从图像中删除透明的水印-Python

Question

我想从图像中删除文本“水印”。如您所见，文本是透明的。因此，我想将该文本替换为原始背景。 像这样的东西是我所需的输出：

我尝试了一些示例（我目前正在使用CV2，如果其他库可以解决问题，请也建议），但是没有一个库，但没有一个库。我知道要走的方法是戴上口罩（例如在

帖中），但是它们都已经有蒙版的图像，但是我没有。 我试图做的是要戴上口罩的地方，我拒绝了黑白的饱和度，并创建了图像“ imagemask.jpg”，然后尝试以

for

循环的方式浏览像素：

mask = cv2.imread('imagemask.jpg')
new = []
rows, cols, _ = mask.shape
for i in range(rows):
    new.append([])
    #print(i)
    for j in range(cols):
        k = img[i, j]
        #print(k)
        if all(x in range(110, 130) for x in k):
            new[-1].append((255, 255, 255))
        else:
            new[-1].append((0, 0, 0))

cv2.imwrite('finalmask.jpg', np.array(new))

之后，然后想将代码用于蒙版，但是我意识到“ finalmask.jpg”是一个完整的混乱...所以我没有尝试使用掩码的代码。 这实际上是可能的吗？我已经尝试了大约3个小时，但没有运气...

我的朋友，这并不小。为了增加受伤的侮辱，您的形象非常低分辨率，压缩并具有令人讨厌的眩光 - 这根本无济于事。请查看您的输入并相应地设置您的期望。话虽如此，让我们尝试通过拥有的东西来获得最佳结果。这些是我提出的步骤：

tory到

细分

图像中的watermark

文本

filter

分割面膜，并尝试使二进制面膜尽可能清洁

使用输入映像作为参考，将文本掩码用于

in-paint

现在，正如您已经看到的那样，棘手的部分正在细分文本。在尝试了一些技术和颜色空间后，我发现

Answer 1

CMYK

颜色空间 - 尤其是

KChannel

-提供了有希望的结果。文本很清楚，我们可以对此进行尝试，让我们看一下：
1. Adaptive Thresholding

   # Imports
   import cv2
   import numpy as np
   
   # Read image
   imagePath = "D://opencvImages//"
   img = cv2.imread(imagePath+"0f5zZm.jpg")
   
   # Store a deep copy for the inpaint operation:
   originalImg = img.copy()
   
   # Convert to float and divide by 255:
   imgFloat = img.astype(np.float) / 255.
   
   # Calculate channel K:
   kChannel = 1 - np.max(imgFloat, axis=2) 

不直接提供
2. OpenCV转换，因此我必须手动使用contryversion公式来获取
BGR
3. 通道。这很简单。 CMYK（或
Key

）通道代表最低强度（黑色）的像素，颜色为白色。这意味着几乎是白色的文本将以黑色渲染...这是输入的

K频道：

您看到输入上较深的像素几乎是白色的？太好了，似乎在文本和其他所有内容之间得到了明显的分离。可惜的是，我们在右侧有一些令人讨厌的眩光。无论如何，转换涉及K操作，因此要小心

K

。也许我们可以通过稍微亮度/对比度调整来改善此图像。只是一点点，我只是想将更多的文字与讨厌的眩光分开：

float

这是调整后的图像：

似乎在文字和眩光之间有更多的分离。好吧，让我们对这个坏男孩应用一个初始分割面膜：data types您看到我在这里使用不那么远的

# Apply a contrast/brightness adjustment on Channel K:
alpha = 0
beta = 1.2
adjustedK = cv2.normalize(kChannel, None, alpha, beta, cv2.NORM_MINMAX, cv2.CV_32F)

# Convert back to uint 8:
adjustedK = (255*adjustedK).astype(np.uint8)

在这里阈值吗？如果愿意，请随意调整这些参数。这是我得到的二进制图像：

Yeah，有很多噪音。这是我建议获得更清洁的面膜的建议：比文本有一些明显的斑点。同样，除文本外，还有其他斑点。让我们找到大斑点和小斑点，并提取它们。如果我们正确设置参数，则结果图像应包含文本。让我们看看：

Adaptive Thresholding

在这里，我正在使用称为

# Adaptive Thresholding on adjusted Channel K:
windowSize = 21
windowConstant = 11
binaryImg = cv2.adaptiveThreshold(adjustedK, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY_INV, windowSize, windowConstant)

的辅助功能。此功能返回图像的所有斑点，该斑点高于最小面积阈值。我将在答案结束时发布功能。同时，请查看这些酷图像： big blobs：

滤光了小斑点： 它们之间的区别：

，似乎某些角色没有在过滤操作中幸存下来。这是因为眩光和文本的交集太多，无法获得清晰的分离。可能会受益于镶嵌结果的东西是在这个面具上的微妙模糊，以摆脱这种压缩别名。让我们涂抹一些

windowSize

以使面膜平滑一点：

# Get the biggest blobs on the image:
minArea = 180
bigBlobs = areaFilter(minArea, binaryImg)

# Filter the smallest blobs on the image:
minArea = 20
smallBlobs = areaFilter(minArea, binaryImg)

# Let's try to isolate the text:
textMask = smallBlobs - bigBlobs
cv2.imshow("Text Mask", textMask)
cv2.waitKey(0)

内核并不大，我只想要微妙的效果。这是结果：

最终，让我们使用镶嵌：

areaFilter

这是最终结果：

考虑输入图像，well并不是那么糟糕。您可以尝试进一步改善结果来调整一些价值，但是我的伙计，这一生的现实是，输入图像一开始并不好。这是

Gaussian Blur函数：

# Blur the mask a little bit to get a
# smoother inpanting result:
kernelSize = (3, 3)
textMask = cv2.GaussianBlur(textMask, kernelSize, cv2.BORDER_DEFAULT)

这不在我的图像上。水印未正确卸下，并且在某个时候也模糊了图像。