碑帖是书法字最重要的载体,留下了古今无数书法家的书迹,是人们研究书法最权威的第一手资料。但是,由于很多碑帖作品保存年代比较久远,碑帖被污染和损毁比较严重,还存在很复杂的噪声,这对碑帖二值化和提取书法字造成严重阻碍,为了解决这个问题,本文提出了一个基于全卷积神经网络的碑帖图像二值化算法,所做的工作概括如下:（1）构建碑帖二值图像资源库,本文收集了常见十个碑帖作品,分割出单字碑帖图像9430张,并人工标记出二值化图像。（2）本文设计一个编码器-解码器框架的全卷积神经网络,该网络接受碑帖图像输入,直接输出对应的二值化图像,端到端训练,简单高效。（3）网络的输入融合了书法字对应的标准字图像,利用标准字图像辅助神经网络提取汉字的结构特征,提高模型的泛化能力和处理效果。实验结果表明,本文提出的网络应对碑帖二值化任务十分有效,与前沿方法对比中取得最好的结果。笔画是汉字的基本组成单位,笔画提取是研究和评价书法字必不可少的一环,本文借鉴实例分割领域的先进算法,提出一种汉字实时笔画提取算法,把笔画分成33类基本笔画,将笔画提取分成两个子任务。（1）利用全卷积网络生成一组掩码,掩码组将用于恢复笔画实例。（2）添加额外的预测头部分支,计算并生成掩码系数,再将掩码组和掩码系数线性组合,生成并输出最后的笔画。在实验部分,本文在公开的数据集和实际的碑帖数据集上测试,与前沿的方法对比,本文的笔画提取结果颇具竞争力且效率大大提升。