去水印的代碼實現需要根據水印類型（靜態圖片/視頻、半透明/固定位置、是否需要機器學習）選擇不同的方法。以下是幾種常見場景的代碼示例和實現思路：

一、基礎去水印（靜態圖片）

1. 傳統圖像處理（簡單水印）

```python

import cv2

def remove簡單水印(image_path, output_path):

讀取圖像

img = cv2.imread(image_path)

 高斯濾波去噪（適用于固定大小/位置的水印）
blurred = cv2.GaussianBlur(img, (5,5), 0)
中值濾波（適合椒鹽噪聲或小面積水印）
median = cv2.medianBlur(blurred, 3)
保存結果
cv2.imwrite(output_path, median)

使用示例

remove簡單水印("watermarked.jpg", "clean.jpg")

```

2. 深度學習去水印（推薦）

使用預訓練的U-Net模型（需提前下載模型權重）：

```python

import tensorflow as tf

from tensorflow.keras import layers, models

加載預訓練模型

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

def remove深度學習水印(image_path, output_path):

預處理

img = preprocess(image_path) 需要自定義預處理函數

img = tf.expand_dims(img, axis=0)

 模型預測
result = model(img)
后處理
result = postprocess(result)
保存
cv2.imwrite(output_path, result)

使用示例

remove深度學習水印("watermarked.jpg", "clean.jpg")

```

二、視頻去水印

```python

import cv2

def remove視頻水印(video_path, output_path):

讀取視頻

cap = cv2.VideoCapture(video_path)

 創建視頻寫入對象
fourcc = cv2.VideoWriter_fourcc('mp4v')
out = cv2.VideoWriter(output_path, fourcc, 30.0, (640,480))
while cap.isOpened():
ret, frame = cap.read()
if not ret:
break
去水印處理
cleaned = remove水印(frame)
寫入視頻
out.write(cleaned)
cap.release()
out.release()

使用示例

remove視頻水印("watermarked.mp4", "clean.mp4")

```

三、高級方法（需訓練模型）

1. 基于PyTorch的GAN去水印

```python

import torch

import torchvision.models as models

加載預訓練模型

generator = models風格遷移模型.load generator()

discriminator = models風格遷移模型.load discriminator()

def train_remove水印():

訓練代碼（需要大量帶水印/無水印數據集）

pass

使用訓練好的模型

def remove_gan水印(image):

預處理

tensor = preprocess(image)

2. 多頻域濾波（處理半透明水印）

```python

import numpy as np

import matplotlib.pyplot as plt

def remove透明水印(image):

頻域處理

fft = np.fft.fft2(image)

fft_shift = np.fft.fftshift(fft)

 設計濾波器（根據水印頻率特性）
filter = np.zeros_like(fft_shift)
filter[100:200, 100:200] = 1   示例濾波區域
應用濾波
filtered = fft_shift  filter
inverse = np.fft.ifftshift(filtered)
cleaned = np.fft.ifft2(inverse).real
return cleaned

```

四、注意事項

1. 合法性：確保你有權去除該水印，避免侵犯版權
2. 水印類型：
3. 固定位置水印：傳統濾波更有效
4. 半透明水印：需要頻域處理+深度學習
5. 機器水印：可能需要對抗訓練
6. 性能優化：
7. 視頻處理使用多線程加速
8. 模型量化（TensorRT）提升推理速度
9. 效果評估：

   ```python

   from skimage.metrics import structural_similarity

def評估質量(clean, original):

ssim = structural_similarity(clean, original)

print(f"SSIM: {ssim:.4f