我要评论1. 前言
本文为作者学习记录，使用python结合opencv，总结了几种常见的水印去除方式，简单图片去水印效果良好，但是复杂图片有点一言难尽，本文部分代码仅供参考，并不能针对所有水印通用，需要根据具体水印颜色、位置等情况进行分析调整代码。
2. 颜色介绍
本文总共使用了两种格式的颜色，一种是bgr，另一种是hsv。
关于如何获取bgr的颜色，可以直接使用截图或者吸取颜色的工具吸取即可。如下图：
有一点需要注意：python里面用的是bgr，截图工具给的是rgb，这个使用的使用需要调整下顺序
hsv是由色调（h），饱和度（s），亮度（v）组成，如何获取hsv的值，这里提供一段python的代码获取。其中'image/3_water.jpg'替换成你的图片路径。详细如下：
import cv2
import numpy as np
from matplotlib import pyplot as plt
image=cv2.imread('image/3_water.jpg')
hsv=cv2.cvtcolor(image,cv2.color_bgr2hsv)
def getpos(event,x,y,flags,param):
if event==cv2.event_lbuttondown: #定义一个鼠标左键按下去的事件
print(hsv[y,x])
cv2.imshow("imagehsv",hsv)
cv2.imshow('image',image)
cv2.setmousecallback("imagehsv",getpos)
cv2.waitkey(0)
效果图如下，左边的为原图，右边的为转为hsv的图片，点击你需要获取颜色的位置，会在控制台打印对应的颜色值。
3. 添加水印
先准备几张测试图片，给这些图片打上水印。这里以下面的图片经行演示。
添加水印代码如下：
import cv2
import numpy as np
def create_watermark(image_path):
# 读取图像
image = cv2.imread(image_path)
# 设置水印文本
watermark_text = 'www.xiaoxiaofeng.com'
# 设置字体
font = cv2.font_hershey_simplex
# 设置字体大小
font_scale = 0.5
# 注意，这里是bgr 蓝色（b）、绿色（g）和红色（r）
font_color = (62, 62, 187)
# 设置字体粗细
thickness = 1
# 获取图像的高度和宽度
height, width = image.shape[:2]
# 设置文本位置（右下角）
text_position = ( width - 200, height - 20 ) # 例如，在右下角
# 添加水印文本
cv2.puttext(image, watermark_text, text_position, font, font_scale, font_color, thickness, cv2.line_aa)
# 显示图像
cv2.imshow('watermarked image', image)
cv2.waitkey(0)
cv2.destroyallwindows()
# 保存图像
cv2.imwrite('image/2_water.jpg', image)
create_watermark('image/2.jpg')
添加完水印的效果如下图：
4. 去除水印
关于去除水印，效果最好的应该还是训练模型，用模型去除效果肯定比较好，但是对于简单的水印，也没必要去训练模型，而且训练模型的门槛比较高，自己的"超配00年代"的电脑就别想了。
这里针对几种常见的水印，简单的描述下去水印的思想，以及实现代码。
4.1 文档类图片去水印
关于图片准备，这里直接用word创建了一个带水印的文档，然后截图，图片如下：
实现目标：去除中间背景的中的【笑小枫】的水印。
实现思想：背景为白色，字体颜色为黑色，水印颜色为灰色，因此可以将水印的灰色替换为白色即可
方案一：
通过观测，水印的颜色大多为(214, 214, 214)，但是边缘的锯齿处有部分颜色为214-245之间，这里定义3个色彩相加之和位于 640-740之间的，全部替换为白色，当然这样可能会误伤一部分颜色，具体需要针对多种方案比较选用。
import numpy as np
import cv2
def remote_water_mark_1(image):
# 读取图像
image = cv2.imread(image)
# 显示原始图像
cv2.imshow('original image', image)
# 设置替换颜色为白色
replace_color = (255, 255, 255)
# 获取图片大小
height, width = image.shape[:2]
for i in range(height):
for j in range(width):
# 获取当前像素点的颜色值
varp = image[i, j]
# 如果当前像素点的颜色值总和在640到760之间，则替换为白色
if sum(varp) > 640 and sum(varp) < 740:
image[i, j] = replace_color
# 显示处理后的图像
cv2.imshow('result image', image)
cv2.waitkey(0)
remote_water_mark_1('image/3.jpg')
去水印后的效果图如下：
可以看到，图片底部的水印去掉了，仔细看图片中的文字颜色有点细微变化，这就是因为部分像素颜色被误伤了导致的。下面看下方案二，可以解决这个问题。
方案二：
和方案一的思想一致，但是不再使用bgr的颜色处理图片，而是使用hsv对图片进行处理。通过创建颜色范围的掩码，替换掉对应像素的颜色，具体代码如下：
import numpy as np
import cv2
def remote_water_mark_2(image):
# 读取图像
image = cv2.imread(image)
# 显示原始图像
cv2.imshow('original image', image)
# 将图像从bgr颜色空间转换为hsv颜色空间
hsv_image = cv2.cvtcolor(image, cv2.color_bgr2hsv)
# 定义要替换的颜色范围（在 hsv 空间中）
lower_blue = np.array([0, 0, 214])
upper_blue = np.array([0, 0, 245])
# 在hsv图像中，根据定义的颜色范围创建掩码
mask = cv2.inrange(hsv_image, lower_blue, upper_blue)
# 显示掩码图像
cv2.imshow('mask image', mask)
# 将掩码中对应位置的颜色替换为红色（在 hsv 空间中），白底在hsv空间就是红色。
hsv_image[mask > 0] = [0, 0, 255]
# 如果需要，将图片转换回 bgr 颜色空间
result_image = cv2.cvtcolor(hsv_image, cv2.color_hsv2bgr)
# 显示结果图像
cv2.imshow('result image', result_image)
cv2.waitkey(0)
remote_water_mark_2('image/3.jpg')
去水印后的效果图如下，可以通过mask掩码图像（黑色背景，白色水印图）清晰的看到水印的形状。这里可以根据mask掩码调整颜色区间的参数。可以看到右边图片成功去除水印，并且文字颜色一致。
4.2 固定位置水印去除方式
上文提到了，水印背景颜色如果和图片颜色类型，可能会误伤，出现意向不到问题。所有针对可以确认固定位置的水印，我们尽量处理固定位置，减少对图片的损伤。
如下图：水印固定在右下角，颜色和字体颜色基本一致，这样如果全图处理，整张图片就面目全非了。所以我们可以针对右下角固定的位置，特殊处理。
代码如下：
import numpy as np
import cv2
def remote_water_mark_3(image):
# 读取图像
image = cv2.imread(image)
# 显示原始图像
cv2.imshow('original image', image)
# 获取图像的高度和宽度
height, width = image.shape[:2]
# 定义 roi 的坐标和大小
x, y, w, h = width-280, height-40, 280, 40
roi = image[y:y+h, x:x+w]
# 将 roi 从 bgr 颜色空间转换为 hsv 颜色空间
hsv_image = cv2.cvtcolor(roi, cv2.color_bgr2hsv)
# 定义要替换的颜色范围，范围尽量越小越好（在 hsv 空间中）
lower_blue = np.array([0, 0, 0])
upper_blue = np.array([0, 0, 240])
# 创建掩码
mask = cv2.inrange(hsv_image, lower_blue, upper_blue)
# 替换颜色
hsv_image[mask > 0] = [0, 0, 255] # 将匹配的颜色替换为红色（在 hsv 空间中）
# 如果需要，将图片转换回 bgr 颜色空间
roi = cv2.cvtcolor(hsv_image, cv2.color_hsv2bgr)
# 将处理后的 roi 放回原图
image[y:y+h, x:x+w] = roi
# 显示处理后的图像
cv2.imshow('result image', image)
cv2.waitkey(0)
remote_water_mark_2('image/1_water.jpg')
处理后的效果如下图所示
可以看见水印已经去掉了。因为这里背景是白色，所以很好处理，但如果背景不是白色，而是一些其他颜色改怎么处理呢？接下来看下面
4.3 复杂背景色的水印处理
针对复杂背景色的图片，处理时肯定会一定程度的损伤图片了，如果需要相对精准，可以训练模型处理，单纯使用代码，还是有一定程序限制。如果水印位置不固定，数量不固定，大小不固定等等，代码局限性就很大了，纯opencv代码暂还没找到方案，这里还是以简单的示例。
先看下面这张相对简单的图片
方案一：
使用inpaint函数修复图片，代码如下：
import numpy as np
import cv2
def remote_water_mark_6(image):
# 读取图像
image = cv2.imread(image)
# 显示原始图像
cv2.imshow('original image', image)
height, width = image.shape[:2]
# 创建一个掩码，标记水印区域
mask = np.zeros(image.shape[:2], np.uint8)
height, width = image.shape[:2]
# 假设水印在这个区域，绘制矩形掩码
cv2.rectangle(mask, (width-220, height-50), (width, height), 255, -1)
# 使用inpaint函数修复图像
denoised_image = cv2.inpaint(image, mask, 1, cv2.inpaint_telea)
# 显示结果图像
cv2.imshow('result image', denoised_image)
cv2.waitkey(0)
remote_water_mark_6('image/2_water.jpg')
处理后的效果图如下，可以看到水印处理掉了，但是图片水印处有略微变形。
针对下面这张图片进行测试：
可以看到水印虽然去掉了，但是水印出糊的很厉害
方案二：
此方案为自己写的，暂未经大量图片测试，但测试了部分图片，效果还可，因此放在这里做个比较
实现思想：实现步骤基本于上面一致，针对水印颜色区间像素进行颜色替换，替换的颜色值，这里取周边像素颜色出现次数最多的颜色做替换。然后对区域图片进行噪点处理，尽量中和处理部分于原图像的匹配度，如果水印下方是文字类型，不可以进行噪点处理。
具体代码如下：
具体使用时需要根据水印位置和颜色调整对应的参数
import numpy as np
import cv2
from collections import counter
def find_most_frequent_color(color_list):
"""
找到颜色列表中出现频率最高的颜色。
args:
color_list (list): 颜色列表，每个颜色可以是一个包含三个整数的列表，分别表示rgb值。
returns:
tuple: 出现频率最高的颜色，以元组形式返回，包含三个整数，分别表示rgb值。
"""
# 将颜色列表中的每个颜色转换为元组形式
color_list = [tuple(color) for color in color_list]
# 使用 counter 统计每种颜色出现的次数
color_counts = counter(color_list)
# 获取出现次数最多的颜色，并返回该颜色
return color_counts.most_common(1)[0][0]
def remote_water_mark_5(image):
# 读取图像
image = cv2.imread(image)
# 显示原始图像
cv2.imshow('original image', image)
height, width = image.shape[:2]
# 定义 roi（水印的位置，需要根据实际情况调整）
x, y, w, h = width-200, height-35, 200, 35 # roi 的坐标和大小
roi = image[y:y+h, x:x+w]
for yy in range(25, -1, -1):
for xx in range(195):
# 获取当前像素的颜色
pixel_color = roi[yy, xx]
pixel_color_sum = sum(pixel_color[:3])
# 检查当前像素的颜色是否与要替换的颜色匹配，需要根据实际情况调整
if (pixel_color_sum > 300 and pixel_color_sum < 650):
if sum(roi[yy, xx]) == sum(roi[yy, xx-1]) and sum(roi[yy, xx]) == sum(roi[yy+1, xx]):
continue
is_fix = false
color_set = [roi[yy, xx]]
for i in range(5, -1, -1):
if is_fix:
break
temp = roi[yy + i, xx + i]
temp1 = roi[yy - i, xx - i]
color_set.append(temp)
color_set.append(temp1)
color_set.append( roi[yy + i, xx + 2])
color_set.append( roi[yy + 2, xx + i])
color_set.append( roi[yy - i, xx - 2])
color_set.append( roi[yy - 2, xx - i])
color_set.append( roi[yy + i, xx - i])
color_set.append( roi[yy - i, xx + i])
if sum(temp) == sum(temp1):
roi[yy, xx] = temp
is_fix = true
elif i == 1:
most_frequent_color = find_most_frequent_color(color_set)
roi[yy, xx] = most_frequent_color
# 滤波窗口大小，如果背景处是文字，不可以进行噪点处理，不然会糊掉
kernel_size = 3
# 对 roi 进行中值滤波
roi = cv2.medianblur(roi, kernel_size)
# 将处理后的 roi 放回原图
image[y:y+h, x:x+w] = roi
# 显示处理后的图像
cv2.imshow('result image', image)
cv2.waitkey(0)
remote_water_mark_5('image/4_water.jpg')
测试效果如下图所示：
下面这个图，去除了噪点处理的代码。
4.4 训练模型（未完成）
作者尝试过进行训练模型处理，但在训练数据时，电脑cpu咔咔100%，因此放弃。这里就不附代码供大家参考，因为没有训练出模型，不知道效果如何，也不知道对不对。
5. 本文总结
本文写了几种去水印的方案，具体如何选择，小伙伴们可以根据实际情况去选择，本文也是我使用python去水印一路研究过来的总结。
因为刚刚接触python不多，如有错误之处，大家可以帮忙指出来，感谢！
以上就是python+opencv图片去水印的多种方案实现的详细内容，更多关于python opencv图片去水印的资料请关注代码网其它相关文章！
发表评论