[发明专利]一种图像处理方法、装置及存储介质

权利要求书

1.一种图像处理方法，其特征在于，所述方法包括：

获取待处理文字图像的色彩特征和透明度特征以及模板文字图像的色彩特征和透明度特征；

获取训练好的神经网络模型，其中，所述训练好的神经网络模型是至少利用具有透明度特征的训练图像训练得到的；

基于所述模板文字图像的色彩特征和透明度特征对所述训练好的神经网络模型进行迁移学习，得到调整后的神经网络模型；

通过所述调整后的神经网络模型，对所述待处理文字图像的色彩特征和透明度特征进行处理，得到目标文字图像，其中，所述目标文字图像的显示效果与所述模板文字图像的显示效果相同。

2.根据权利要求1中所述的方法，其特征在于，所述方法还包括：

获取多个训练文字图像的实际色彩特征和实际透明度特征，其中，所述各个训练文字图像的显示效果相同；

获取所述多个训练文字图像对应的源文字图像，并获取所述源文字图像的实际色彩特征和实际透明度特征；

将所述多个训练文字图像的实际色彩特征和实际透明度特征、所述多个源文字图像的实际色彩特征和实际透明度特征确定为训练数据；

基于所述训练数据对预设的神经网络模型进行训练，得到训练好的神经网络模型。

3.根据权利要求2中所述的方法，其特征在于，所述神经网络模型至少包括：第一骨架提取模型、第一骨架提取模型、源文字复原模型、目标文字生产模型和透明度生成模型，所述基于所述训练数据对预设的神经网络模型进行训练，得到训练好的神经网络模型，包括：

根据所述训练数据中的第一源文字图像的实际色彩特征和第一训练文字图像的实际色彩特征对所述第一骨架提取模型、第二骨架提取模型和源文字复原模型进行训练，；

根据所述训练数据中的第一源文字图像的实际色彩特征、第一训练文字图像的实际色彩特征、第二训练文字图像的实际色彩特征对所述第一骨架提取模型、第二骨架提取模型和目标文字生成模型进行训练；

根据第一源文字图像的实际色彩特征、第一训练文字图像的实际色彩特征和实际透明度特征，对所述第一骨架提取模型、第二骨架提取模型和目标文字生成模型进行训练。

4.根据权利要求3中所述的方法，其特征在于，所述根据所述训练数据中的第一源文字图像的实际色彩特征和第一训练文字图像的实际色彩特征对所述第一骨架提取模型、第二骨架提取模型和源文字复原模型进行训练，包括：

将所述训练数据中的第一源文字图像的实际色彩特征输入第一骨架提取模型，得到源文字骨架信息；

将所述训练数据中的第一训练文字图像的实际色彩特征输入第二骨架提取模型，得到第一训练文字骨架信息；

通过源文字复原模型进行基于所述源文字骨架信息和第一训练文字骨架信息的预测处理，得到的第一源文字图像的预测色彩特征；

将所述第一源文字图像的预测色彩特征与实际色彩特征的差值在所述第一骨架提取模型、第二骨架提取模型和源文字复原模型中进行反向传播，以更新所述第一骨架提取模型、第二骨架提取模型和源文字复原模型的参数。

5.根据权利要求4中所述的方法，其特征在于，所述根据所述训练数据中的第一源文字图像的实际色彩特征、第一训练文字图像的实际色彩特征、第二训练文字图像的实际色彩特征对所述第一骨架提取模型、第二骨架提取模型和目标文字生成模型进行训练，包括：

将第二训练文字图像的色彩特征输入第二骨架提取模型，得到第二训练文字骨架信息；

通过目标文字生成模型进行基于所述源文字骨架信息和所述第二训练文字骨架信息的预测处理，得到的第一训练文字图像的预测色彩特征；

将所述第一训练文字图像的预测色彩特征和实际色彩特征的差值在所述第一骨架提取模型、第二骨架提取模型和目标文字生成模型中进行反向传播，以更新所述第一骨架提取模型、第二骨架提取模型和目标文字生成模型的参数。