以下是幾種Python去除水印的常見方法及示例代碼，根據(jù)水印類型和復(fù)雜度進行分類：

一、基礎(chǔ)方法（適用于簡單固定水印）

1. 直接蒙版覆蓋（需已知蒙版圖像）

```python

import cv2

import numpy as np

def remove_watermark簡單蒙版(input_path, output_path, mask_path):

讀取原圖

img = cv2.imread(input_path)

讀取蒙版（黑色區(qū)域為透明）

mask = cv2.imread(mask_path, 0) 通道數(shù)應(yīng)為1

蒙版二值化處理

mask = cv2.threshold(mask, 0, 255, cv2.THRESH_BINARY)[1]

應(yīng)用蒙版

result = cv2.bitwise_and(img, img, mask=mask)

保存結(jié)果

cv2.imwrite(output_path, result)

使用示例

remove_watermark簡單蒙版("input.jpg", "output.jpg", "mask.png")

```

2. 均值替換法（適用于半透明水印）

```python

import cv2

def remove_watermark均值替換(input_path, output_path, confidence_threshold=0.8):

img = cv2.imread(input_path)

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

 檢測高對比度區(qū)域（假設(shè)水印具有明顯顏色差異）
kernel = np.ones((3,3), np.uint8)
dilated = cv2.dilate(gray, kernel, iterations=1)
diff = cv2.absdiff(gray, dilated)
二值化檢測區(qū)域
_, mask = cv2.threshold(diff, 50, 255, cv2.THRESH_BINARY)
應(yīng)用均值替換
mean_val = np.mean(img[mask==255], axis=(0,1))
result = cv2.bitwise_and(img, img, mask=mask)
cv2.add(result, cv2ScalarAll(mean_val), result)
cv2.imwrite(output_path, result)

```

二、進階方法（適用于復(fù)雜水印）

1. 基于OpenCV的邊緣檢測法

```python

import cv2

import numpy as np

def remove_watermark邊緣檢測(input_path, output_path):

img = cv2.imread(input_path)

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

 使用Canny邊緣檢測
edges = cv2.Canny(gray, 50, 150)
創(chuàng)建二值掩膜（假設(shè)水印邊緣清晰）
_, mask = cv2.threshold(edges, 150, 255, cv2.THRESH_BINARY)
應(yīng)用掩膜
result = cv2.bitwise_and(img, img, mask=mask)
cv2.imwrite(output_path, result)

```

2. 深度學(xué)習(xí)模型（推薦使用預(yù)訓(xùn)練模型）

```python

需安裝依賴：pip install tensorflow opencv-python

import tensorflow as tf

import numpy as np

import cv2

使用預(yù)訓(xùn)練的模型（示例：假設(shè)已下載到當(dāng)前目錄）

model = tf.keras.models.load_model('watermark_remover.h5')

def remove_watermark深度學(xué)習(xí)(input_path, output_path):

img = cv2.imread(input_path)

img = cv2.resize(img, (256, 256)) 根據(jù)模型輸入調(diào)整

img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

img_array = np.expand_dims(img, axis=0)

 模型預(yù)測（需修改實際模型邏輯）
prediction = model.predict(img_array)
將預(yù)測結(jié)果應(yīng)用到原圖（示例邏輯）
alpha = prediction[0][0]
result = cv2.bitwise_and(img, img, mask=np.uint8(alpha255))
cv2.imwrite(output_path, result)

```

三、第三方庫方案

1. 使用removing庫（需科學(xué)上網(wǎng)）

```python

pip install removing

from removing import Remove

def remove_watermark第三方(input_path, output_path):

remove = Remove()

remove.load_model() 加載預(yù)訓(xùn)練模型

result = remove.remove(input_path)

result.save(output_path)

```

2. 使用remove.bg API（商業(yè)用途）

```python

需注冊獲取API Key

import requests

API_KEY = "your_api_key"

input_url = "https://api.remove.bg/v1.0/removebg"

files = {'image_file': open("input.jpg", 'rb')