Opencv-python去图标与水印方案实践

RGB色彩模式是工业界的一种颜色标准，是通过对红（R）、绿（G）、蓝（B）三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色，这个标准几乎包括了人类视力所能感知的所有颜色，是运用最广的颜色系统之一。
在这里插入图片描述

RGB 模式的彩色图像在读入 OpenCV 内进行处理时，会按照行方向依次读取该 RGB 图像的 B 通道、G 通道、R 通道的像素点，并将像素点以行为单位存储在 ndarray 的列中。例如，有一幅大小为 R 行×C 列的原始 RGB 图像，其在 OpenCV 内以 BGR 模式的三维数组形式存储。
在这里插入图片描述

import numpy as np
import matplotlib.pyplot as plt
import cv2
img=cv2.imread('img\GDP.JPG')

h,w,l=img.shape
img.shape

	(347, 496, 3)

注：数据存储格式，每个单元数据范围在0~255，RGB中（255，255，255）为白色，（0，0，0）为黑色，在二位平面图上，原点（0，0）在图的左下角。

1. 按水印颜色范围滤除水印或按曲线颜色提取图形

按水印颜色范围滤除水印方案，主要是针对简单、水印背景颜色单一，例如上图中的灰色。使用windows系统自带工具“图画”，获取RGB颜色值。
在这里插入图片描述

如图中，选中1号位置取色器，放置到水印图标上2号位置，通过3号位置的颜色编辑器获取颜色数值。（默认灰色为：128，128，128）

R=242，G=242，B=244

删除灰色，以及临近灰色，同时，也可能把临近的灰色坐标也删除，删除就删除了吧，下一篇再说用处。

import numpy as np
import matplotlib.pyplot as plt
import cv2
img=cv2.imread('img\GDP.JPG')

h,w,l=img.shape
img.shape

for j in range(h):
    for k in range(w):
    	# 删除灰色水印
        if img[j][k][0] > 128 and img[j][k][1] > 128 and img[j][k][2] > 128 :
            img[j][k][0] = 255
            img[j][k][1] = 255 
            img[j][k][2] = 255
        # 删除标题
        if img[j][k][0] < 150 and img[j][k][1] < 150 and img[j][k][2] < 150 :
            img[j][k][0] = 255
            img[j][k][1] = 255 
            img[j][k][2] = 255            

plt.imshow(img,cmap=plt.cm.gray)

cv2.imshow("Image", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

对比Open CV输出，BGR颜色发生了变化。😊
在这里插入图片描述
对于背景复杂的情况，如下图所示，采用直接提取曲线的方案。

for j in range(h):
    for k in range(w):
        if img[j][k][0] <140 or img[j][k][0] >170 or img[j][k][1] <195 or img[j][k][1] >215 or img[j][k][2] <48 or img[j][k][2] >129:
            img[j][k][0] = 255
            img[j][k][1] = 255 
            img[j][k][2] = 255

在这里插入图片描述

2. Open CV图像修复（去除水印）

2.1. 图片抠图去水印的思路

准备一张有水印的图片

此图命名为heart.JPG。
用绘画工具在有水印的图片上框出水印位置

此图命名为heart_mask.jpg，标注水印位置，实际应用中，不带外边框，就是个白色矩形，可参见后续灰色图像效果。
利用findContours函数查找水印所在的位置
初始化一个与原图像大小相同的0矩阵
将获取到的水印图片定位到初始化的矩阵中
利用inpaint函数进行水印的去除

2.2. 实践案例及代码

import cv2
import numpy as np

# 读取模板图像
image = cv2.imread('img\heart_mask.jpg')
image_gray = cv2.cvtColor(image, cv2.COLOR_BGRA2GRAY)  # 转换成灰度图

col,row,l = image.shape
print(col,row)

# 初始化一个与原图像等同的矩阵
temp = np.zeros((col,row))
temp = temp.astype(np.uint8)

cv2.imshow('gary', image_gray)
cv2.waitKey(0)

# 查找图像中的矩阵
ret,thresh = cv2.threshold(image_gray, 250, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(thresh, 2, 1)
cnt=contours[0]
x, y, w, h = cv2.boundingRect(cnt) 
print(x, y, w, h)
# 由于背景太简单，识别矩形失败！替换为手工标注
x = 536
y = 240
w = 91
h = 94
img = cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)  

cv2.imshow('gary', img)
cv2.waitKey(0)

# 显示水印图片
image2 = cv2.imread("img\heart.JPG")
roi = image2[y:y+h,x:x+w,0:3]
roi = cv2.cvtColor(roi, cv2.COLOR_BGRA2GRAY)
ret,roi = cv2.threshold(roi, 80, 90, cv2.THRESH_BINARY)  # 参数可调节，因图片的像素而异
roi = cv2.morphologyEx(roi,cv2.MORPH_ELLIPSE,(5,5)) 

# 将水印图片赋值给初始化的矩阵图片
roi2 = temp[y:y+h,x:x+w]
roi3 = cv2.add(roi, roi2)
temp[y:y+h,x:x+w] = roi3

dst = cv2.inpaint(image2, temp, 30, cv2.INPAINT_NS) # 使用INPAINT_TELEA算法进行修复
cv2.imshow('TELEA', dst)
cv2.waitKey(0)

在这里插入图片描述

2.3. 关键图像处理技术

2.3.1. 图像阈值处理cv2.threshold

阈值的作用是根据设定的值处理图像的灰度值，比如灰度大于某个数值像素点保留。通过阈值以及有关算法可以实现从图像中抓取特定的图形，比如去除背景等。

cv2中单阈值函数：cv2.threshold(src, thresh, maxval, type[, dst])，返回值为retval, dst

其中：

src是灰度图像
thresh是起始阈值
maxval是最大值
type是定义如何处理数据与阈值的关系。有以下几种：

选项	像素值>thresh	其他情况
cv2.THRESH_BINARY	maxval	0
cv2.THRESH_BINARY_INV	0	maxval
cv2.THRESH_TRUNC	thresh	当前灰度值
cv2.THRESH_TOZERO	当前灰度值	0
cv2.THRESH_TOZERO_INV 0	当前灰度值

另外的取值为：
cv2.THRESH_OTSU使用最小二乘法处理像素点，而cv2.THRESH_TRIANGLE使用三角算法处理像素点。一般情况下，cv2.THRESH_OTSU适合双峰图。cv2.THRESH_TRIANGLE适合单峰图。单峰图或者双峰图指的是灰度直方图。

2.3.2. 形态学操作开闭运算（morphologyEx函数）

开运算基本原理

图像开运算是图像依次经过腐蚀、膨胀处理后的过程。图像被腐蚀后，去除了噪声，但是也压缩了图像；接着对腐蚀过的图像进行膨胀处理，可以去除噪声，并保留原有图像。

开运算实际是先腐蚀运算，再膨胀运算，把看上去把细微连在一起的两块目标分开了。

一般来说，开运算可以使图像的轮廓变得光滑，还能使狭窄的连接断开和消除细毛刺。开运算在过滤噪声的同时并没有对物体的形状、轮廓造成明显的影响，这是一大优势。当只关心物体的位置或者个数时，物体形状的改变不会给任务带来困扰，此时用开运算处理具有处理速度上的优势。

闭运算基本原理

闭运算是开运算的相反操作，先膨胀运算，再腐蚀运算，处理后的图片看上去将两个细微连接的图块连接在一起。

闭运算同样可以使得图像变得光滑，并且能够填平图像中的凹陷（即小孔），弥合小裂缝，而图像中目标的位置和形状可以保持不变。因此在图像去噪中，闭运算也是常用操作。

开运算、闭运算在 OpenCV 中可以使用形态学滤波函数morphologyEx()来进行。函数原型为：cv2.morphologyEx(src, op, kernel)

src：输入图像，即源图像，填Mat类的对象即可；
op: 表示形态学运算的类型，可以是如下之一的标识符：
- MORPH_OPEN ：开运算（Opening operation）；
- MORPH_CLOSE ：闭运算（Closing operation）；
- MORPH_GRADIENT ：形态学梯度（Morphological gradient）；
- MORPH_TOPHAT ：“顶帽”（“Top hat”）；
- MORPH_BLACKHAT ：“黑帽”（“Black hat”）；
- MORPH_ERODE ：“腐蚀”；
- MORPH_DILATE ：“膨胀”。
kernel：形态学运算的内核。若为NULL时，表示的是默认使用参考点位于中心3 x 3的核。一般使用函数getStructuringEleme
nt()配合这个参数的使用。getStructuringElement()函数会返回指定形状和尺寸的结构元素（内核矩阵）。

2.3.3. 数字修复算法cv2.inpaint

修复是图像插值。数字修复算法在图像插值，照片恢复，缩放和超分辨率等方面具有广泛的应用。

大多数人会在家里放一些旧的退化照片，上面有一些黑点，一些笔画等。你有没有想过恢复它？我们不能简单地在绘画工具中擦除它们，因为它将简单地用白色结构替换黑色结构，这是没有用的。在这些情况下，使用称为图像修复的技术。基本思路很简单：用邻近的像素替换那些坏标记，使其看起来像是邻居（取自维基百科），考虑下面显示的图像：

库函数：
dst = cv2.inpaint（src，mask, inpaintRadius，flags）

参数是：