当前位置：主页 > python教程 > Python去除图片水印

Python去除图片水印实现方法详解

发布：2023-03-04 10:00:01 59

我们帮大家精选了相关的编程文章，网友殳悦淇根据主题投稿了本篇教程内容，涉及到Python去除图片水印、Python去除水印、Python去除图片水印相关内容，已被174网友关注，涉猎到的知识点内容可以在下方电子书获得。

Python去除图片水印

最近写文章遇到图片有水印，如何去除水印呢？

网上找了各种办法，也跑到小红书、抖音等平台找有没有不收费就去水印的网站，但是基本上都是需要VIP会员才可以。

话又说回来这种事情怎么能难倒一个程序员呢？Python的库有这么多肯定有一款适合我吧？

于是找来了OpenCV。

OpenCV介绍

文档链接：https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_tutorials.html

Opencv（Open Source Computer Vision Library）是一个基于开源发行的跨平台计算机视觉库，它实现了图像处理和计算机视觉方面的很多通用算法，已成为计算机视觉领域最有力的研究工具。

在这里我们要区分两个概念：

图像处理和计算机视觉的区别：图像处理侧重于“处理”图像–如增强，还原，去噪，分割等等；
而计算机视觉重点在于使用计算机来模拟人的视觉，因此模拟才是计算机视觉领域的最终目标。

OpenCV用C++语言编写，它具有C ++，Python，Java和MATLAB接口，并支持Windows，Linux，Android和Mac OS，如今也提供对于C#、Ch、Ruby，GO的支持

OpenCV应用领域有：人机互动、物体识别、图像分割、人脸识别、动作识别、运动跟踪、机器人、运动分析、机器视觉、结构分析、汽车安全驾驶等。

安装：

安装numpy：pip install numpy

安装opencv-python：pip install opencv-python

安装opencv-contrib-python**：pip install opencv-contrib-python

如果安装过程中有误，可以去下载安装whl：http://www.lfd.uci.edu/~gohlke/pythonlibs/，找到对应的版本下载。

在命令行安装成功后，进入开发环境导入cv2，如果未报错，就证明opencv安装成功。

去水印

图片展示

记得学过PS中有蒙版，可以使用蒙版遮罩完成。

代码：

python
# 方式一
import cv2
# 黑底白字
src = cv2.imread("images/a1.png")  # 默认的彩色图(IMREAD_COLOR)方式读入原始图像
# black.jpg
mask = cv2.imread('images/a2.png', cv2.IMREAD_GRAYSCALE)  # 灰度图(IMREAD_GRAYSCALE)方式读入水印蒙版图像
# 参数：目标修复图像; 蒙版图（定位修复区域）; 选取邻域半径; 修复算法(包括INPAINT_TELEA/INPAINT_NS， 前者算法效果较好)
dst = cv2.inpaint(src, mask, 3, cv2.INPAINT_NS)
cv2.imwrite('result.jpg', dst)

但是这种方法使用的时候要求两张图片的大小必须是一样的，否则会一直报错

Traceback (most recent call last):
  File "/Users/running/PycharmProjects/untitled8/test1.py", line 16, in 
    get_water()
  File "/Users/running/PycharmProjects/untitled8/test1.py", line 11, in get_water
    dst = cv2.inpaint(src, mask, 3, cv2.INPAINT_NS)
cv2.error: OpenCV(4.1.2) /Users/travis/build/skvark/opencv-python/opencv/modules/photo/src/inpaint.cpp:748: error: (-209:Sizes of input arguments do not match) All the input and output images must have the same size in function 'icvInpaint'

可以分别打印一下尺寸看看，发现确实不一样

import cv2
from PIL import Image
# 黑底白字
src = cv2.imread("images/a1.png")  # 默认的彩色图(IMREAD_COLOR)方式读入原始图像
# black.jpg
mask = cv2.imread('images/a2.png', cv2.IMREAD_GRAYSCALE)  # 灰度图(IMREAD_GRAYSCALE)方式读入水印蒙版图像
# 参数：目标修复图像; 蒙版图（定位修复区域）; 选取邻域半径; 修复算法(包括INPAINT_TELEA/INPAINT_NS， 前者算法效果较好)
print(src.shape, mask.shape)
dst = cv2.inpaint(src, mask, 3, cv2.INPAINT_NS)
cv2.imwrite('result1.jpg', dst)

(1454, 2182, 3) (1456, 2184)

于是要设置成一样的大小

import cv2
from PIL import Image
src = cv2.imread("images/a1.png")  # 默认的彩色图(IMREAD_COLOR)方式读入原始图像
# black.jpg
mask = cv2.imread('images/a2.png', cv2.IMREAD_GRAYSCALE)  # 灰度图(IMREAD_GRAYSCALE)方式读入水印蒙版图像
# 参数：目标修复图像; 蒙版图（定位修复区域）; 选取邻域半径; 修复算法(包括INPAINT_TELEA/INPAINT_NS， 前者算法效果较好)
out2 = cv2.resize(mask,(2182,1454))
out1 = cv2.resize(src,(2182,1454))
print(out1.shape, out2.shape)
dst = cv2.inpaint(out1, out2, 3, cv2.INPAINT_NS)
#
cv2.imwrite('result.jpg', dst)

结果：

这种方式似乎还是可以看到一些水印，我们可以采用下面一种方法。

图片去水印原理

1、标定噪声的特征，使用cv2.inRange二值化标识噪声对图片进行二值化处理，具体代码：cv2.inRange(img, np.array([200, 200, 240]), np.array([255, 255, 255]))，把[200, 200, 200]~[255, 255, 255]以外的颜色处理为0；

2、使用OpenCV的dilate方法，扩展特征的区域，优化图片处理效果；

3、使用inpaint方法，把噪声的mask作为参数，推理并修复图片。

实现思路

1、从原图片，截取右下角部分，另存为新图片；

2、识别水印，颜色值为：[200, 200, 200]~[255, 255, 255]

3、去掉水印，还原图片；

4、把原图片、去掉水印的新图片，进行重叠合并；

代码

import cv2
import numpy as np
from PIL import Image
import os
dir = os.getcwd()
path = "a1.jpg"
newPath = "new.jpg"
img = cv2.imread(path, 1)
hight, width, depth = img.shape[0:3]
# 截取
cropped = img[int(hight * 0.8):hight, int(width * 0.7):width]  # 裁剪坐标为[y0:y1, x0:x1]
cv2.imwrite(newPath, cropped)
imgSY = cv2.imread(newPath, 1)
# 图片二值化处理，把[200,200,200]-[250,250,250]以外的颜色变成0
thresh = cv2.inRange(imgSY, np.array([200, 200, 200]), np.array([250, 250, 250]))
# 创建形状和尺寸的结构元素
kernel = np.ones((3, 3), np.uint8)
# 扩展待修复区域
hi_mask = cv2.dilate(thresh, kernel, iterations=10)
specular = cv2.inpaint(imgSY, hi_mask, 5, flags=cv2.INPAINT_TELEA)
cv2.imwrite(newPath, specular)
# 覆盖图片
imgSY = Image.open(newPath)
img = Image.open(path)
img.paste(imgSY, (int(width * 0.7), int(hight * 0.8), width, hight))
img.save(newPath)

输出结果：