Python使用OpenCV图片去水印多种方案实现

1. 前言

本文为作者学习记录，使用Python联合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，并不能针对全部水印通用，须要根据详细水印颜色、位置等环境举行分析调解代码。
2. 颜色先容

本文统共使用了两种格式的颜色，一种是BGR，另一种是HSV。
关于怎样获取BGR的颜色，可以直接使用截图大概罗致颜色的工具罗致即可。如下图：
有一点须要注意：Python内里用的是BGR，截图工具给的是RGB，这个使用的使用须要调解下次序

HSV是由色调（H），饱和度（S），亮度（V）构成，怎样获取HSV的值，这里提供一段Python的代码获取。此中'image/3_water.jpg'更换成你的图片路径。详细如下：

1. import cv2
2. import numpy as np
3. from matplotlib import pyplot as plt
5. image=cv2.imread('image/3_water.jpg')
6. HSV=cv2.cvtColor(image,cv2.COLOR_BGR2HSV)
7. def getpos(event,x,y,flags,param):
8.     if event==cv2.EVENT_LBUTTONDOWN: #定义一个鼠标左键按下去的事件
9.         print(HSV[y,x])
11. cv2.imshow("imageHSV",HSV)
12. cv2.imshow('image',image)
13. cv2.setMouseCallback("imageHSV",getpos)
14. cv2.waitKey(0)

复制代码

效果图如下，左边的为原图，右边的为转为HSV的图片，点击你须要获取颜色的位置，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：

1. import cv2
2. import numpy as np
4. def create_watermark(image_path):
5.     # 读取图像
6.     image = cv2.imread(image_path)
7.    
8.     # 设置水印文本
9.     watermark_text = 'www.xiaoxiaofeng.com'
10.    
11.     # 设置字体
12.     font = cv2.FONT_HERSHEY_SIMPLEX
13.     # 设置字体大小
14.     font_scale = 0.5
15.     # 注意，这里是BGR 蓝色（B）、绿色（G）和红色（R）
16.     font_color = (62, 62, 187)  
17.     # 设置字体粗细
18.     thickness = 1
19.    
20.     # 获取图像的高度和宽度
21.     height, width = image.shape[:2]
22.     # 设置文本位置（右下角）
23.     text_position = ( width - 200, height - 20 )  # 例如，在右下角
24.    
25.     # 添加水印文本
26.     cv2.putText(image, watermark_text, text_position, font, font_scale, font_color, thickness, cv2.LINE_AA)
27.    
28.     # 显示图像
29.     cv2.imshow('Watermarked Image', image)
30.     cv2.waitKey(0)
31.     cv2.destroyAllWindows()
32.    
33.     # 保存图像
34.     cv2.imwrite('image/2_water.jpg', image)
36. create_watermark('image/2.jpg')

复制代码

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练习模子，用模子去除效果肯定比力好，但是对于简单的水印，也没须要去练习模子，而且练习模子的门槛比力高，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，简单的形貌下去水印的头脑，以及实今世码。
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：

实现目的：去除中央配景的中的【笑小枫】的水印。
实现头脑：配景为白色，字体颜色为玄色，水印颜色为灰色，因此可以将水印的灰色更换为白色即可
方案一：
通过观测，水印的颜色大多为(214, 214, 214)，但是边沿的锯齿处有部分颜色为214-245之间，这里界说3个色彩相加之和位于 640-740之间的，全部更换为白色，固然如许大概会误伤一部分颜色，详细须要针对多种方案比力选用。

1. import numpy as np
2. import cv2
4. def remote_water_mark_1(image):
5.     # 读取图像
6.     image = cv2.imread(image)
7.     # 显示原始图像
8.     cv2.imshow('Original Image', image)
10.     # 设置替换颜色为白色
11.     replace_color = (255, 255, 255)
13.     # 获取图片大小
14.     height, width = image.shape[:2]
15.     for i in range(height):
16.         for j in range(width):
17.             # 获取当前像素点的颜色值
18.             varP = image[i, j]
19.             # 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
20.             if sum(varP) > 640 and sum(varP) < 740:
21.                 image[i, j] = replace_color
22.     # 显示处理后的图像
23.     cv2.imshow('Result Image', image)
24.     cv2.waitKey(0)
25.    
27. remote_water_mark_1('image/3.jpg')

复制代码

去水印后的效果图如下：

可以看到，图片底部的水印去掉了，细致看图片中的笔墨颜色有点眇小变革，这就是由于部分像素颜色被误伤了导致的。下面看下方案二，可以办理这个标题。
方案二：
和方案一的头脑同等，但是不再使用BGR的颜色处理处罚图片，而是使用HSV对图片举行处理处罚。通过创建颜色范围的掩码，更换掉对应像素的颜色，详细代码如下：

1. import numpy as np
2. import cv2
4. def remote_water_mark_2(image):
5.     # 读取图像
6.     image = cv2.imread(image)
7.     # 显示原始图像
8.     cv2.imshow('Original Image', image)
9.     # 将图像从BGR颜色空间转换为HSV颜色空间
10.     hsv_image  = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
12.     # 定义要替换的颜色范围（在 HSV 空间中）
13.     lower_blue = np.array([0, 0, 214])
14.     upper_blue = np.array([0, 0, 245])
16.     # 在HSV图像中，根据定义的颜色范围创建掩码
17.     mask = cv2.inRange(hsv_image, lower_blue, upper_blue)
18.    
19.     # 显示掩码图像
20.     cv2.imshow('mask Image', mask)
22.     # 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。
23.     hsv_image[mask > 0] = [0, 0, 255]
25.     # 如果需要，将图片转换回 BGR 颜色空间
26.     result_image = cv2.cvtColor(hsv_image, cv2.COLOR_HSV2BGR)
28.     # 显示结果图像
29.     cv2.imshow('Result Image', result_image)
30.     cv2.waitKey(0)
31.    
32. remote_water_mark_2('image/3.jpg')

复制代码

去水印后的效果图如下，可以通过mask掩码图像（玄色配景，白色水印图）清楚的看到水印的形状。这里可以根据mask掩码调解颜色区间的参数。可以看到右边图片乐成去除水印，而且笔墨颜色同等。

4.2 固定位置水印去除方式

上文提到了，水印配景颜色如果和图片颜色范例，大概会误伤，出现意向不到标题。全部针对可以确认固定位置的水印，我们只管处理处罚固定位置，淘汰对图片的损伤。
如下图：水印固定在右下角，颜色和字体颜色根本同等，如许如果全图处理处罚，整张图片就面目一新了。以是我们可以针对右下角固定的位置，特殊处理处罚。

代码如下：

1. import numpy as np
2. import cv2
4. def remote_water_mark_3(image):
5.     # 读取图像
6.     image = cv2.imread(image)
8.     # 显示原始图像
9.     cv2.imshow('Original Image', image)
11.     # 获取图像的高度和宽度
12.     height, width = image.shape[:2]
14.     # 定义 ROI 的坐标和大小
15.     x, y, w, h = width-280, height-40, 280, 40
16.     roi = image[y:y+h, x:x+w]
18.     # 将 ROI 从 BGR 颜色空间转换为 HSV 颜色空间
19.     hsv_image  = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV)
21.     # 定义要替换的颜色范围，范围尽量越小越好（在 HSV 空间中）
22.     lower_blue = np.array([0, 0, 0])
23.     upper_blue = np.array([0, 0, 240])
25.     # 创建掩码
26.     mask = cv2.inRange(hsv_image, lower_blue, upper_blue)
28.     # 替换颜色
29.     hsv_image[mask > 0] = [0, 0, 255]  # 将匹配的颜色替换为红色（在 HSV 空间中）
31.     # 如果需要，将图片转换回 BGR 颜色空间
32.     roi = cv2.cvtColor(hsv_image, cv2.COLOR_HSV2BGR)
34.     # 将处理后的 ROI 放回原图
35.     image[y:y+h, x:x+w] = roi
37.     # 显示处理后的图像
38.     cv2.imshow('Result Image', image)
39.     cv2.waitKey(0)
40.    
41. remote_water_mark_2('image/1_water.jpg')

复制代码

处理处罚后的效果如下图所示

可以瞥见水印已经去掉了。由于这里配景是白色，以是很长处理处罚，但如果配景不是白色，而是一些其他颜色改怎么处理处罚呢？接下来看下面
4.3 复杂配景致的水印处理处罚

针对复杂配景致的图片，处理处罚时肯定会肯定水平的损伤图片了，如果须要相对精准，可以练习模子处理处罚，单纯使用代码，还是有肯定步调限定。如果水印位置不固定，数量不固定，巨细不固定等等，代码范围性就很大了，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：

1. import numpy as np
2. import cv2
4. def remote_water_mark_6(image):
5.     # 读取图像
6.     image = cv2.imread(image)
7.     # 显示原始图像
8.     cv2.imshow('Original Image', image)
9.     height, width = image.shape[:2]
10.     # 创建一个掩码，标记水印区域
11.     mask = np.zeros(image.shape[:2], np.uint8)
12.     height, width = image.shape[:2]
13.     # 假设水印在这个区域，绘制矩形掩码
14.     cv2.rectangle(mask, (width-220, height-50), (width, height), 255, -1)
16.     # 使用inpaint函数修复图像
17.     denoised_image = cv2.inpaint(image, mask, 1, cv2.INPAINT_TELEA)
19.     # 显示结果图像
20.     cv2.imshow('Result Image', denoised_image)
21.     cv2.waitKey(0)
22.    
23. remote_water_mark_6('image/2_water.jpg')

复制代码

处理处罚后的效果图如下，可以看到水印处理处罚掉了，但是图片水印处有略微变形。

针对下面这张图片举行测试：

可以看到水印固然去掉了，但是水印出糊的很锋利

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力
实现头脑：实现步调根本于上面同等，针对水印颜色区间像素举行颜色更换，更换的颜色值，这里取周边像素颜色出现次数最多的颜色做更换。然后对地区图片举行噪点处理处罚，只管中和处理处罚部分于原图像的匹配度，如果水印下方是笔墨范例，不可以举行噪点处理处罚。
详细代码如下：
详细使用时须要根据水印位置和颜色调解对应的参数

1. import numpy as np
2. import cv2
3. from collections import Counter
5. def find_most_frequent_color(color_list):
6.     """
7.     找到颜色列表中出现频率最高的颜色。
8.     Args:
9.         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。
10.     Returns:
11.         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。
12.     """
13.         # 将颜色列表中的每个颜色转换为元组形式
14.     color_list = [tuple(color) for color in color_list]  
15.         # 使用 Counter 统计每种颜色出现的次数
16.     color_counts = Counter(color_list)
17.         # 获取出现次数最多的颜色，并返回该颜色
18.     return color_counts.most_common(1)[0][0]
20. def remote_water_mark_5(image):
21.     # 读取图像
22.     image = cv2.imread(image)
23.     # 显示原始图像
24.     cv2.imshow('Original Image', image)
25.     height, width = image.shape[:2]
26.     # 定义 ROI（水印的位置，需要根据实际情况调整）
27.     x, y, w, h = width-200, height-35, 200, 35  # ROI 的坐标和大小
28.     roi = image[y:y+h, x:x+w]
29.     for yy in range(25, -1, -1):
30.         for xx in range(195):
31.             # 获取当前像素的颜色
32.             pixel_color = roi[yy, xx]
33.             pixel_color_sum = sum(pixel_color[:3])
34.             # 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
35.             if (pixel_color_sum > 300 and pixel_color_sum < 650):
36.                 if sum(roi[yy, xx]) == sum(roi[yy, xx-1]) and sum(roi[yy, xx]) == sum(roi[yy+1, xx]):
37.                     continue
38.                 is_fix = False
39.                 color_set = [roi[yy, xx]]
40.                 for i in range(5, -1, -1):
41.                     if is_fix:
42.                         break
43.                     temp = roi[yy + i, xx + i]
44.                     temp1 = roi[yy - i, xx - i]
45.                     color_set.append(temp)
46.                     color_set.append(temp1)
47.                     color_set.append( roi[yy + i, xx + 2])
48.                     color_set.append( roi[yy + 2, xx + i])
49.                     color_set.append( roi[yy - i, xx - 2])
50.                     color_set.append( roi[yy - 2, xx - i])
51.                     color_set.append( roi[yy + i, xx - i])
52.                     color_set.append( roi[yy - i, xx + i])
53.                     if sum(temp) == sum(temp1):
54.                         roi[yy, xx] = temp
55.                         is_fix = True
56.                     elif i == 1:
57.                         most_frequent_color = find_most_frequent_color(color_set)
58.                         roi[yy, xx] = most_frequent_color
59.     # 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
60.     kernel_size = 3
61.     # 对 ROI 进行中值滤波
62.     roi = cv2.medianBlur(roi, kernel_size)
64.     # 将处理后的 ROI 放回原图
65.     image[y:y+h, x:x+w] = roi
66.     # 显示处理后的图像
67.     cv2.imshow('Result Image', image)
68.     cv2.waitKey(0)
69.    
70. remote_water_mark_5('image/4_water.jpg')

复制代码

测试效果如下图所示：

下面这个图，去除了噪点处理处罚的代码。

4.4 练习模子（未完成）

作者实验过举行练习模子处理处罚，但在练习数据时，电脑CPU咔咔100%，因此放弃。这里就不附代码供各人参考，由于没有练习出模子，不知道效果怎样，也不知道对不对。
5. 本文总结

本文写了几种去水印的方案，详细怎样选择，小同伴们可以根据现实环境去选择，本文也是我使用python去水印一起研究过来的总结。
由于刚刚打仗python不多，如有错误之处，各人可以帮助指出来，感谢！
渴望有资助的朋侪帮助点个赞赞，作者后续会连续学习分享Java和Python干系知识，有爱好的朋侪可以添加挚友一起研究学习。