汉字书法图像因其独特的艺术性与结构性在计算机视觉领域受到广泛关注,生成对抗网络的提出使得汉字字形变形研究有了新的进展。针对深度生成模型实现端到端的汉字字形变形的实际效果不佳,并存在一定程度过拟合的问题,开展了基于生成对抗网络的汉字字形变形技术研究。具体研究工作如下:（1）基于先验分布采样能克服生成半成品书法图像,提出了结合先验分布采样与生成对抗网络的汉字字形变形方法。该方法自动化地生成汉字的新骨架,并采用判别随机生成汉字骨架的分类器以提升骨架图像可用率,引入U型生成对抗网络将汉字骨架优化成书法图像。对比实验和可视化结果表明,结合先验分布采样与生成对抗网络可以提升生成的书法图像的可辨性与多样性。（2）基于汉字骨架抽取模型提取精细化的汉字特征,并将变换的骨架图像丰富为书法图像,提出了结合多段生成对抗网络的汉字字形变形方法。该方法自动化抽取汉字骨架以及变换骨架,引导拓扑结构正确性。汉字骨架抽取使用双判别器,提升生成的骨架的结构正确性与匹配性;汉字骨架变换采用级联式结构,确保生成的书法图像的汉字拓扑结构正确性与多样性。对比实验和可视化结果说明,结合多段生成对抗网络显著地改善了汉字字形变形的效果。总之,结合先验分布采样以及汉字骨架变换优化,可以较好地解决复杂场景下汉字字形变形问题,有效地提升变形效果。