用 OpenCV 去除圖片中的水印,騷操作!
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!