实战 | OpenCV图片去水印实例

来源丨https://davidsteccieblog.blogspot.com/2017/10/removing-watermarks.html?view=flipcard

翻译整理丨OpenCV与AI深度学习

导读

本文主要给大家分享一个使用OpenCV去除图像水印的实例，代码中的方法很值得借鉴。

背景介绍

作者当时正在准备一篇关于巴林托尔城堡的演讲，在英国皇家建筑师学会(RIBA)的网站上看到了一幅1860年的原画。觉得画作太棒了，但是它有水印。因为作者有图像处理方面的背景，所以决定尝试写一个去除水印的算法应该会很有趣，完成后整体效果还不错！

实现步骤与效果

先来看看原始包含水印的图像：

图像中基本上有3个不同的区域：

• 字母外未触及的区域
• 字母周围的黑线
• 颜色和对比度降低的字母内部区域

初步来看图片中字母(水印)和背景之间对比度较低，尝试后发现在HSV颜色空间的S通道，能够很好的凸显字母：

对S通道做阈值处理，然后标记连通域结果：

连通域筛选，保留字母部分：

通过形态学梯度方法可以获取字母边缘轮廓：

下面的图像看起来可能与带有水印的起始点图像略有不同。但是，黑色边界现在是我创建的“边遮罩”。在这些字母中，我增加了黑白图像的对比度，使其与周围的深褐色图像的对比度完全匹配。这是通过“直方图技术”实现的，使内部图像的强度分布直方图与外部图像的强度分布直方图相匹配。

除了“边缘遮罩”，我还有一个用于字母内部的“字母遮罩”，基本上与早期的色彩相同。

在这些字母中，需要提供缺少的色调和饱和度信息。在边缘遮罩区域，我们需要提供缺少的颜色、饱和度和强度信息。可以使用inpaint图像修复技术用于填充缺失的区域，它是一种用来从照片上去除划痕的技术。

简单来说，色调和饱和度信息在字母遮罩内绘制，强度信息在边缘遮罩内绘制。眼睛对色调和饱和度信息不太敏感，因此在大号字母区域内的大量不准确猜测不成问题。然而，当强度信息在字母掩码内绘制时，这看起来很可怕。眼睛对强度信息非常敏感。因此，有必要在最小可能区域（即仅边缘遮罩）中绘制强度，并使用字母内部的强度信息-这需要复杂的直方图工作(直方图颜色迁移，见源码)。

最终处理结果：