去水印的代碼實現需要根據水印的類型（圖片/視頻、半透明/全透明、文字/圖形）以及處理精度來設計。以下是幾種常見場景的解決方案和示例代碼：

一、基礎圖片去水印（Python + Pillow）

場景：去除全透明半透明水印

```python

from PIL import Image

def remove_watermark(input_path, output_path):

打開圖片

img = Image.open(input_path)

if img.mode != 'RGBA':

img = img.convert('RGBA')

 分離透明通道
alpha = img.getchannel('A')
alpha = alpha.convert('L').point(lambda p: 255 if p < 128 else 0, mode='1')
合并處理
img.putchannel('A', alpha)
img.save(output_path, 'PNG')

使用示例

remove_watermark('input.png', 'output.png')

```

注意事項：

• 適用于處理半透明水印（如PNG格式）
• 需要安裝 Pillow 庫：pip install Pillow

二、復雜水印處理（OpenCV + 算法）

場景：去除疊加式文字水印

```python

import cv2

import numpy as np

def remove_text_watermark(input_path, output_path):

讀取圖片

img = cv2.imread(input_path)

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

 閾值處理
_, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)
膨脹處理
kernel = np.ones((3,3), np.uint8)
dilate = cv2.dilate(thresh, kernel, iterations=1)
計算前景面積
contours, _ = cv2.findContours(dilate, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
total_area = sum(cv2.contourArea(cnt) for cnt in contours)
面積過濾（根據實際水印面積調整）
min_area = 1000   假設水印面積
target_area = total_area  0.7   目標處理區域
保留面積較大的區域
for cnt in contours:
if cv2.contourArea(cnt) > target_area:
cv2.drawContours(img, [cnt], -1, (0,0,0), -1)
cv2.imwrite(output_path, img)

使用示例

remove_text_watermark('input.jpg', 'output.jpg')

```

三、視頻去水印（FFmpeg + 濾鏡）

示例命令：

bash

ffmpeg -i input.mp4 -vf "drawtext=text='Remove Watermark':x=10:y=10" output.mp4

功能說明：

• 使用drawtext濾鏡添加自定義水印（實際使用時需移除該濾鏡）
• 需要安裝 FFmpeg 客戶端

四、深度學習去水印（PyTorch）

需要預訓練模型：

```python

import torch

import torchvision.transforms as transforms

def deep_remove_watermark(input_path, model_path):

加載預訓練模型

model = torch.hub.load('your-repo', 'watermark_removal', pretrained=True)

model.eval()

 預處理
transform = transforms.Compose([
transforms.ToTensor(),
transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])
加載圖像
img = Image.open(input_path).convert('RGB')
tensor = transform(img).unsqueeze(0).to('cuda')
模型推理
with torch.no_grad():
output = model(tensor)
后處理
output_img = transforms.ToPILImage()(output[0].cpu())
output_img.save('output.png')

使用示例

deep_remove_watermark('input.png', 'watermark_model.pth')

```

五、注意事項：

1. 法律風險：確保你有權去除該水印
2. 處理效果：
3. 簡單水印：成功率>90%
4. 復雜水印（含版權保護）：可能需要專業工具
5. 性能優化：
6. 圖片處理：單張<0.5s（Pillow）
7. 視頻處理：需多線程+GPU加速
8. 進階方案：
9. 使用 GAN 模型（如 SRGAN）
10. 結合 OCR 識別文字水印
11. 使用 OpenCV 的形態學操作

六、推薦工具鏈：

1. 基礎處理：Remove.bg（在線） / ImageMagick（命令行）
2. 進階處理：Adobe Photoshop / GIMP
3. 自動化腳本：Python + FFmpeg + Pillow

建議根據具體需求選擇方案，對于商業用途建議咨詢專業公司處理。