以下是关于图片相关处理的一些知识：
移动端试卷拍照去除书写笔迹的方法： 图像预处理：包括图像去噪（使用高斯滤波、中值滤波等去噪算法）和图像增强（通过直方图均衡化、对比度增强等算法提升清晰度和对比度）。 图像分割：使用阈值分割、边缘检测和基于区域的分割方法将书写笔迹和背景分离。 文字检测：采用文字检测算法（如基于深度学习的文本检测模型）识别出试卷上的文字区域。 文字识别：对检测到的文字区域进行文字识别，将文字内容转换为计算机可处理的文本数据，常用基于深度学习的端到端文本识别模型和传统的 OCR 技术。 后处理：根据需求进行去除残余噪点、填补文字区域空白等操作。 机器学习模型训练（可选）：如有足够数据，可采用机器学习技术训练模型，学习样本中的书写笔迹特征来自动去除笔迹。 优化算法。 图片模型比语言模型小的原因： 人类对图像的容错率相对较高，在处理视觉信息时可以进行一定程度的“脑补”，但对于语言，语法或逻辑错误很容易察觉，补偿有限，所以文字准确性非常重要。 去掉图片只用文字表达，要求的模型复杂度会小很多。 图像生成的核心质量实际上由文本控制。 关于【SD】真人转二次元的图生图功能： 图生图功能除文本提词框外还有图片框输入口，可通过图片给与 AI 创作灵感。 随便照一张照片拖入，文本输入框旁有两个反推提示词的按钮：CLIP 可通过图片反推出完整含义的句子；DeepBooru 可反推出关键词组。 两种反推方式生成的提示词可能有瑕疵，需要手动补充提示词信息，调整宽度和高度使红框刚好匹配图片。