平常工作中，有时为了采用网络的一些素材，但这些素材往往被打了水印，如果我们不懂PS就无法去掉水印，或者无法批量去掉水印。这些就很影响我们的工作效率。
今天我们就一起来，用Python + OpenCV三步去除水印,去水印需要使用的库：cv2、numpy。cv2是基于OpenCV的图像处理库，可以对图像进行腐蚀，膨胀等操作；numpy这是一个强大的处理矩阵和维度运算的库。
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。
1、从源图片，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、把源图片、去掉水印的新图片，进行重叠合并；
实现代码
效果对比
import cv2 import numpy as np from PIL import Image import os dir = os.getcwd() path = "1.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)
实现效果如下图，这个默认是去掉白色右下角的水印，大家可以根据自己的需求进行更改。
