編寫一個去水印程序需要根據水印類型（靜態/動態、透明/不透明、位置固定/隨機）選擇不同的技術方案。以下是一個基于Python的簡單示例（適用于靜態半透明水印）：

```python

import cv2

import numpy as np

def remove_watermark(image_path, watermark_path, threshold=100):

讀取原圖

img = cv2.imread(image_path)

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

 讀取水印
watermark = cv2.imread(watermark_path, 0)
計算掩膜
kernel = np.ones((3,3), np.uint8)
dilation = cv2.dilate(watermark, kernel, iterations=1)
mask = cv2.bitwise_or(dilation, watermark)
應用掩膜去除水印
result = cv2.bitwise_and(img, img, mask=255 mask)
保存結果
cv2.imwrite("output.jpg", result)

使用示例

remove_watermark("input.jpg", "watermark.png", threshold=120)

```

進階方案建議：

1. 深度學習方案（使用預訓練模型）：

```python

import tensorflow as tf

from tensorflow.keras.applications import ResNet50

def remove_watermark_dnn(image_path):

使用預訓練的ResNet50進行遷移學習

model = ResNet50(weights='imagenet', include_top=False, input_shape=(224,224,3))

 需要自定義去水印模型（此處為示例）
實際應用中需要訓練特定去水印模型
return model.predict(np.expand_dims(img, axis=0))

```

1. 視頻去水印方案（使用FFmpeg）：bash

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

注意事項：

1. 水印去除可能影響圖片質量，建議先備份原始文件

2. 復雜水印需要結合邊緣檢測（Canny）、形態學處理等

3. 實時處理需優化算法速度（如使用OpenCV的C++接口）

4. 法律風險：確保你有權去除該水印

推薦學習資源：

1. OpenCV官方文檔：https://docs.opencv.org/

2. 深度學習去水印：https://github.com/justai/DeepWatermarkRemoval

3. FFmpeg視頻處理：https://ffmpeg.org/

根據水印的具體特征（透明度、位置、復雜度），可以選擇不同的處理策略。對于專業級需求，建議結合深度學習模型進行訓練（需要至少1000張帶水印/去水印的對比數據集）。