图像处理－opencv去水印（如有图片侵权，请及时联系）_opencv去水印算法

1，图片去除水印处理

方法，利用opencv可以直接采用如下方法步骤处理

1.1 采用SIFT算子提取图片特征点
尺度不变特征转换SIFT是一种著名的计算机视觉的算法，主要用来检测图像中的局部特征，通过在图像中寻找极值点特征，并提取出其这些特征点的位置、尺度和旋转不变量等信息。
其应用范围包含物体辨识、机器人地图感知与导航、影像缝合、3D模型建立、手势辨识、影像追踪和动作比对。
关于SIFT算子具体可以参看博客：http://blog.csdn.net/liyuefeilong/article/details/44166069

1.2 采用高维数据最近邻算法FLANN，找出两张图片中得距离最近特征点
关于FLANN，可以参看博客：http://blog.csdn.net/jinxueliu31/article/details/37768995

2，具体流程以及关键代码如下

以搜房网图片为例
原图：

2.1 制作原图水印模板

2.2 获取原图以及模板图得特征点信息

queryImage = cv2.imread(query_image_name)＃原图
sift = cv2.SIFT()
kp1, des1 = sift.detectAndCompute(queryImage, None)

trainImage = cv2.imread(template_image_name)＃模板图
kp2, des2 = sift.detectAndCompute(trainImage, None)
1
2
3
4
5
6

2.3 采用FLANN算法

FLANN_INDEX_KDTREE = 0
index_params = dict(algorithm=FLANN_INDEX_KDTREE, trees=5)
search_params = dict(checks=50)  # or pass empty dictionary
flann = cv2.FlannBasedMatcher(index_params, search_params)
matches = flann.knnMatch(des1, des2, k=2)
# 找出相匹配的特征点
for m, n in matches:
     if m.distance < 0.75 * n.distance:＃其中0.7参数可调
         x1 = kp1[m.queryIdx].pt[0]
         y1 = kp1[m.queryIdx].pt[1]
         x2 = kp2[m.trainIdx].pt[0]
         y2 = kp2[m.trainIdx].pt[1]
         //（x1,y1）(x2,y2)为相匹配的特征点
1
2
3
4
5
6
7
8
9
10
11
12
13

2.3 通过匹配的特征点可以找出原图与模版图的位置，按照SIFT尺度不变特性，可以确定原图中logo是否与模版图有缩放，此处代码略去
将模板图缩放后制作一张与原图大小一样的图，并将模板放于相应的原图水印位置，理解为遮罩图，如下

2.4 采用inpaint函数对原图在遮罩图水印位置进行图像修补，处理后图如下图所示

2.5 可以看出，图片复原效果并不十分完美，在水印位置可以采用 cv2.GaussianBlur进行高斯模糊处理，处理后如下图所示

至此图片去水印处理完成
另外，通过SIFT算子进行原图以及模板图特征点匹配时，可能涉及多处匹配，这将涉及相关规则调參