书法是中国汉字特有的一种书写载体,从甲骨文、金文、隶书等逐渐发展变化出楷书、草书、行书等书法。现今,使用纸张和碑刻作为书法作品传承的载体非常不易保存。氧化、虫蛀、风蚀等自然因素和战乱、损毁等人为因素都对书法作品保存造成了非常大的影响。所以,使用现今的科学技术对中国的书法古籍和碑文等进行虚拟修复和是非常有意义的工作。在计算机视觉领域中,使用卷积神经网络进行分类和特征提取,使用生成式的神经网络进行图像修复等研究都有着非常优秀的成果。这些理论成果提供了一种更好的修复、保存、弘扬和发展书法文化的途径。现有的图像修复模型通常是使用图片整体信息修复局部性信息。书法图片因为其特殊性,整张图片由许多个字在特定的位置组成。字与字之间位置和语义上有一定的联系,但是两个字的字形之间联系并不大。当书法图片破碎程度较大,现有的图像修复方法无法根据剩余的图片推断出破损位置的字来修复整张图片。针对现有技术存在的不足,本文提出了基于生成对抗网络的书法图片生成模型,根据文本生成相应的书法图片。本文的主要工作如下:1、书法字位置预测。生成书法图片不同于生成单个书法字,此任务需要知道每个书法字在图片中的位置。本文提出的书法位置预测模型根据一段文本预测其在图片中的相对位置。2、结合书法字与位置生成图片。本文使用字编码向量生成书法字的图片,结合为每个字生成的位置预测,将其整合在一张多通道的特征图片上,将这张多通道的图片输入进高清化生成的网络中完成书法字的生成。3、多样性书法字生成模型。本文提出的模型中对书法字的位置预测主要来源于文字编辑成的向量,从而没有很好的泛化能力。在改进的方法中,使用从书法字图片中提取到的特征用于预测书法字的位置坐标。改进的模型对生成的字的笔画的粗细、结构等特征使用神经网络进行分析和提取,最终用于书法字位置的预测。训练好的模型在使用的过程中可以直接分析字的图片预测字的外切矩形的形状,这样不需要模型对每个字都有相应的处理方式。