去水印相关算法代码

算法介绍：

（1）相关代码

import CV2

src = CV2.imread('1.jpg')

mask = CV2.imread('2.jpg', CV2.IMREAD_GRAYSCALE)  # 灰度图(IMREAD_GRAYSCALE)方式读入水印蒙版图像

dst = CV2.inpaint(src, mask, 3, CV2.INPAINT_TELEA)

CV2.imwrite('result.jpg', dst)

（2）对应算法

   INPAINT_TELEA算法是 TELEA于2004年提出的一种快速行进修复算法，该算法首先对被修复区域边缘的像素点进行处理，然后层层向内推进，直至全部修复完毕。在具体的实现过程中，首先制作一个具有相同位置的黑色底白色水印(必须是单通道灰度图)，然后使用 inpaint方法处理原始图像，具体使用时可将水印区放粗，以达到最好的处理效果。

原图象，水印蒙版图及去除效果

其去除原理是：先对被修复区域边缘的像素点进行处理，然后层层向内推进，直至全部修复完成。就单一像素而言，修复过程如下：

计算示意图

例如图Ω区域将被修复，为了修复Ω中的像素，需要计算新的像素值以替代原始值。下面假定我们要修正的 p点。选择一个小邻域 B (ε)，即已知点值(只要已知)，并以 p为中心(如图中虚线部分)。

现在需要的是新的灰度值，用邻域 Bε(p)，来计算 p点。很明显，每个象素点所起的作用应该是不同的，即引入权值函数来确定哪个像素的值对新像素值有较大的影响。

计算公式

        这里的w(p, q)就是权值函数，q为邻域Bε（p）中的某一点是用来限定邻域中各像素的贡献大小的。

        其中，

和

对于距离参数和水平集参数，一般取1。方位因子 dir (p, q)保证，越靠近 p点的像素点对 p点的贡献最大；几何距离因子 dst (p, q)保证越接近 p点的像素点对 p点的贡献越大；水平集距离因子 lev (p, q)保证了离经过点越近的像素点对 p点贡献越大。

接下来我就为大家介绍如何去除 PDF水印

现在就为大家介绍三行代码来做这个工作，保证适用。

1. 解决方案

使用opencv就可以快速完成，如下所示：

import cv2 import numpy as np img = cv2.imread('veidz.jpg') new = np.clip(2.0*img-160, 0, 255).astype(np.uint8) cv2.imwrite('cleaned.jpg', new)

完成后，最终实现效果如下，去水印的效果还是非常棒的。

2. np.clip用法介绍

这里面用到了np.clip()方法，如下所示，它的作用是将a里面所有小于1的设置为，如0<1所以修改为1， 所有大于8的修改为8， 最终保证数组里面的元素全部都在1~8之间。

a = np.arange(10) # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) a #array([1, 1, 2, 3, 4, 5, 6, 7, 8, 8]) np.clip(a, 1,8)

以上代码使用np.cl ip ()的目的是确保经常计算的 img不会越界，一致地保持在[0,255]之间。

3.结论

这篇文章介绍了如何使用 Python去除讨厌的水印效果，最终还您一个安静的阅读世界。学习 Python，帮助你解决更多难题。