企业官网建设流程全解析

简介：面向计算机视觉方向学习与毕业设计需求的手写文字擦除方案，以Python和OpenCV为基础，结合深度学习模型实现图像中手写笔迹的自动去除与背景修复。资源包含完整工程代码、已训练模型参数、训练与预测脚本、数据加载与掩码生成模块，以及详细项目说明文档，方便二次开发或直接复现。压缩包共32个文件，以Python脚本（22个）为主体，辅以Shell运行脚本、模型权重文件（.pdparams）、说明文档（md/txt/readme）等，整体约150.71MB，结构清晰，能覆盖从模型训练到推理评估的完整流程。工程中涉及SA-GAN、BiSeNetV2、非局部注意力等典型网络结构模块，并配有PSNR损失等评价指标计算代码，适合作为毕业设计、课程设计或科研入门参考。目前已有91人学习浏览，遇到配置或运行问题，还可联系作者远程协助调试，上手门槛相对可控。

1. 手写文字擦除，先分清是去噪还是生成

从扫描作业、合同单据或老照片上去掉手写批注，直觉上应该先试 OpenCV 阈值加连通域分析。实际工程里，手写笔迹的压感导致颜色深浅不均，与印刷字体在灰度直方图上经常重叠，传统图像处理做一次擦除需要同时调四五组参数，换个扫描仪就得重新调一遍。这套方案把“擦除”定义为图像恢复任务：输入带手写的页面，输出尽可能接近原始干净排版的结果。项目代码同时包含 Python + OpenCV 做前后处理、GAN 做核心重建、数据集与 dataloader 做监督训练，还附带 compute_mask.py、PSNRLoss.py、EMA 和两个 checkpoints 权重。用到 STE_idr_best.pdparams 和 STE_str_best.pdparams 两种权重时，你会发现损失策略对最终笔迹残留的影响比调网络深度更明显。适合课程设计和毕业设计直接参考，也适合做文档 OCR 预处理的人借鉴——把“擦除”做成一个模块挂在识别链路前面。

2. 项目结构与生成器判别器的分工

2.1 文件结构的关键判定

动 train.py 之前，先把根目录的文件职责摸清。整个项目能跑通的核心文件如下表所示：

checkpoints 目录里放置的是 .pdparams 后缀的飞桨格式权重。这套代码需要跑在 PaddlePaddle 环境里，不能用 PyTorch 的 torch.load 直接加载。如果你从别处拿到的预训练权重是 .pth 后缀，要用 ckpt_convert.py 先做张量名和维度顺序的转换，否则第一个 batch 就会出现 NaN，而且很难从日志里定位是数据问题还是权重加载问题。

2.2 dataloader 在线合成训练对

data 目录下 dataloader.py 的作用是把原始扫描页切成固定尺寸 patch，并提供监督信号。数据集中没有配对标注时，常见做法是离线合成：先准备一张无手写的干净页面作为底图，再随机位置叠加上手写笔画，形成“脏图 + 干净图”的成对样本。dataloader 中典型的一段逻辑如下：

class PairLoader(Dataset): def __init__(self, root, crop=256): self.pairs = [] for d, c in zip(os.listdir(root + '/dirty'), os.listdir(root + '/clean')): self.pairs.append((os.path.join(root, 'dirty', d), os.path.join(root, 'clean', c))) self.crop = crop def __getitem__(self, idx): dirty = cv2.imread(self.pairs[idx][0], cv2.IMREAD_GRAYSCALE) clean = cv2.imread(self.pairs[idx][1], cv2.IMREAD_GRAYSCALE) h, w = dirty.shape y = random.randint(0, h - self.crop) x = random.randint(0, w - self.crop) dirty = dirty[y:y + self.crop, x:x + self.crop] clean = clean[y:y + self.crop, x:x + self.crop] return (dirty / 255.0 - 0.5, clean / 255.0 - 0.5)

这段代码做三件事。第一，以灰度模式读图，不让生成器去学习纸张本身的 RGB 色彩分布，除非你确实想连纸张颜色一起还原；第二，随机裁剪到 256×256，避免整页输入超出显存并保持 batch 内尺寸一致；第三，把像素归一化到 [-0.5, 0.5]，这个线性映射让后续损失函数的梯度在取值范围内保持连续，不会像 [0,1] 那样在两端饱和。实测中 crop=256 对侧页的长手写笔画有截断风险，如果生成器频繁出现半截文字消失，把 crop 调到 512 并同步把 batch 从 8 降到 4 是更稳的组合。

2.3 生成器与判别器的装配

生成器主体由 sa_gan.py 和 BiSeNetV2.py 共同支撑，理解上不要把它们看成并列模型，而是一条 pipeline 的两段。BiSeNetV2 原本是实时语义分割网络，低分辨率分支负责提取大范围文本行分布，高分辨率分支保留笔画边缘；在擦除任务里，这两路特征融合后正好给出“哪里是手写、哪里是背景结构”。sa_gan.py 在其上叠加自注意力层，让修复区域能从画面远处借纹理。non_local.py 给出了非局部注意力的一种实现，常见写法如下：

def non_local_block(x, inter_channels=32): b, c, h, w = x.shape theta = conv1x1(x, inter_channels).view(b, inter_channels, -1) theta = theta.permute(0, 2, 1) phi = conv1x1(x, inter_channels).view(b, inter_channels, -1) attn = torch.softmax(torch.bmm(theta, phi), dim=-1) g = conv1x1(x, inter_channels).view(b, inter_channels, -1) out = torch.bmm(g, attn.permute(0, 2, 1)) out = out.view(b, c, h, w) return out + x

注意力图 attn 的空间维度是 (hw)×(hw)。如果直接对 512×512 的特征图做全局注意力，矩阵会变成 262144×262144，显存立刻爆掉。所以实际使用中都会先把空间分辨率压缩到 32×32 或 64×64，再做全局上下文聚合。判别器由 discriminator.py 定义，输入生成图与干净参考图，训练时判别器与生成器交替更新，这类对抗机制正是产生清晰边缘的关键。

3. 掩码计算与损失函数的设计

3.1 compute_mask.py 提供区域监督

compute_mask.py 的目标是把手写区域标出来，供损失函数按区域加权。常见做法是从像素差异出发，将带手写图和干净图逐像素做差，灰度差超过阈值的点记为 1，再用膨胀操作把笔迹边缘扩一圈，避免网络只在笔锋内部做修正：

def compute_mask(dirty, clean, thr=30, dilate=2): diff = cv2.absdiff(dirty, clean) mask = (diff > thr).astype(np.uint8) mask = cv2.dilate(mask, np.ones((3, 3), np.uint8), iterations=dilate) return mask

膨胀参数 dilate 很重要。手写笔迹边缘存在半透明过渡，灰度差常常达不到阈值，膨胀的作用就是把这个过渡地带也纳入监督范围，让生成器不只是处理高置信笔画，还要处理颜色残留。另一种常见的掩码形态是背景掩码，把印刷体文字区域也置为需要重建的对象，此时网络要对整块内容做生成，损失权重必须和前景掩码模式区分开，否则会出现印刷体被过度平滑的问题。

3.2 PSNR 损失与 L1 损失各管一段

Loss.py 和 losses.py 负责把多种损失汇总到一起，其中 PSNRLoss.py 看起来是在算图像质量，实际是把这个指标改造成了可训练的回归损失。PSNR 由 MSE 推导而来：mse = mean((pred - gt)^2)，psnr = 10 * log10(max^2 / mse)。把 PSNR 直接作为损失项时，网络会优先降低 MSE 大的区域，对手写笔迹这种局部高误差像素非常敏感。相较单纯 L1，PSNR 损失强调逐像素平均正确，L1 则对异常值更宽容。两者配合的典型写法是：

def hybrid_loss(pred, target, weight_l1=1.0, weight_psnr=0.1): l1 = torch.mean(torch.abs(pred - target)) mse = torch.mean((pred - target) ** 2) psnr = 10 * torch.log10(1.0 / (mse + 1e-8)) return weight_l1 * l1 - weight_psnr * psnr

注意 psnr 项前面是负号。训练目标是让 PSNR 更大，损失项需要取相反数才能和 L1 一起朝减小的方向优化。weight_psnr=0.1 是一个起步值，若擦除结果过度平滑，说明 PSNR 权重压制了结构项，调到 0.03 左右再对比一次。

3.3 多损失与 EMA 的配合

项目中存在的损失组合可归纳为下表：

如果只用 L1，恢复出的背景文字边缘会发糊；如果让对抗损失比例过高，可能会连印刷体一起“擦”掉。感知损失隔着预训练网络中间层对比特征，让输出不再逐像素对齐而是整体结构对齐，对保持文字骨架特别有效。EMA 则维护一份历史权重的滑动平均，在评估时用小方差版本代替临时权重，能明显压低训练后期损失曲线的抖动幅度。

4. 模型训练与预测的具体跑法

4.1 环境搭建与 OpenCV 版本

项目依赖飞桨和 OpenCV。搭环境时，Python 版本建议固定在 3.8 到 3.10 之间，太新的解释器可能碰到 PaddlePaddle 预编译包尚未适配的情况。OpenCV 使用 4.x 即可，不需要特殊版本，主要承担图片读取、缩放和形态学操作：

conda create -n erase python=3.8 -y conda activate erase pip install paddlepaddle-gpu==2.5.2 pip install opencv-python==4.8.0.74 numpy==1.24.3

如果只需 CPU 调试，把 paddlepaddle-gpu 换成 paddlepaddle 即可，但训练建议还是用 GPU。OpenCV 安装完可以用cv2.getBuildInformation()验证编译信息，确认读图模块正常，避免后面 predict.py 在 imread 阶段静默返回 None。

4.2 train.sh 与 test.sh 的启动方式

train.sh 内部最终调用的是 train.py，test.sh 对应 test.py。启动一个完整训练回合的常见参数组合如下：

python train.py \ --train_root ./data/train \ --val_root ./data/val \ --batch_size 8 \ --crop_size 256 \ --lr 2e-4 \ --epochs 200 \ --save_dir ./checkpoints

参数含义：train_root 指向包含 dirty 和 clean 两个子目录的根路径，batch_size 根据显存调整，crop_size 决定输入 patch 大小，lr 是生成器初始学习率。判别器的学习率一般设置为生成器的十分之一，代码中通常存在 discriminator 独立的学习率字段，没找到就在 train.py 搜索lr_d或d_lr。跑 test.sh 时，实际执行的是：

python test.py --resume ./checkpoints/STE_idr_best.pdparams --data_dir ./data/test

注意权重路径指向的是 STE_idr_best 还是 STE_str_best，两者效果差异主要在边缘残留分布上。前者对全局版面更敏感，后者对单笔画更敏锐。拿到新的扫描件做推理时，优先用 STE_str_best 看主观效果。

4.3 ONNX 导出与二次集成

convert_onnx.py 用于把训练好的飞桨模型导出为标准 ONNX，方便脱离飞桨环境部署。导出时常见问题是动态尺寸导致 ONNX Runtime 报错，建议固定输入分辨率：

import paddle model = build_generator() model.set_state_dict(paddle.load('STE_str_best.pdparams')) model.eval() dummy = paddle.zeros([1, 1, 256, 256]) paddle.onnx.export( model, 'erase.onnx', input_spec=[paddle.static.InputSpec( shape=[-1, 1, 256, 256], dtype='float32')] )

导出的 erase.onnx 可以交给 ONNX Runtime 或 OpenCV 的 DNN 模块加载。OpenCV 的 cv2.dnn.readNetFromONNX 在 4.5 版本后对常见算子支持已经比较完整，但自注意力里的 reshape 和 transpose 组合偶发不支持，这时需要回退到原版飞桨推理。

5. 用 OpenCV 做边缘修复与结果验证

预测输出往往不是完美的干净页面，生成器在手写笔迹边缘会留下浅色残影。用 OpenCV 做一层轻量后处理，能显著提升视觉效果。我常用的做法是先膨胀再腐蚀，把离散的残影点闭合成小块，再通过轮廓面积过滤掉孤立噪声：

import cv2 import numpy as np out = cv2.imread('output.png', cv2.IMREAD_GRAYSCALE) kernel = np.ones((3, 3), np.uint8) closed = cv2.morphologyEx(out, cv2.MORPH_CLOSE, kernel, iterations=1) med = cv2.medianBlur(closed, 3) cv2.imwrite('output_clean.png', med)

闭运算能合并非连续的残影，中值滤波在保留笔画结构的同时抑制孤立的椒盐噪声。但不能对整张图做多次闭运算，否则印刷字体笔画会被加粗，反而降低后续 OCR 的置信度。

验证清除效果时，不要只看整图 PSNR。用手写掩码加权计算局部 PSNR 和 SSIM 更有意义：掩码区域残影越少，局部 PSNR 提升越明显。把生成的掩码与预测图对应区域拿出来单独统计，比较 STE_idr_best 和 STE_str_best 在该区域上的数值差异，就是两个权重文件最直观的区分方式。训练集里类似 DEHW 这类场景文本擦除数据的分布，也会直接影响这个局部指标的表现。

本文还有配套的精品资源，点击获取