筆法與結構對楷書文字美學品質影響的量化研究

律睿慜，張陶潔，席旭*，王濛濛，孟磊，張克俊

（1.江南大學 人工智能與計算機學院，江蘇 無錫 214122；2.江南大學 設計學院，江蘇 無錫 214122； 3.浙江大學計算機科學與技術學院，浙江 杭州 310027）

筆法與結構對楷書文字美學品質影響的量化研究

律睿慜1，張陶潔1，席旭1*，王濛濛2，孟磊2，張克俊3

（1.江南大學 人工智能與計算機學院，江蘇 無錫 214122；2.江南大學 設計學院，江蘇 無錫 214122； 3.浙江大學計算機科學與技術學院，浙江 杭州 310027）

筆法與結構對文字觀感的影響是中國書法文化的重要研究命題，也與數字書法領域審美評價技術相關聯。但以往對該命題主要為定性討論。本文結合計算機樣條曲線及審美量表等技術，設計了一種實驗方法對其進行量化研究。首先，選取78個高頻字的6種有代表性的楷書體文字作為樣品，自編軟件并招募測試人員對其標注結構特征點，并用參數曲線建模輸出“去除筆法”后的樣品圖，再進一步經嚴格定義的“統一結構”操作進行處理，共獲得3組樣品圖，每組468幅。然后，編制審美量表，招募測試者以隨機分配的方式對3組樣品評測美感和風格。最后，對評測數據進行統計分析。結果顯示，對于楷書文字的風格而言，筆法的影響遠高于結構；對于文字的美感而言，筆法的作用也大于結構，但影響有限。該結果局限于實驗選定的幾種經典的楷書文字，且其定義的“去除筆法”和“統一結構”并不能完全涵蓋以往經驗理論中的相關概念范圍。研究表明，自然學科的方法可用于研究書法學中的命題。

筆法；結構；書法風格；實驗美學；實證美學

筆法（brushwork）與結構（structure）孰輕孰重？哪個因素對書法的審美感影響更大？這是歷代學者都很重視的書法理論命題，至今尚無定論。這不僅給書法學習帶來困擾，也易導致機器在模擬特定風格字體及在數字書法生成時丟失內在神韻，顯得呆板。因此，書法命題的研究備受重視。

主流觀點是“筆法為上”。文獻［1］指出，書法美就是線條（筆法）美，筆法在古代書論中占主導。書圣王羲之在《書論》中將用筆比作將軍指揮軍隊作戰。趙孟頫在《蘭亭十三拔》中寫道：“書法以用筆為上，而結字亦需用功。蓋結字因時相傳，用筆千古不易。”體現了他對“用筆”的重視。又如崔瑗的《草書勢》、王僧虔的《筆意贊》《永字八法》、虞世南的《筆髓論》，皆將用筆作為重點。

古代書論對筆法如此推崇，但并不能說明書法作品的美學品質僅取決于筆法，重視結構的觀點雖相對偏少，但絕非無足輕重。如唐代書法家歐陽詢的《楷書結體三十六法》、明代李淳的《大字結構八十四法》和清代黃自元的《間架結構九十二法》，均指出了結構的重要性。著名書法家啟功曾用拆字實驗［2］，即將點畫轉化為細線處理漢字書法，發現處理后的漢字依舊保持良好的美感，由此證明“結字重于用筆”。

還有一種觀點，認為筆法與結構同等重要，并強調筆法與結構不可分。如王娜［3］指出，書法美由線條美和結構美共同組成，不存在孤立的線條美或結構美；薛軍［4］指出，在教學中除訓練學生筆法技能外，還要令其了解字體的結構之美等。以上文獻均無法清晰地給出筆法、結構及二者的交互作用對書法美學的影響及差異。

在上述三類觀點中，啟功的拆字實驗因在書法研究中引入科學實驗思想而引起筆者關注，其基本思想可表述為：將用筆很好的人所寫的字按點畫拆分，不考慮結字，點畫隨意散亂于桌上，則毫無美感；相反，若保持字的結構，將點畫變為細線，則仍不失為好看的硬筆字。換言之，通過操縱筆法和結構，評測其帶來的美感變化，尋找自變量與主效應之間的關聯。但從科學實驗的標準看，該“實驗”并不嚴謹，缺陷在于：（1）未對變量和實驗條件進行嚴格控制，即未嚴格規定如何“拆”字及如何“將點畫變為細線”，也未對書體、字義等其他可能影響觀感的因素進行控制。（2）未明確界定衡量書法觀感的標準，缺乏可信的測量方法和數據支撐。其評判標準為“漂亮”，并不能完整地衡量書法作品的美學品質，因為書法除要求“好看”外，更追求風格的個性化與多樣性；（3）未尋找合適的被試對主效應做評價，而完全基于研究者本人的主觀感受，導致評價結果缺乏統計意義。但毋庸置疑的是其實驗思想在當時是超前的。鑒于此，本文基于啟功先生的“拆字實驗”，引入實驗美學［5］方法，以彌補其不足。

實驗概念如圖1所示，分變量操縱和美感及風格評測2個實驗。在變量操縱實驗中，首先，對基本概念進行嚴格界定，將“筆法”界定為靜態點畫，將“結構”界定為點畫的空間布局。然后，定義“替換線條”操作，實現對字體“去除筆法”，即用參數曲線替代字體原有的筆畫，以盡可能地去除原有字體的筆法特征。最后，定義“統一結構”操作，實現“去除結構”，即將“替換線條”后的書體，統一為一種印刷字體結構——黑體。使效應變化具有可比性。考慮完全拆散筆畫會破壞傳統意義上書法作品的“文字可辨識”這一條件，可能導致結構和字義均發生變化，故采用“替換線條”與“統一結構”方法，實現“去除筆法與結構”操作。在美感及風格評測實驗中，將美感和風格作為2種主效應指標。基于上述實驗，將筆法與結構孰輕孰重的命題歸結為3層遞進關系：（1）量化比較“替換線條”和“統一結構”對美感的影響；（2）量化比較“替換線條”和“統一結構”對風格的影響；（3）對筆法與結構孰輕孰重的命題給出具有統計意義的解答。

圖1 實驗設計概念Fig.1 Experimental design concept

下文內容包括：第1節概述相關工作與實驗設計理念；第2節描述變量操縱實驗；第3節介紹美感及評測實驗；第4節量化分析筆法和結構的作用；第5節給出結論。

1 相關工作

本文涉及書法風格的經驗理論、實驗美學、字形的參數曲線表達3個領域。

書法風格經驗理論，即傳統書法研究方式。通常是書法家依據個人經驗，對書法作品的風格進行歸納總結，并用精煉的詞匯表達［6-7］。這類研究不僅對研究者的審美感受力和文學素養有較高要求，而且對書法作品的風格判斷不具統計意義，無法直接推廣至廣泛人群。但經長期積累，也為審美評測實驗提供了足夠效度的風格形容詞。

實驗美學［8-14］將科學實驗方法引入美學研究，使“美感”由個性化的主觀判斷變為可實證的人群特征。審美量表是實驗美學的重要研究方法。例如，DECASTELLARNAU［11］將常用量表對數據的影響進行了總結對比，為量表選擇提供參考。SCHINDLER等［12］通過提煉已有研究中的審美情緒詞，提出了一種可廣泛應用的審美情緒量表（AESTHEMOS），包括21個亞量表，含典型的美感、娛樂情感、認知情緒等，適用于音樂、戲劇、電影、文學等多個藝術領域，但未包含中國畫和書法。相較而言，國內對實驗美學的研究較少，有關漢字的實驗美學研究更是匱乏。其中，廈門大學類腦智能實驗室通過實驗發現，相較于人們喜歡的和中性的字體，不喜歡的字體更能引發人體積極的事件相關電位（event-related potential，ERP）波動，即對漢字字體產生一種迅速而含蓄的審美偏好［13］。黃正明［14］采用實驗美學方法，對書法風格進行了分類。

本文將Bezier曲線模型作為“點畫表達為細線”后的字體模型。在數字書法領域，Bezier曲線常用于書法筆畫的建模。例如，XU等［15］提出了一種基于實體造型的虛擬毛筆模型，其中筆毫被定義為由4個控制點確定的Bezier曲線；YANG等［16］給出了一種對碑帖圖像進行矢量化的方法，通過調整Bezier曲線控制點得到擬合誤差較小的碑帖漢字的輪廓字形；MA等［17］提出了用Bezier曲線擬合甲骨文輪廓字形的方法。所有冪次的曲線均具有仿射不變特性［18］，以保證字體骨架仿真穩定。但上述研究僅關注數字書法及字體的建模與渲染，未考慮其審美感受。

2 變量操縱實驗

招募被試，讓其在樣品字體上標注結構特征點，然后進行曲線擬合，制作了3組文字樣品。標注過程分4步完成。

第1步，文字樣品的選取。選定78個高頻字和6種楷書體。參照Zipf定律，選取能代表豐富字體結構，且在各類文本中出現頻率足夠高［19］的漢字。從黃自元《間架結構九十二法》中選取間架結構不相同的樣本字，字頻計算式為

其中，m為某個字出現的頻次，n為樣本總字數（萬字），這里n=20 000。去掉重復字和低頻字，共篩選出78個結構不同的高頻字。考慮古代有關間架結構的論著大多用楷書做實例，且楷書是書法入門最常用的書體之一，兼顧實用和審美，故選擇楷書為書體。選取顏體、柳體、歐體、趙體、瘦金體及自創體6種代表性楷書體，其中顏體、柳體、歐體3種為正楷，結構嚴謹，筆畫靈活。趙體、瘦金體偏向行楷，除筆畫外，其結構變化較3種正楷更豐富。而自創體由筆者參照楷書風格自由創作書寫，除特別運筆外，更注重字體結構的變化，其結構特征較2種行楷更夸張，用于大幅度改變“結構”。

第2步，結構特征點的定義。類似于文獻［20］中的思維模型，假設任意書體均可分解為一組筆畫，且每個筆畫由有限個關鍵點界定其空間位置，即結構特征點，包括端點（起點和終點）、交點（相接點和相交點）、彎折點（彎曲點和轉折點）。（1）端點，包括筆畫的起點和終點，如圖2中“九”的起點1和6，終點5和9。其幾何約束為筆畫起始處和終點處的內切圓的圓心，如圖3（a）所示。（2）交點，包括相接點和相交點，即2個筆畫接觸或貫穿的位置。如圖2中“白”的2和8為相接點、“九”的7為相交點，其幾何約束為在銜接處恰好與銜接的兩筆畫都相切的圓的圓心，如圖3（b）所示。（3）彎折點，包括彎曲點和轉折點，如圖2中“九”字的3，4和8為彎曲點，其幾何約束為筆畫中內切圓圓心所構成的軌跡，在曲率最大的位置，“九”字的2、“白”字的6為彎折點，其幾何約束與交點類似，即在彎折處與彎折前后都相切的圓的圓心，如圖3（c）所示。不同筆畫的結構特征點位置可重疊，如圖2中“白”字3和5是2個不同筆畫的起點，8和9既是端點又是相接點。基于此，可嚴格定義啟功描述的“筆畫細化為細線”。

圖2 3類結構特征點示意Fig. 2 3 types of structural key point

圖3 結構特征點的幾何約束Fig.3 Geometric definition of structural key points

第3步，樣品文字結構特征點的人工標注。參考機器學習中常用于圖像標注的Vatic、labelImg等工具軟件，基于Unity引擎開發了一款用于標注結構特征點的工具，可根據參考字體上的提示，在書法字樣品圖上對主觀認定的位置進行標記。其界面如圖4所示，左邊為關鍵點參考字，右面為要標注的書法字。標注時參考字每次只顯示一個同心圓標記點和對應顏色的筆順，以指導被試做選擇。書法圖片下方顯示的為已標注的關鍵點和總標注點，顯示測試進度。最下方為漢字目錄，通過顏色的漸變，提示測試進度；當下方目錄中漢字的顏色由白變黃時，表明此漢字已標注完成。標注時，通過點擊鼠標進行交互，每點擊一次產生一個標注點坐標。標注界面有“撤銷”“下一個”和“上一個”3個輔助功能按鈕。征集了130位被試，皆為數字媒體專業大學生，年齡在19～23歲，男女比例接近。隨機分配468幅樣品圖（6種書體×78個字），平均每幅樣品圖有不少于16人的標注。

圖4 字體標注平臺界面Fig.4 Interface of font labeling platform

第4步，字體樣品圖的制備。由書法字原圖組成未經處理的書法字樣品圖，如圖5（a）所示。計算每個結構特征點標注值的平均位置，將其中一個筆畫作為Bezier曲線模型，擬合參數曲線。將該曲線渲染為方形端點形態且粗細無變化的效果（類似于黑體字），形成經“替換線條”處理后的生成字樣品，如圖5（b）所示。將每個字對應的黑體字作為經“統一結構”處理后的打印字樣品，如圖5（c）所示。

圖5 標記系統中擬合字體的過程Fig.5 The process of font fitting in marking system

最終得到關于78個漢字的3組字體樣品，分別為6種書法字、6種生成字和1種打印字。將書法字、生成字和打印字看作在已有“筆法”與“結構”定義下的理想化樣品，3種字體的“筆法”與“結構”構成如表1所示。

表1 實驗字體構成Table 1 Experimental font constitute

3 美感及風格評測

通過評測美感和風格2個指標，對字體觀感進行量化，橫向對比書法字、生成字、打印字之間的差異，分析筆法、結構對文字觀感的影響。

采用線上問卷方式，與傳統的調查評測方式相比，線上問卷的優點是能以較小的代價收集廣泛的隨機抽樣群體的實驗評測數據。

3.1 實驗樣品處理

實驗樣品為實驗1中獲取的6種書法字、6種生成字和1種打印字。為盡可能降低其他因素的干擾，對3組字體樣品進行均衡化處理，將其統一為白底黑字的二值圖，大小為170 px × 170 px。

3.2 書法風格量表

采用語義差異法［21］，通過查閱書法風格相關專著［6-7］，提煉其中的風格形容詞，最終得到45個詞匯，即雄渾、秀逸、瀟灑、險勁、文靜、老辣、清雅、婉約、豪放、粗率、醇和、獰厲、端莊、剛健、圓熟、爽利、豐潤、肥勁、瘦硬、茂密、疏朗、圓轉、綿密、工巧、天真、豐肥、方正、老成、自然、狂野、沖和、沉著、勁健、拙樸、怪奇、姿媚、險峭、緊結、圓融、倔強、高古、寬博、頗駿、飄逸。

AIKEN等［22］對比了清單量表（checklists）和評定量表（rating scales）形式的優缺點，認為評定量表可提供更多細節信息，但需要花費更多時間；清單量表更高效。DECASTELLARNAU［11］總結了各式量表對數據的影響，得到清單量表較評定量表更可靠。為此，本文選擇清單量表，根據藝術審美方式設置題目，并嚴格控制其他無關因素。

3.3 問卷設計

問卷主要包括三部分：字體美感選擇、字體觀感選擇、問卷有效性判斷，如圖6所示。

圖6 量表測試流程Fig 6 Scale test process

首先，為隱藏測試意圖，請被試從文字樣品中選擇有“美感”的字，再衡量其“美感”程度。然后，提供書法風格量表，要求被試根據對文字的主觀印象，從量表中選擇相符的風格詞，不限制風格詞的數量，同時提供“其他”選項，供被試自由發揮。最后，要求被試回憶問卷中出現過的文字和字體，并將其作為篩選問卷的依據。篩除回憶結果過低的文件，以確保問卷質量。

3.4 被試

參照以往相關審美實驗［8，23］，因本實驗對被試的要求不高，采用與關鍵點標注實驗類似的粗粒度方式，選擇普通被試，利于從大眾角度客觀分析筆法與結構對字體的影響。

為保證被試的多樣性，問卷實驗在線上、線下同時進行。其中，390人通過問卷在線發放平臺參與實驗，年齡為4～90歲，主要群體在18～60歲，占95%。線下同步招募了130名在校大學生，年齡為18～24歲。最終，共收集了510份有效問卷。

3.5 數據預處理

參照標準化互信息（NMI）評價［24］指標計算問卷中各項的選擇頻率：

其中，Pr為選擇頻率，N為問卷中單項的選擇頻次，S為總選項數。Pr的取值范圍為［0，1］，越趨近于1，表示選擇頻率越高。Pr作為詞匯選擇頻率的最大似然估計，用以度量主效應。

4 結果與討論

4.1 信度與效度分析

為驗證問卷的可靠性，基于SPSS軟件進行了信度和效度分析，得到的Cronbach系數為0.92，說明問卷信度高；KMO值為0.85，大于0.6，Sig值為0.00，小于0.05，表明收集的問卷效度好、數據的可靠性高。

4.2 筆法與結構對字體美感的影響分析

在“選擇最美”和“選擇符合的風格形容詞”題目中，各樣品被選總頻次代表隱含的意向偏好度量。表2展示了各字體樣品的美感、風格詞匯的選擇頻次和累計數。可知，書法字的美感和風格詞匯選擇頻率均高于生成字，說明字體美感與風格豐富度呈正比，即一種字體在評價美感時被選次數越多，對應的風格詞匯被選次數亦越多。從打印字、生成字到書法字，美感和風格詞匯選擇頻率依次增加，說明隨著筆法和結構的加入，文字的“美感”得到提升，風格感受更豐富。

表2 字體美感和風格詞匯的頻次和總頻率統計Table2 Statistics of selected times of aesthetic and style words

3組字體樣品的美感選擇頻次依次為書法字gt;打印字gt;生成字；經“替換線條”操作，書法字到生成字的美感選擇頻率變化均值為5.6%；經“統一結構”操作，生成字到打印字的美感選擇頻率變化均值為3.29%。由此可以推知，在字體美感的影響方面，替換線條gt;統一結構。

但對不同書體而言，筆法對字體美感的影響不同。如由美感選擇總頻率知，去除筆法對柳體的影響稍小、對顏體的影響稍大。

對比風格詞匯選擇頻率，經“替換線條”操作，風格詞匯的選擇頻率變化均值為26.96%，經“統一結構”操作，詞匯選擇頻率變化均值為9.94%，可見，筆法與結構對字體美感的影響總體上顯著小于其對風格詞匯的影響。

為進一步印證該結論。用選頻Pr分析筆法與結構對美感的影響。圖7為3組樣品美感選擇的Pr均值，可知，書法字、生成字和打印字的美感選擇折線重疊程度很大，尤其是美感選擇的Pr極值，在不同的字體模型中，折線位置較一致，即經“替換線條”和“統一結構”操作后，文字美感的選擇結果無太大波動，表明替換線條與統一結構對漢字美感的影響有限，這也暗示了字形（字的基本形態）是影響漢字審美最基礎的因素之一。

圖7 各字體樣品的美感選擇結果Fig.7 Aesthetic selection results of each font model

4.3 筆法與結構對字體風格的影響分析

4.3.1 筆法與結構對總體風格的影響

圖8為3組字體樣品風格選擇的Pr均值。可知，書法字、生成字、打印字的風格詞匯選擇具有較大差異，說明“替換線條”和“統一結構”對字體風格有顯著影響。

圖8 各字體樣品的風格選擇結果Fig.8 The style selection result of each font model

為進一步對比“替換線條”和“統一結構”對字體風格的影響，采用皮爾遜（Pearson）相關系數量化不同書體的風格。

3組字體樣品的美感與風格之間的相關系數結果分別如表3和表4所示，各字體之間美感選擇相關性為0.6～0.8，較高，說明3組字體樣品的美感選擇較接近，也證明了替換線條或統一結構對字體美感的影響較小。

對于字體的風格，除打印字與顏、柳、歐體之間的相關性較強外，其余字體的Pearson系數較小，相關性較低。說明替換線條和統一結構影響字體風格，即筆法和結構均對字體風格產生顯著影響。

從風格的總體相關系數看，書法字與生成字的風格相關性值只有0.073（經替換線條操作）；生成字與打印字的風格相關性值為0.100（經統一結構操作）；而書法字與打印字的風格相關性值為0.304（經替換筆畫和統一結構），由此可見，筆法和結構均可明顯影響文字的風格；且去除筆法對風格的改變效果更顯著。

表3 字體美感相關性Table 3 Font aesthetic relevance

表4 字體風格相關性Table 4 Font style correlation

4.3.2 筆法與結構對風格多樣性的影響

分別計算6種書體在書法字、生成字、打印字3組樣品下的相關性，如表5和表6所示，其中6種書體的打印字體風格相關性值均為1，故該表格省略。

表5 6種書體的書法字風格相關性Table 5 Correlation of book style

表6 6種書體的生成字風格相關性Table 6 Style correlation between 6 generated fonts

書法字的風格最豐富；書法字在替換線條后（即去除筆法），各字體間的相關性提升；統一結構，即去除結構和筆法后，相關系數均為1，說明各組字體風格完全一樣。

為進一步比較筆法和結構對字體風格的影響，將表5的書法字、生成字和打印字風格間相關系數依次相減，分別得到替換線條和統一結構后字體風格相似度的提升效果，如表7和表8所示。

表7 替換線條后風格相似度的提升Table 7 Improved style similarity after stroke replacement

表8 統一結構后風格相似度的提升Table 8 Improved style similarity after structure unification

由表7可知，替換線條后6種字體的風格相似度平均提升了40%，由表8可知，統一結構后字體風格的相似度平均僅提升了13.5%。也就是說，在字體風格多樣性方面，筆法的作用遠大于結構。在15種不同字體組合中，只有這2種書法字（顏體與歐體、柳體與歐體）組合在風格多樣性上的作用是統一結構大于替換線條，其余組合均為替換線條的作用大于統一結構。由此可見，筆法對風格多樣性的影響遠大于結構。

5 結語

筆法與結構孰輕孰重，由上述統計結果可知，對于字體的美感和風格而言，替換線條較統一結構影響更顯著，且由于二者分別偏重于對筆法和結構的操縱，因此可推知：無論是美感還是風格，筆法的作用都大于結構；筆法的重要性更多地體現在風格的多樣性上，對字體美感的影響相對較小。

本實驗有一定的局限性：（1）只選取了6種楷書體，實驗樣本的范圍有限，所得結論還無法應用于書法體系；（2）盡管選取了大量風格詞匯，但其效度還需進一步驗證；（3）實驗中的“統一結構”操作與啟功先生“拆字實驗”中描述的“完全打散”的意義并不相同，“統一結構”操作是為了達成“不改變漢字”的約束條件，因此“統一結構”應該看作在“不改變漢字”約束下盡可能地改變結構。若取消這種約束，實現“完全打散”的操作，其對美感的影響是否超過其對風格的影響有待進一步研究［25］。實驗也暗示，書法學習不可忽視間架結構，良好的結構帶來的是基準水平的美感。

在以人工智能為代表的新技術中，有關書法的數字應用越來越廣泛；但在書法理論尤其是在審美評價研究中，尚未引入科學實驗方法，限制了書法在大數據時代的進一步發展。本文嘗試開拓這一研究方向，未來將探索利用實驗方法研究計算其他書法命題。

［1］王林. 談中國書法線條之氣質美［J］. 大觀周刊， 2013，617（5）：36-45.

WANG L. On the temperament beauty of Chinese calligraphy lines［J］.Dagan Weekly，2013， 617（5）：36-45.

［2］高光天. 啟功書學思想的啟迪［J］. 中國書法，2020（2）：75-81. DOI：10.3969/j.issn.1003-1782.2020. 02.021

GAO G T. The enlightenment of Qigongapos;s thought of calligraphy［J］. Chinese Calligraphy，2020（2）： 75-81. DOI：10.3969/j.issn.1003-1782.2020.02.021

［3］王娜. 中國書法藝術的審美特征［J］. 武漢理工大學學報（社會科學版），2009， 22（1）：118-122. DOI：10.3963/j.issn.1671-6477.2009.01.022

WANG N. On the esthetic characteristics of Chinese calligraphy［J］. Wuhan University of Technology （Social Science Edition），2009， 22（1）：118-122. DOI：10.3963/j.issn.1671-6477.2009.01.022

［4］薛軍. 線質美與結構美——談書法欣賞教學［J］. 青少年書法， 2003（5）：16.

XUE J. Linear beauty and structural beauty：On calligraphy appreciation teaching ［J］. Jurenile Calligraphy， 2003（5）：16.

［5］BRACHMANN A， REDIES C. Computational and experimental approaches to visual aesthetics［J］. Frontiers in Computational Neuroscience， 2017，11： 102. DOI：10.3389/fncom.2017.00102

［6］徐利明. 中國書法風格史［M］. 鄭州：河南美術出版社， 2009.

XU L M. History of Chinese Calligraphy Style［M］.Zhengzhou：Henna Fine Arts Publishing House， 2009.

［7］陳振濂. 書法美學與批評十六講［M］. 上海：上海書畫出版社， 2018.10：99.

CHEN Z L. Sixteen Lectures on Calligraphy AesthEtics and Criticism［M］. Shanghai： Shanghai Calligraphy and Painting Publishing House， 2018.10：99.

［8］瓦倫汀. 實驗審美心理學［M］. 海口：三環出版社， 1989：20-40.

VA L T. Experimental Aesthetic Psychology［M］. Haikou：Sanhuan Publishing House，1989： 20-40.

［9］白茹意，郭小英，賈春花，等. 繪畫圖像美學研究方法綜述［J］. 中國圖象圖形學報， 2019，24（11）：1860-1881.

BAI R Y， GUO X Y，JIA C H， et al. Overview of research methods of painting aesthetics［J］. Journal of Image and Graphics， 2019，24（11）：1860-1881.

［10］GALLESE V. The Empathic Body in Experimental Aesthetics-Embodied Simulation and Art［M］. London： Palgrave Macmillan，2017. DOI：10.1057/978-1-137-51299-4_7

［11］DECASTELLARNAU A. A classification of response scale characteristics that affect data quality： A literature review［J］. Quality amp; Quantity， 2018， 52（4）：1523-1559. DOI：10.1007/s11135-017-0533-4

［12］SCHERER I， HOSOYA G，MENNINGHAUS W， et al. Measuring aesthetic emotions： A review of the literature and a new assessment tool［J］. PLoS One，2017， 12（6）：e0178899. DOI：10.1371/journal.pone. 0178899

［13］LI R， QIN R L，ZJANG J S， et al. The esthetic preference of Chinese typefaces：An event-related potential study［J］. Brain Research，2015，1598： 57-65. DOI：10.1016/j.brainres.2014.11.055

［14］黃正明.漢代隸書風格分類的實驗美學研究［D］. 南京：南京大學， 2008.

HUANG Z M. An Empirical Aesthetic Research on the Classification of Calligraphy-With Experimental Psychological and Cluster Approach［D］. Nanjing： Nanjing University 2008.

［15］XU S， TANG M，LAU F， et al. A solid model based virtual hairy brush［C］// Computer Graphics Forum. Oxford：Blackwell Publishing， Inc，2002， 21（3）：299-308.

［16］YANG H M， LU J J，LEE H J. A Bezier curve-based approach to shape description for Chinese calligraphy characters［C］// Proceedings of Sixth International Conference on Document Analysis and Recognition. Seattle：IEEE， 2001：276-280.

［17］馬小虎，楊亦嗚，黃文帆，等. 甲骨文輪廓字形生成技術研究與通用甲骨文字庫的建設［J］. 語言文字應用， 2004（3）：105-111.

MA X H， YANG Y M，HUANG W F， et al. Oracle typeface and database generation［J］. Applied Linguistics，2004（3）： 105-111.

［18］弓彥周，李猛，王健，等. 數字書法生成方法［J］. 浙江大學學報（理學版）， 2020，47（4）： 391-397，407. DOI：10.3785/j.issn.1008-9497.2020.04.001

GONG Y Z， LI M，WANG J， et al. Digital calligraphy generation method［J］. Journal of Zhejiang University（Science Edition），2020， 47（4）：391-397，407. DOI：10.3785/j.issn.1008-9497.2020.04.001

［19］劉瀏，李斌，曲維光，等. 先秦詞匯的時代特征自動獲取及文獻時代的自動判定［J］. 中文信息學報， 2013，27（5）： 107-113. DOI：10.3969/j.issn.1003-0077.2013.05.015

LIU L， LI B，QU W G， et al. The automatic acquisition of pre-Qin wordapos;s property of times and the automatic classification of documentapos;s times［J］. Journal of Chinese Information Processing， 2013， 27（5）：107-113. DOI：10.3969/j.issn.1003-0077. 2013.05.015

［20］XIA W P， JIN L W. A kai style calligraphic beautification method for handwriting Chinese character［C］// 10th International Conference on Document Analysis and Recognition（ICDAR）. Barcelona： IEEE，2009： 10-15. DOI：10.1109/ICDAR. 2009.59

［21］ZHANG S， WANG P J，HOU W J. Research on Font Emotion Based on Semantic Difference Method［M］. Cham： Springer，2019： 10-20.

［22］艾肯，馬納特，孫健敏. 艾肯心理測量與評估［M］. 北京：中國人民大學出版社， 2013.

AILKEN L R， GARY G M，SUN J M. Psychological Testing and Assessment［M］. Beijing： China Renmin University Press，2013.

［23］SUN R J， LIAN Z H，TANG Y M， et al. Aesthetic visual quality evaluation of Chinese handwritings［C］// Proceedings of the 24th International Conference on Artificial Intelligence. Palo Alto：AAAI Press， 2015：2510-2516.

［24］陳曉琪，謝振平，劉淵. 增量采樣聚類驅動的新聞事件發現［J］. 智能系統學報， 2020，15（6）： 1175-1184.

CHEN X Q， XIE Z P，LIU Y. News event detection driven by incremental sampling clustering［J］. CAAI Transactions on Intelligent Systems， 2020，15（6）： 1175-1184.

［25］葉鵬飛. 啟功先生“結體為上”的書學觀［J］. 中國書法， 2020（2）：73-74. DOI：10.3969/j.issn.1003-1782. 2020.02.020

YE P F. Mr. Qigongapos;s calligraphy view of quot;composition is supremequot;［J］. Chinese Calligraphy， 2020（2）：73-74. DOI：10.3969/j.issn.1003-1782. 2020.02.020

Quantify influence of brushwork and structure on the aesthetic quality of regular script Chinese characters

LYU Ruimin1, ZHANG Taojie1, XI Xu1, WANG Mengmeng2, MENG Lei2, ZHANG Kejun3

（1. School of Artificial Intelligence and Computer，Jiangnan University，Wuxi214122，Jiangsu Province，China；2. The Design School of Jiangnan University，Wuxi214122，Jiangsu Province，China；3. College of Computer Science and Technology，Zhejiang University，Hangzhou310027，China）

The influences of brushwork and structure on the aesthetic quality of Chinese characters is an important issue in eastern calligraphy culture and is also related to the aesthetic evaluation technology in the field of digital calligraphy. However, in the past, this issue was mainly discussed qualitatively, mostly based on personal aesthetic experience. This study proposed an experimental method to quantitatively study it, which combined technologies in several disciplines, such as spline curve modeling and aesthetic scales. Firstly, six representative regular scripts of 78 high-frequency characters were selected as raw materials, participants were recruited to mark the structural key points using a customized annotation software, and the character images after the quot;brushwork feature removalquot; operation were modeled using Bezier curve. Further, the strictly defined quot;structure unificationquot; operation was applied to these character images. Therefore, three groups of stimuli were obtained and each contains 468 character images. Then, an aesthetic scale was designed, and participants were recruited to evaluate the preference and style of the three groups of stimuli. Each participant was randomly assigned to one of the three. Finally, statistical analysis on the evaluation data showed that the influence of brushwork on the style of regular script was much higher than that of structure, and the influence of brushwork on the preference was slightly higher than that of structure. However, the above finding is limited to the several classical regular scripts selected in the experiment, and quot;brushwork feature removalquot; and quot;structure unificationquot; can not fully cover the scope of relevant concepts in previous classical theories. The study shows that the scientific method can be used to study the propositions in calligraphy theory.

brushwork; structure; calligraphy style; experimental aesthetics; empirical aesthetics

TP 391

A

1008?9497（2022）03?261?10

10.3785/j.issn.1008-9497.2022.03.001

2020?09?27.

國家重點研發計劃專項（2017YFB1402104）；江南大學教改研究項目（JNJG19434）；江南大學2020年基本科研項目（2050205）；中央高校基本科研業務費專項（2020QNA5023）.

律睿慜（1982—），ORCID：https：//orcid.org/0000-0002-5107-7118，男，博士，副教授，主要從事書畫與科技的交叉領域研究，E-mail：190748995@qq.com.

通信作者，ORCID：https：//orcid.org/0000-0003-4214-0813，E-mail：2694564855@qq.com.