共计 1844 个字符，预计需要花费 5 分钟才能阅读完成。
人生苦短，我学 Python
有同学问，既然 Python 这么牛逼，可不可应用 Python 去除图片水印的办法呢？
这个必定有啊，不过因为图片水印的品种有很多，明天咱们先讲最简略的一种。
即上图中的①类水印，这种水印存在红色背景上的文档里，水印是灰色，须要保留的文字是彩色。
这种通常能够进行简略的亮度 / 对比度转换，直到水印隐没并升高亮度以进行弥补[1]。参考他人的办法，我发现能够用多种办法去除水印。大抵原理比拟类似，上面先讲 OpenCV 的办法。
OpenCV + Numpy
本办法须要应用的库：cv2、numpy。cv2 是基于 OpenCV 的图像处理库，能够对图像进行侵蚀，收缩等操作；Numpy 这是一个弱小的解决矩阵和维度运算的库。
函数简介
介绍一下 cv2 的三个根本函数：应用 cv2.imread()，cv2.imshow()，cv2.imwrite()别离能够读取、显示和保留图像。
img=cv2.imread(‘test.png’)cv2.imshow(‘test.png’,img)cv2.waitKey(0)cv2.imwrite(‘test_2.png’, img)
对于 Numpy 呢，则要用到 np.clip()，它是一个截取函数，用于截取数组中小于或者大于某值的局部，并使得被截取局部等于固定值。
np.clip(a, a_min, a_max, out=None):
具体用法：
能够看到，数组 x 中的所有数限定到范畴 0 和 5 之间。为啥要介绍这些函数呢，接着往下看。
色调转换
回到本文一开始，咱们想去除文档图片中的水印。
上图中我选取了三个点，这三个像素点别离对应背景红色、彩色字体以及灰色的水印。
咱们当初要做的事，就是想方法把水印转换成红色背景。换言之，就是把图片中 [217,217,217] 的像素点转换成[255,255,255]。
当然这个 [217,217,217] 也不是固定的，只是一个范畴。为了不便调整，我选取了一些像素点，做了一个线性回归。
心愿把图片整体的像素色彩做一个扭转，原有彩色字体尽量跟原来统一，而水印局部则肯定要≥255，而后就能够通过 np.clip()限定区间，使之都变成[255,255,255]。
说干就干
import cv2import numpy as npimg = cv2.imread(‘test.png’)new = np.clip(1.4057577998008846*img-38.33089999653017, 0, 255).astype(np.uint8)cv2.imwrite(‘removed.png’, new)
上面咱们看看调整后的成果（左侧是转换前，右侧是转换后）。
左：转换前 右：转换后
解决成果还是不错的，阐明对于这类文档图片水印，通过几行 Python 代码就能够轻松去除水印。
不过通过线性回归扭转整体图片色彩，也会影响原有的彩色文本，导致其色彩产生了微微变动。
那咱们能不能简略粗犷一点！只扭转水印的色彩呢？
也能够试试。
PIL + itertools
PIL 也是一个 Python 图像处理库，其中 Image 模块是在 Python PIL 图像处理中常见的模块，对图像进行根底操作的性能根本都蕴含于此模块内。
itertools 之前更是被咱们称为一个 零差评的 Python 内置库。其中 itertools.product 用来产生多个列表和迭代器的(积)。
还是跟之前一个原理，咱们心愿将图片中 [217,217,217] 的像素点转换成[255,255,255]。
那就简略粗犷一点，也就是像素值相加大略 600（217+217+217）以上的像素点，都改成 [255,255,255] 就好了。
from itertools import productfrom PIL import Imageimg = Image.open(‘test.png’)width, height = img.sizefor pos in product(range(width), range(height)): if sum(img.getpixel(pos)[:3]) > 600: img.putpixel(pos, (255,255,255))img.save(‘removed_1.png’)
运行后果，比照一下。
左：转换前 右：转换后
与第一种办法比照，肉眼也没看进去太显著差异。
那大家就喜爱那种办法就用哪个吧！
咱们的文章到此就完结啦，如果你对去水印有趣味，能够入手实战一下，代码敲一下，会有更粗浅的体验。喜爱明天的 Python 实战教程，请继续关注我，有问题也能够打在评论区
