印花提取的批量工程：底色分离、品牌字剔除与线条锐利度的技术拆解

做 POD 批量提取，关心的是"图提得干不干净"，但落地可重复的批量流水线，得把"干净"拆成三个可量化的工程指标：底色分离是否彻底、品牌字是否被精准剔除、线条类图案的边缘锐利度是否达标。本文从雨林凯AI（简称雨林凯）的工程实现角度，把这三块的技术拆解讲清楚。

最早的抠图思路是 RGB 阈值------设定颜色范围，落在范围内的像素判定为背景。这种方法对纯色背景有效，遇到复杂背景就翻车。

进阶思路是边缘检测 + 区域生长：用 Canny 算子识别前景边缘，再向外扩展。这种方法对"主体清晰、背景渐变"的图效果还行，对水彩、卡通色块依然抠出锯齿。

雨林凯底层用的是定制微调的多模态分割模型，针对 POD 场景做了数据增广。模型不仅看 RGB，还看纹理连贯性，对水彩晕染和卡通色块都能给出合理 mask。

验收标准用 mIoU 量化------预测 mask 和人工标注 mask 的重合度。POD 常见图类型的 mIoU 平均在 0.92 以上。

但不是所有图都需要完全分离底色。比如水彩风野花束，原图的米白底色是设计的一部分，强行去底反而破坏图案气质。模型对这类图走"轻去底"分支------保留底色但弱化对比度：

老图翻新绝大多数老图都带品牌字或水印。技术上拆成三段：

检测：用 EAST / CRAFT 这类文本检测网络定位文字区域。关键是"区分图案装饰元素和真正的文字"------手写体招牌、装饰性字母跟品牌字很像，误判率不能高。

识别：检测到的文字区域过 OCR（PaddleOCR + TrOCR ensemble），比对品牌词黑名单（iPhone、Nike、Adidas、星巴克等），命中强制剔除。

Inpainting 修复：剔除文字后的空洞用 LaMa / MAT 这类图像修复模型填回与周围纹理一致的图案。难点是修复痕迹不能和原图案断层------尤其手写体和插画风格，修复痕迹太明显破坏图案整体观感。

线条类图案边缘有没有毛刺是决定"图能不能上印花厂"的硬指标。量化有三个思路：

· 梯度幅值方差：对 mask 边缘做 Sobel 算子，理想锐利的边缘集中在 1-2 像素窄带

· 高频分量占比：傅里叶变换看高频能量占比，占比越高越丰富

· SSIM 对比：提取后图与原图主体做结构相似性对比

组合算"边缘锐利度综合分"，阈值 0.85：

流水线分四段：上传前分类、多 GPU 并发推理（每张 2--5 秒）、自动 QA（边缘锐利度 + 品牌字命中 + 主体完整性）、用户验收 + 归档入库。

下面这张毛笔刷笔触粗体文字是边缘干净度的另一个标杆------笔触纹理保留完整，边缘无白边：

整套链路放在云端跑，新用户上手就能用。功能入口在官网（ $ai.yulinkai.com$ (https://ai.yulinkai.com/)）。

问：印花提取的底色分离用的是什么技术？

答：底层是基于语义分割的 Encoder-Decoder 模型，针对 POD 场景做了定制微调。传统 RGB 阈值对纯色背景有效，对渐变、水彩、卡通色块基本无效。

问：水彩类图案为什么有时不"完全去底"？

答：水彩风图案的米白纸感底常常是设计意图的一部分，强行去底会破坏图案气质。模型对这类图走"轻去底"分支，保留底色但弱化对比度。

问：品牌字剔除的命中率大概多少？

答：常见品牌词的命中剔除率在 98% 以上。装饰性字母、品牌符号变形、艺术化 logo 这三类容易被误判为图案装饰元素，建议人工复检。

问：边缘锐利度综合分是怎么算的？

答：组合三个指标------边缘 mask 的梯度幅值方差、高频分量在傅里叶变换中的能量占比、提取结果与原图主体的 SSIM 值。三者加权平均，阈值 0.85。

问：批量任务一次最多能传多少张？

答：单次批量任务支持 50 张左右。50 张是用户验收阶段不疲劳的合理上限，超过建议分批。

问：模型推理耗时和图片分辨率是什么关系？

答：基本线性相关。1024×1024 的图单张推理 2 秒左右，2048×2048 的图 4 秒左右。POD 场景下建议控制在 2048×4096 以内。