平常工作中，有时为了采用网络的一些素材，但这些素材往往被打了水印，如果我们不懂PS就无法去掉水印，或者无法批量去掉水印。这些就很影响我们的工作效率。
今天我们就一起来，用Python + OpenCV三步去除水印,去水印需要使用的库：cv2、numpy。cv2是基于OpenCV的图像处理库，可以对图像进行腐蚀，膨胀等操作；numpy这是一个强大的处理矩阵和维度运算的库。
图片去水印原理
标定噪声的特征，使用cv2.inRange二值化标识噪声对图片进行二值化处理，具体代码：cv2.inRange(img, np.array([200, 200, 240]), np.array([255, 255, 255]))，把[200, 200, 200]~[255, 255, 255]以外的颜色处理为0；
使用OpenCV的dilate方法，扩展特征的区域，优化图片处理效果；
使用inpaint方法，把噪声的mask作为参数，推理并修复图片。
去掉右下角的水印步骤
从源图片，截取右下角部分，另存为新图片；
识别水印，颜色值为：[200, 200, 200]~[255, 255, 255]
去掉水印，还原图片；
把源图片、去掉水印的新图片，进行重叠合并；
实现代码
效果对比
import cv2
import numpy as np
from PIL import Image
import os
dir = os.getcwd()
path = "1.jpg"
newPath = "new.jpg"
img=cv2.imread(path,1)
hight,width,depth=img.shape[0:3]
#截取
cropped = img[int(hight*0.8):hight, int(width*0.7):width] # 裁剪坐标为[y0:y1, x0:x1]
cv2.imwrite(newPath, cropped)
imgSY = cv2.imread(newPath,1)
#图片二值化处理，把[200,200,200]-[250,250,250]以外的颜色变成0
thresh = cv2.inRange(imgSY,np.array([200,200,200]),np.array([250,250,250]))
#创建形状和尺寸的结构元素
kernel = np.ones((3,3),np.uint8)
#扩展待修复区域
hi_mask = cv2.dilate(thresh,kernel,iterations=10)
specular = cv2.inpaint(imgSY,hi_mask,5,flags=cv2.INPAINT_TELEA)
cv2.imwrite(newPath, specular)
#覆盖图片
imgSY = Image.open(newPath)
img = Image.open(path)
img.paste(imgSY, (int(width*0.7),int(hight*0.8),width,hight))
img.save(newPath)实现效果如下图，这个默认是去掉白色右下角的水印，大家可以根据自己的需求进行更改。
到此这篇关于Python批量图片去水印的示例代码的文章就介绍到这了,更多相关Python批量图片去水印的示例代码内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
