

Analyse Écriture Reconnaître l’écriture

Plamondon và Lorette (1989), partager les documents en deux classe: l’écriture manuscrite et le signature Une application commune des deux classes est dans le domaine d’authentification Le signature est identifié son auteur Authentification de signature est une technologie biométrique pour identifier la signature d’une personne

en comparant cette signature à une autre qui a été déclaré pour la validation

Figure 1-4 Classification de Reconnaissance du Plamondon et Lorette (1989)

1.2 CHALLENGES

Mêmes s’il y a de nombreuses applications de système de reconnaissance d’écriture dans deux domaines en ligne et hors-ligne, mais les technologies n’ont pas vraiment amélioré Cependant, il y a des améliorations significatives Dans reconnaissance en ligne, les signaux entrent par l’ordre de temps, la trajectoire de la trace est enregistrée pendant la période de poser et relever le stylus Les caractères dans le document sont souvent écrite dans ordre chronologique, l’une devra être terminé avant le début de l’autre D’autre part, ils suivent encore l’ordre de l’espace,

de droite à gauche, excepte quelque caractères comme des points (i et j) et des croix (t

et x) Dans ce cas, les éléments de base sont écrits en premier, puis croix et des points L’apparition tardive de ces caractères a causé quelques problèmes qui affectent la performance de reconnaissance

Dans les applications et les périphériques, pour atteindre de bons résultats, on devrait identifier les contraintes pour les fonctions d’écrite d’utilisateur, par exemple le système Graffiti dans les Palm En général, il n’existe pas de système pour tous les environnements Chaque système doit avoir certaines contraintes pour certaines environnements

Reconnaître Identifier Authetifier

Reconnaissance écriture (en ligne/hors ligne)

Figure 1-5 Constraintes Graffiti sur Palm

En dehors des contraintes de l’écriture, il existe d’autres contraintes d’une région ou d’un petit vocabulaire Par exemple, le système ne fonctionne que sur les lettre ou les nombre et reconnaît à partir d’un petit vocabulaire spécifique Lorsque ces contraintes réduisent, la complexité augmente, car le système doit surmonter ces limitations, ce qui affecterait la précision de la reconnaissance

1.3 SOMMAIRE DU SYSTÈME DE RECONNAISSANCE

Il existe de nombreuses techniques différentes pour ce système Un modèle général typique:

Figure 1-6 Modèle du système de reconnaissance l’écriture manuscrite [1] (trang 8) L’entrée du système hors ligne est des images statiques et celle du système en ligne est des fichiers représentés les traits (séquence des points, pressure, temps d’apparition de chaque point) Mais avec chaque système, il existe certaines techniques de reconnaissance La sortie est un texte en format convenable

D’abord, les signaux d’entrés sera normaliser pour reconnaissance La première partie (front-end module) extrait l’information de plus efficace et fournit la partie de reconnaissance (recognition module) Ces signaux nécessite de pré-traitement et d’éliminer des interférences pour l’identification Ce processus a encore apporté des

modifications à faire les signaux à bon format comme la rotation, la translation, le redimensionnement Puis, ils sont divisé en l’unité de reconnaissance: caractères, ou graphème La plupart des systèmes effectuent ces étapes, mais il y a certaines qui ne sont pas obligatoires À chaque l’unité de reconnaissance séparément, on les filtre et extrait le caractéristique spécifique Le processus suivant comprenne l’apprentissage

(training) et reconnaissance La reconnaissance du mot (word recognition) fera

sélecter et assembler des mots à partir des caractères reconnaît Cette reconnaissance peut utiliser de plusieurs façons, comme les modèles de Markov cachés, réseaux de neurones, des k plus proche voisine,… En général, le résultat de reconnaissance donne N-mots de hypothèse Cet approche est dans le cas de statistique des modèles de reconnaissance

Le processus de sortie (post-processing) est utilisé pour confirmer les résultats meilleurs N et peut également supprimer des hypothèses qui ne peuvent pas exister Avec l’aide de ressources de connaissance d’un modèle de langue permettra de donner des résultats qui sont améliorés pour remettre dans le meilleur N résultat Le modèle

de langue peut contenir une liste de mots de vocabulaire, des mots qui peuvent êtres existe, ou certaine structure de la langue utilisée

Dans cette recherche, nous intéressons au problème de reconnaissance d’écritures manuscrites cursives, y compris la reconnaissance des caractères isolées, la reconnaissance des mots cursifs et la construction d’un démonstration de reconnaissance d’écritures cursives en basant sur Microsoft Ink (MS Ink) C’est un projet en group de trois étudiants L’objectif de ce mémoire est d’étudier le logiciel libre et de créer une démonstration de reconnaissance d’écritures manuscrites

La chapitre qui suit résume le résultat de recherche de notre groupe sur la reconnaissance des caractères et la reconnaissance d’écritures coursives

Chapitre 2 RÉSULTAT DU SYSTÈME DE RECONNAISSANCE

BASÉ SUR SVM ET HMM

Le modèle de Markov caché (Hidden Markov Model - HMM) et la machine a marge (Support Vector Machine (SVM)) sont deux méthodes populaires dans les systèmes de reconnaissance Plusieurs recherches confirment la performance de ces méthodes et émergent des grands potentiels pour le succès à l'avenir Ce chapitre présente résultat du système de reconnaissance d'écriture manuscrite en ligne en utilisant l'hybride SVM / système HMM SVM a été utilisé dans la reconnaissance de caractères, avec un résultat encouragé (93,27%) HMM a été utilisée dans la reconnaissance des mots cursifs avec des résultats prometteuse: Haut (1) est 30,77%, Haut (3) est 51,17% et Haut (10) est 74,92% Nous avons utilisé la base de données IRONOFF pour entrainer et tester le système construit Le lexique qui nous a servi dans la reconnaissance des mots contient 30 mots français utilisés dans les cheques

2.1 MÉTHODE DE RECONNAISSANCE DE CARACTÈRES

Pour la reconnaissance des caractères, la machine a marge (SVM) est utilise dans la classification Le type du noyau RBF a été choisi Nous avons utilisé la base de données de l’écriture manuscrite IRONOFF On divise ce base en deux parties: 300 dossier pour le processus d’apprentissage du SVM et 100 dossier pour le processus de reconnaissance basant le résultat avant Dans le processus d’apprentissage, le meilleur coefficient C est de 2 à 8 et gamma de 2-7 à 2-5Noyau utilisé est RBF (Radial basis function) D’après 5 fois de reconnaissance sur 100 dossiers, on prend les résultats en moyen

2.2 RÉSULTAT DU RECONNAISSANCE DE CARACTÈRES

Le taux du reconnaissance de caractères est:

Tableau des résultats de:

2.3 RÉSULTAT DU RECONNAISSANCE DE MOTS

Dans la recherche, nous utilisons le tableau de vocabulaire suivant:

Tableau 2-3 Le vocabulaire utilisé pour le système de reconnaissance de mots

Les résultats de reconnaissance l’écriture manuscrite avec HMM (Viterbi)

Taux de reconnaissance Base de données Vocabulaires

Haut(1) Haut(3) Haut(10)

Tableau 2-4 Résultats du reconnaissance de l’écriture manuscrite

Les résultats utilisant d’algorithmes avancés (Forward algorithm) – le

vocabulaire est un ensemble ouvre (grand capacité inconnu)

Taux de reconnaissance Base de données Vocabulaires

Haut(1) Haut(3) Haut(10)

Tableau 2-5 Résultats du reconnaissance avec d’algorithme avancé

Résultats de référence de reconnaissance de l’écriture manuscrite:

Taux de reconnaissance Base de données Vocabulaires

Haut(1) Haut(3) Haut(10)

Chapitre 3 SPÉCIFICATION DU LOGICIEL

ET LES EXIGENCES DU SYSTÈME

3.1 SPÉCIFICATION DU LOGICIEL

La reconnaissance d’écritures manuscrite est un grand problème Elle offre la

possibilité de saisir de données automatique qui permet de réduire le cỏt d’opération

des system d’information L’objectif de ce mémoire est d’étudier le logiciel libre et de

créer une démonstration de reconnaissance d’écritures manuscrites

Comme ci-dessus, l’écriture manuscrite peu à peu devient le principal l’entrée

de données dans plusieurs des système d’information ou des périphériques

numériques Avec le développement très rapide des appareils de poche, des ordinateur

portable, des tablette pc, le stylus de plus en plus remplacera le souris Les gens les

utilisent plus souvent pour les notes, les documents, les signatures D’une part, ils sont

reconnaỵt et enregistrés sous forme des textes numériques À d’autre part, pour

certaines raison, ils ne peuvent pas être reconnaỵt immédiatement, et sont enregistrés

encore des document de signaux en ligne de l’écriture manuscrite Dans ce cas, un

logiciel de reconnaissance est utilisé après, c’est un processus hors ligne sur les

données en ligne Quelques contextes particuliers peuvent être établi:

o Une compagnie avec des projets de loi et des chèques qui sont

enregistrées sous forme de l’écriture manuscrite

o Les documents des enquêtes sur une grande région

o Les commentaires de réaction (feedback) des employés dans un agence

o …

Avec un grand nombre de ces documents, une logiciel doit être construire Il

fonctionnera avec l’écriture manuscrite sauvegardée en format SVG Le logiciel peut

lire le fichier SVG, éditer le contenue du fichier, puis reconnaỵtre des écritures et

afficher le résultat (texte) en un format convenable On développe aussi des outils pour

améliorer la performance de reconnaissance pour les spéciaux documents

3.2 EXIGENCES DU SYSTÈME

3.2.1 Les fonctions

Ce logiciel doit rencontrer avec les fonctions principal suivants:

1 Gestion des documents (ouvrir, éditer, sauvegarder)

a Liste des entrées pour le système:

Les SVG fichiers qui contiennent des signaux de l’écriture manuscrite en ligne

b Liste des résultats attendus du système:

Afficher le contenu, accepter les changements

c Vue d'ensemble des processus impliqués dans le système:

Lire le structure du SVG fichiers Sauvegarder des chagements dans ces fichiers

2 Reconnaître le contenu

a Liste des entrées pour le système:

Les signaux de l’écriture manuscrite en ligne (à partire des fichiers ou logiciel)

b Liste des résultats attendus du système:

Résultats de reconnaissance sous forme de textes

c Vue d'ensemble des processus impliqués dans le système:

Utilisé des noyau de reconnaissance pour analyser et reconnaître

3 Améliorer le résultat de reconnaissance

a Liste des entrées pour le système:

La région des signaux en ligne, le vocabulaire particulier, le type de document

b Liste des résultats attendus du système:

Meilleur résultats de reconnaissance sous forme de textes

c Vue d'ensemble des processus impliqués dans le système:

Utilisé des outils d’améliore de noyau de reconnaissance

4 Texte éditer

a Liste des entrées pour le système:

Les textes de reconnaissance

b Liste des résultats attendus du système:

Textes édité

c Vue d'ensemble des processus impliqués dans le système:

Utilisé des outils d’édition de texte Sauvegarder sous forme des fichiers de textes

3.2.2 Configuration requise

o Système d’exploitation: Windows XP ou supérieur

o Microsoft NET framework

o Microsoft Tablet PC Platform

o Microsoft Office Handwriting

Chapitre 4 MICROSOFT INK

4.1 INTRODUCTION MS INK:

4.1.1 Tablette PC

Le Tablette PC est un ordinateur entièrement fonctionnel personnels adaptés pour stylus-permis, écriture-activé, et développement d'applications vocales La combinaison de logiciels et de matériel dans un Tablette PC permet à ces méthodes d'interaction avec l'utilisateur et permet une expérience informatique riche, interactive

et productive pour les utilisateurs La technologie Tablette PC dans Windows permet d'entrée et de sortie les données de l'écriture et de vocales sur un Tablette PC ainsi que les échange avec d'autres ordinateurs

Le Windows XP Édition Tablette PC Software Development Kit (SDK) permettant de construire et développement d'applications de permis-d'encre (ink-enabled), stylus-permis (pen-enabled), vocales et de soutien matériel pour le Tablet

PC On n'a pas besoin d'un Tablette PC pour développer des applications Tablette PC, mais on a besoin qu’un ordinateur personnel qui est capable d'exécuter Microsoft ® Visual Studio ® et l'environnement de développement de Microsoft Windows ® XP Édition Tablette PC Software Development Kit (SDK) et qui a le Microsoft NET Framework est installé L’espace de noms Microsoft.Ink contient des API qui implémentent l'entrée manuscrite numérique sur le Tablet PC

4.1.2 Microsoft Ink

La bibliothèque de classes NET Framework est une bibliothèque des classes, interfaces et types valeur inclus dans le Kit de développement logiciel (SDK) Windows Cette bibliothèque, qui permet d'accéder aux fonctionnalités du système, est

le fondement des applications, composants et contrôles du NET Framework Microsoft.Ink contient des types qui implémentent l'encre numérique sur le Tablet PC

La plate-forme Tablet PC peut être divisé en trois zones distinctes: Ink Collector (les objets qui sont utilisés pour recueillir l'encre de la numériseur), Ink data management (les objets qui sont utilisés pour gérer l'encre collectés), Ink recognition (les objets qui sont utilisés pour convertir l'encre collectés dans d'autres types de données, tels que du texte)

Le figure suivante montre, à un niveau élevé, comment Ink Collection API (API Pen), Ink Data Management API (Ink API), and Ink Recognition API (Recognition API) travaillent ensemble dans la plate-forme Tablette PC

Figure 4-7 Collecte, gestion des données, et la reconnaissance

4.1.3 Classes Microsoft Ink

Les fonctions de Microsoft Ink sont fourni dans deux packages programmables: Microsoft.Ink.dll et Microsoft.Ink.resources.dll Ces assemblées sont ajoutées à la Global Assembly Cache pour qu'ils puissent être partagés par les différents programmes de code géré Tableau 4-7 résume les classes de base pour la construction d'encre compatible programmes Certaines classes inscrites n’est pas nécessaire pour créer des programmes d'encre permis

Divider Analyser l’encre, distinguer text à partir de photos

DrawingAttributes Contrôler l’apparence de l’encre, telles que la couleur, la largeur

de ligne,

Gesture Encre interprétée comme un command

Ink Le conteneur principal de l’encre Maintenir la collection de traits

qui sont les parties essentielles de l’encre Supporter de déplacer l’encre entre la mémoire et le disque Supporter des actions de tampon (clipboard) sur l’encre

InkCollector Snap-on supporte à créer un basique fenêtre de l’encre – permet

(ink-enabled)

InkOverlay Snap-on supporte d’ajouter ink-enabled à un existant fenêtre de

l’application