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！

希望有帮助的朋友帮忙点个赞赞，作者后续会陆续学习分享Java和Python相关知识，有兴趣的朋友可以添加好友一起研究学习。