[发明专利]一种手写字体去除的方法、装置、电子设备和存储介质

说明书

本发明实施例涉及图像处理技术领域，公开了一种手写字体去除的方法、装置、电子设备和存储介质。该方法包括：获取初始图像；将初始图像输入预先训练的类别识别模型，得到手写字体的位置和类别；将初始图像输入预先训练的掩码识别模型，得到待测物体的掩码；利用矩阵非极大值抑制算法删除掩码中重叠交叉区域，得到待测物体的最终掩码；利用手写字体的位置和待测物体的最终掩码，确定手写字体的掩码区域；动态搜索手写字体的掩码区域附近图像色彩，得到初始图像的背景颜色；利用背景颜色覆盖手写字体的掩码区域内的像素位置。实施本发明实施例，将二阶段的实例分割算法适应性修改为两个分支并行的实例分割算法，提高了预测精度及预测效率。

技术领域

本发明涉及图像处理技术领域，具体涉及一种手写字体去除的方法、装置、电子设备和存储介质。

背景技术

实例分割(instance segmentation)是将图像按照逐个像素进行区分，判断每个像素所属物体的类别，并用不同的颜色对不同类别物体的像素进行表示(即可以检测出待查询物体的所有像素)。

传统的实例分割算法为自上而下的二阶方法，即先通过目标检测的方法检测出目标物体所属的大致区域，在此区域生成一个包含目标物体的矩形的边框，而后再在检测的边框内区分像素，分割出目标物体的mask(掩码)，其缺点是：

1、最终的分割结果高度依赖于第一阶段边框检测的精确性，若检测错误或者边框缺失，则会直接导致最终的分割结果较差，即最终的分割精度不高。

2、流程较长，耗时较高，只能达到5FPS，无法满足快速实时处理图像的需求。

3、涂抹颜色为纯白色或其他纯色，无法自适应使用当前图片的背景色进行涂抹，导致处理后的图片效果较为突兀。

发明内容

针对所述缺陷，本发明实施例公开了一种手写字体去除的方法、装置、电子设备和存储介质，其将二阶段的实例分割算法适应性修改为两个分支并行的实例分割算法，提高了预测精度及预测效率。

本发明实施例第一方面公开一种手写字体去除的方法，所述方法包括：

获取初始图像；

将所述初始图像输入预先训练的类别识别模型，得到手写字体的位置和类别；

将所述初始图像输入预先训练的掩码识别模型，得到待测物体的掩码；

利用矩阵非极大值抑制算法删除所述掩码中重叠交叉区域，得到待测物体的最终掩码；

利用手写字体的位置和待测物体的最终掩码，确定手写字体的掩码区域；

动态搜索所述手写字体的掩码区域附近图像色彩，得到初始图像的背景颜色；

利用所述背景颜色覆盖所述手写字体的掩码区域内的像素位置。

作为一种可选的实施方式，在本发明实施例第一方面中，将所述初始图像输入预先训练的类别识别模型，得到手写字体的位置和类别，包括：

将所述初始图像分为S×S个网格，S≥1；

将所述初始图像输入预先训练的全卷积网络类别识别模型，得到每个网格的各个类别的概率值，当目标网格的各个类别的概率值的最大值大于预设阈值时，所述目标网格为手写字体的位置，所述概率值的最大值对应的类别为目标网格对应的目标类别。

作为一种可选的实施方式，在本发明实施例第一方面中，将所述初始图像输入预先训练的掩码识别模型，得到待测物体的掩码，包括：

将初始图像输入预先训练的FPN掩码识别模型，得到张量为H×W×E的特征图；H和W分别为初始图像的高和宽；E为特征图的数量；