本文目录导航：
AI排版中文字时具体应该怎样设置才规范？
在段落面板中使用两端对齐，应该就能满足这个需求。
比如，下图中右边四种对齐方式都是两端对齐，区别只是段落最后一行的对齐行为。
需要注意的是，纯西文，中西文混排中使用两端对齐的效果不一定好，你可能需要使用段落样式面板建立一个段落样式，并对其进行编辑，以使用更高级的设置。
如果每行最后一个字对齐的需求，是需要所有汉字，西文都对齐，那么估计需要使用标点悬挂。
位置段落面板右上角的设置菜单中，Burasagari 处。
中文版的 AI 中估计会显示为标点悬。
同标点不出现在首位让标点不出现在首位的设置，在上图 Kinsoku Set 禁则设置中。
选择 Hard严格或者 Soft宽松有不同的效果。
也可以在此菜单中进行详细的设置。
AI 中和排版有关的其他设置，基本上都在段落和字符面板中了比如标点挤压、直排内横排等等。
也有一些更详细的设置，可能需要在段落样式和字符样式这两个面板中完成。
至于分别从出版书籍和画册各方面来说，这样的提问方式恐怕太为宽泛，很难找到着重去写的点。
建议提问者将 Adobe 官网上的 Illustrator 使用文档 过一遍，这样，AI 能提供的功能基本都会了解到。
虽然提问者提到不要涉及 ID，但 AI 的排版功能本来就只能算是 ID 的一个子集，而且其 CJK 排版功能都侧重于日文，而并无专门针对中文的功能。
比如，复合字体只能使用西文字体和日文字体。
所以，对于排中文而言，个人觉得 AI 实在不能算是高效的工具，尤其是排版的量去到书籍和画册这样的级别时。
计算机视觉经典书籍推荐
计算机视觉作为人工智能的一个分支，专注于使机器能够“看”并识别目标。
这包括使用摄像机和电脑模拟人眼进行识别、跟踪和测量，以及进行图形处理，使图像更适合人眼观察或仪器检测。
无人机技术领域已经产生了许多关于计算机视觉的优秀案例。
为了更好地学习和深入研究计算机视觉，阿木实验室为您推荐以下经典书籍。
一、综合篇1.《计算机视觉：算法与应用》作者：Richard Szeliski这本书为计算机视觉初学者提供了广泛的标准计算机视觉问题的坚实基础。
理查德根据多年在华盛顿大学教授这一课题的经验编写了此书，包括成像、图像处理、特征检测、匹配与分割、基于特征的对齐、基于运动的结构重建等。
此外，书中还涉及了计算机视觉算法涉及的线性代数、数值优化技术、贝叶斯建模与推理。
2.《计算机视觉：一种现代方法》作者: 福赛斯(David A. Forsyth)/泊斯(Jean Ponce)本书内容涉及几何摄像模型、光照和着色、色彩、线性滤波、局部图像特征、纹理、立体相对、运动结构、聚类分割、组合与模型拟合、追踪、配准、平滑表面与骨架、距离数据、图像分类、对象检测与识别、基于图像的建模与渲染、人形研究、图像搜索与检索、优化技术等内容。
二、几何篇1.《计算机视觉中的多视图几何》作者：Richard Hartley/Andrew Zisserman本书以统一框架的形式给出了场景重建的理论与实现细节，包括三维几何与重建所需的计算相关的几何原则及物体的代数表达。
同时，作者还提供了详尽的背景知识、应用和实现算法的解释。
2.《An Invitation to 3-D Vision》作者: Yi Ma / Stefano Soatto / Jana Kosecká / S. Shankar Sastry本书着重讲述了计算机视觉中的重要问题，利用线性代数和矩阵理论从一系列二维图像中重建三维结构和运动。
本书的特点是一套基于多幅图像的研究几何和重建几何模型的统一框架，包括图像形成、基本的图像处理方法以及特征提取等内容，同时也给出实现视觉算法及系统的操作指南。
3.《计算机视觉： 计算理论与算法基础》 作者：马颂德，张正友本书阐述计算机视觉从信息处理的层次研究视觉信息的认知过程，以及视觉信息处理的计算理论、表达与计算方法。
本书系统地介绍了计算机视觉的重要理论与算法，包括图像特征提取、摄像机定标、立体视觉、运动视觉(或称序列图像分析)、由图像灰度恢复三维物体形状的方法、物体建模与识别方法以及距离图像分析方法等。
三、OpenCV 篇1.《Learning OpenCV 3》作者: Adrian Kaehler / Gary Bradski 这本书的重点是教你如何使用opencv库，也许是首屈一指的开源计算机视觉库。
所有的代码示例都在C++中，这表明目标受众是专业的开发人员，他们想学习如何将计算机视觉应用到他们的项目中。
2.《OpenCV 教程》作者: 刘瑞祯 / 于仕琪 本书是国内第一本全面介绍OpenCV的中文版图书，对OpenCV开放源代码计算机视觉库进行了详细讲解。
OpenCV由一系列 C函数和C++类构成，功能涵盖图像处理、计算机视觉和模式识别等领域。
OpenCV实现了大量通用算法，涉及到图像处理、结构分析、运动检测、摄像机定标、三维重建以及机器学习等方面，并有较高的运行效率。
书中所有实例均提供C/C++语言的源代码。
四、图像处理以及模式识别1.《数字图像处理》作者：冈萨雷斯，阮秋琦（译）本书共12章，即绪论、数字图像基础、灰度变换与空间滤波、频率域滤波、图像复原与重建、彩色图像处理、小波和多分辨率处理等。
2.《模式识别》 作者：边肇琪，张学工本教材系统地讨论了模式识别的基本概念和代表性方法，包括监督模式识别中的贝叶斯决策理论、概率密度函数的估计、线性判别函数、非线性判别函数、近邻法、特征选择与提取的典型方法以及非监督模式识别中的基于模型的方法、混合密度估计、动态聚类方法、分级聚类方法等，并在相应章节包括了人工神经网络、支持向量机、决策树与随机森林、罗杰斯特回归、B00sting方法、模糊模式识别等较新进入模式识别领域的内容。
整体内容安排力求系统性和实用性，并覆盖部分当前研究前沿。
3.《模式分类》 作者：Richard O. Duda模式识别和场景分析领域奠基性的经曲名著。
主要讲解统计模式识别和结构模式识别，以及许多近25年来的新理论和新方法，其中包括神经网络、机器学习、数据挖掘、进化计算、不变量理论、隐马尔可夫模型、统计学习理论和支持向量机等。
五、机器学习篇1.《Computer Vision: Models, Learning, and Inference》作者：Simon J.D. Prince本书介绍了解决计算机视觉问题的概率模型学习与推理的方法，讲述了如何利用训练数据建立观察图像和要估计的内容的联系，例如估计三维结构。
本书包括概率基础知识、概率图模型、图分割方法、多视觉几何、相机标定、人脸识别、目标跟踪等等。
书中共介绍了70多种算法。
2.《Pattern Recognition and Machine Learning》 作者：Christopher Bishop本书是第一本从贝叶斯的角度讲述模式识别，用图模型的方式描述离散概率分布的书籍。
内容包括：线性回归模型、线性分类模型、神经网络、核方法、稀疏核方法、图模型、混合模型与期望最大化算法、近似推理、采样方法、连续隐变量模型等。
3.《深度学习》 作者：Ian Goodfellow and Yoshua Bengio and Aaron Courville本书包括三大部分，第一部分介绍了基本的数学工具和机器学习概念，第二部分描述了最著名的深度学习算法，第三部分列举了深度学习研究前沿的想法及问题。
4.《Generalized Principal Component Analysis》作者：RenéVidal, Yi Ma, Shankar Sastry本书介绍了关于从一个或多个子空间或流形产生出来的，可能含有噪声、大误差或者异常的高维数据建模的数学理论和计算工作的最新进展，涵盖了用于子空间估计和分割的最新的代数的、几何的、统计的计算方法，并且给出了若干在图像处理、图像视频分割、人脸识别与聚类等问题的有趣应用。
人脸对齐之相似变换
人脸对齐是关键点检测的重要应用之一，通过人脸关键点检测，能够实现对人脸的三维空间归一化，这个过程称为人脸对齐。
人脸对齐的主要目的是消除人脸位置与角度差异，以便后续模型能够提取与五官位置无关的形状纹理特征。
这一过程对于人脸识别、表情分析、人机交互等应用至关重要。
人脸对齐的方法多样，其中两点法和三点法是较为常见的。
两点法直接利用两个关键点进行对齐，而三点法则通过三个关键点和模板关键点求取变换矩阵实现。
三点法的实现过程涉及计算平移、旋转操作，通过变换矩阵完成不同坐标系下点的对应变换。
具体计算步骤包括建立变换矩阵与点坐标关系，根据变换规则建立方程组，并通过解方程组求得变换参数。
这一过程较为复杂，需要精确计算，确保人脸对齐的精度和稳定性。
在实现层面，有多种方法可以应用。
OpenCV是一个广泛使用的计算机视觉库，提供了一系列图像处理和特征检测功能，包括人脸对齐。
基于OpenCV的实现通常依赖于其内置的检测器和变换工具，支持多种关键点检测和对齐方法。
另一种实现路径是使用numpy进行最小二乘法计算，这要求对数学公式有深入理解，并能灵活应用最小二乘法原理求解变换参数。
这种方法尤其适用于需要自定义算法或优化性能的场景。
人脸对齐的实现方法多样，但核心目标始终是通过关键点检测和变换矩阵计算，实现人脸特征的标准化处理。
无论采用哪种方法，关键点检测的精度、变换矩阵求解的准确性和优化算法的性能都直接影响人脸对齐的效果，进而影响后续应用的准确性和可靠性。
评论（0）