參考連線：

https：//

stackoverflow。com/quest

ions/32125281/removing-watermark-out-of-an-image-using-opencv

好久不見，大家好啊，最近太忙了，搞得好久沒更原創文了（說到底還是懶，），

這兩天在 Stackoverflow 上面看到了一個有趣的案例，是關於OpenCV 的一個討論，討論的主題就是如何用 OpenCV 來去除下面圖片中的水印，原圖如下；

題主想把紙張中的 黑色圓環去掉只留下背景，因此一些感興趣的 CV 愛好者在下面寫上自己的想法、並貼上自己的解決程式碼

看到關於這個主題的答案後，只能感嘆真正的大佬，都是從實踐場景出發來解決問題，

因為篇幅有限，在文章中只貼上得票最高的兩個問答思路及程式碼， 讓我們感受下他們思路的巧妙之處！

作者：Joel G

這老哥的思路，總體為五部分

1，首先將影象轉化為灰度圖記為 A；

2，利用霍夫圓在 A 中檢測最大的橢圓，然後在新的影象中建立相同半徑的圓得到 B；

3，對灰度圖和繪製圓的影象，應用OpenCV 的

bitwise_and

與運算，在原灰度影象 A 中提取只包含橢圓影象區域記為 C；

4，對影象 C 設定合適的閾值進行文字提取最終得到 D；

5， 對 影象 A 和 D 做

bitwise_or

操作，即能夠得到最終影象 E；

以下是在自己機子上跑出來的結果，從左到右依次對應上面的 A，C，D，E；效果如下

這個方法整體大概思想，

先提取影象中圓環部分割槽域，對圓環內的文字做閾值分割進行提取，最後將提取到的影象區域在初始影象中進行替換

，

這裡答主主要用到了三種重要演算法：

影象位運算（和、或）

、

閾值分割

、

霍夫圓檢測

，

下面就是這個思路的程式碼部分，原答主用的是

C++

，因為我做的是 Python 教程，就用 Python 轉換了一下

import cv2

import numpy as np

​

if __name__ ==‘__main__’：

img_path = “F：/Data/Ceshi1/shuiyin。jpg”

​

img1 = cv2。imread（img_path）

cv2。namedWindow（‘img1’，cv2。WINDOW_FREERATIO）

cv2。imshow（‘img1’，img1）

​

# 轉化為 灰度圖

gray = cv2。cvtColor（img1，cv2。COLOR_BGR2GRAY）

# 建立一個白畫布

ellipse_img = np。full（（img1。shape［0］，img1。shape［1］，3），0，dtype = np。uint8）

print（ellipse_img。shape，ellipse_img［0］［0］）

gray = cv2。GaussianBlur（gray，（5，5），0） # 高斯處理

# 應用霍夫圓檢測，檢測出所有圓

circles = cv2。HoughCircles（gray，cv2。HOUGH_GRADIENT，1，gray。shape［0］/8，100，100，100，0）

​

​

# 找到最大的圓

measure = 0。0

x = 0。0

y = 0。0

for circle in （circles［0］）：

if circle［2］ > measure：

measure = circle［2］

x = circle［0］

y = circle［1］

​

# 繪製圓

cv2。circle（img1，（x，y），3，（0，255，0），-1，8，0）

cv2。circle（img1，（x，y），int（measure），（0，255，0），2，8，0）

# 繪製相同大小的圓

ellipse_img = cv2。ellipse（ellipse_img，（x，y），（int（measure），int（measure）），0，0，360，（255，255，255），-1，8）

print（f‘center x is {x} ，y is {y}， radius is {measure}’）

ellipse_img = cv2。cvtColor（ellipse_img，cv2。COLOR_BGR2GRAY）

​

result = cv2。bitwise_and（gray，ellipse_img）

​

​

cv2。namedWindow（‘bitwise and’，cv2。WINDOW_FREERATIO）

cv2。imshow（‘bitwise and’，result）

​

# 估計圓影象畫素強度

x = result［int（x+30）］［int（y）］

print（f‘intensity is {x}’）

​

​

# 閾值分割

_，ellipse_img = cv2。threshold（result，int（x） - 10，250，cv2。THRESH_BINARY）

# print（‘ellipse_img shape is {}’。format（ellipse_img。shape））

cv2。namedWindow（‘threshold’，cv2。WINDOW_FREERATIO）

cv2。imshow（‘threshold’，ellipse_img）

​

# 使用 bitwise_or 方法

print（‘shape ——————\n’）

print（ellipse_img。shape，gray。shape）

res = cv2。bitwise_or（gray，ellipse_img）

​

cv2。namedWindow（‘bitwise_or’，cv2。WINDOW_FREERATIO）

cv2。imshow（‘bitwise_or’，res）

​

cv2。waitKey（0）

​

最終結果預覽比對

上面是第一種實現方法，這種方法思路主要用到閾值分割，從最終結果來看確實去掉了水印，但還是有一定的瑕疵：

比如圓內文字背景與圓外背景是不一樣的，存在很大色差，並且圓內的文字提取結果來看是不完整的；

此方法不具有普遍性，因為這類方法只能針對於圓形水印，假設水印是

不規則多邊形

此方法可能就會失效

下面介紹第二種思路，與第一種有相似的地方，也用到了

閾值分割、影象畫素位運算

相關演算法，但同卻又有自己的獨特地方，從客觀角度分析來看，這種方法的最終結果會更好一點

作者：dhanushka

思路主要分為四部分

1，源影象記為 A，用形態學濾波器刪除影象中文字區域，得到的影象記為 B；

2，獲取A，B 影象的之差，用 A-B ，得到區別後再用閾值分割進行處理，得到 C；

3，閾值分割背景影象，提取水印覆蓋黑色部分記為 D，

4，從 A 中提取在區域 D 中的畫素，再用閾值分割方法分割畫素，最終將提取到的畫素貼到 B 中，得到最終去除水印的影象

程式碼貼在下方

import cv2

import numpy as np

​

if __name__ ==‘__main__’：

img_path = “F：/Data/Ceshi1/shuiyin。jpg”

im = cv2。imread（img_path）

​

gray = cv2。cvtColor（im，cv2。COLOR_BGR2GRAY）

​

background = gray。copy（）

for i in range（1，5）：

kernel = cv2。getStructuringElement（cv2。MORPH_ELLIPSE，（2*i+1，2*i+1））

# print（‘kernel size is ’，kernel）

background = cv2。morphologyEx（background，cv2。MORPH_CLOSE，kernel）

background = cv2。morphologyEx（background，cv2。MORPH_CLOSE，kernel）

​

diff = background - gray # 計算差距

​

cv2。namedWindow（‘diff’，cv2。WINDOW_FREERATIO） # 獲取影象中前景背景之差

cv2。imshow（‘diff’，background）

# 閾值分割獲取黑色字型

_，bw = cv2。threshold（diff，0，255，cv2。THRESH_BINARY_INV | cv2。THRESH_OTSU）

# 閾值分割獲取黑色區域

cv2。namedWindow（‘bw_before’， cv2。WINDOW_FREERATIO）

cv2。imshow（‘bw_before’， bw）

​

​

_，dark = cv2。threshold（background，0，255，cv2。THRESH_BINARY_INV|cv2。THRESH_OTSU）

​

darkpix = cv2。countNonZero（dark）# 獲取 dark非0d影象畫素個數

darkpix = ［0］*darkpix

index = 0

cv2。namedWindow（‘gray’， cv2。WINDOW_FREERATIO）

cv2。imshow（‘gray’， gray）

​

​

​

for r in range（dark。shape［0］）：

for c in range（dark。shape［1］）：

if（dark［r］［c］）：

darkpix［index］ = gray［r］［c］

index = index +1

​

# 閾值分割 dark 區域 因此我們在裡面得到更深的畫素

darkpix = np。array（darkpix）

_，darkpix = cv2。threshold（darkpix，0，255，cv2。THRESH_BINARY | cv2。THRESH_OTSU）

​

cv2。namedWindow（‘darkpix’， cv2。WINDOW_FREERATIO）

cv2。imshow（‘darkpix’， darkpix）

​

# 把 取到的畫素貼上到 其渠道的 darker pixels

​

cv2。namedWindow（‘dark’，cv2。WINDOW_FREERATIO）

cv2。imshow（‘dark’，dark）

​

index = 0

for r in range（dark。shape［0］）：

for c in range（dark。shape［1］）：

if （dark［r］［c］）：

bw［r］［c］ = darkpix［index］

index = index +1

​

cv2。namedWindow（‘bw’，cv2。WINDOW_FREERATIO）

cv2。imshow（‘bw’，bw）

cv2。waitKey（0）

效果預覽對比

相對第一種方法，第二種方法實用性更強一點，無論影象前景水印為什麼形狀的，這種方法都可適用（水印區域與其他背景畫素強度差別大，且水印區域是連線在一起的），

如果考慮到商用途徑，只用 OpenCV 來解決複雜場景的圖片水印問題，是不現實的，還需人工的干涉；但不現實並不代表它沒有用，對於前後畫素值較大、簡單場景的水印，OpenCV 是完全可行的，若是再加上一個批次操作，變得更可了，大大解放我們的雙手！

並且這兩種思路中用到的的一些方法，是值得我們借鑑的，比如

影象畫素或與和操作、形態學過濾、霍夫圓檢測

等技術，可藉助於這些方法應用到其它場景，例如提取影象中圓形區域、行人路上斑馬線檢測、去除不規則影象連線區域等。

好了，以上就是本篇文章的全部內容了，如果覺得不錯，請不要吝嗇你的雙手，點贊、轉發、留言，感謝三連！