如何使用python opencv从图像中删除隐藏标记？

Question

我想从事一个小项目来挑战我的计算机视觉和图像处理技能。我遇到了一个项目，我想从图像中删除隐藏的标记。隐藏在这里是指在 rgb 空间中不容易看到的水印，但是当您转换为 hsv 或其他空间时，这些标记变得可见。

下面是一个例子：

BGR空间：

HSV空间：

我尝试了不同的方法，但能够实现一个解决方案，从图像中删除这些水印。我在这里发布这个问题是为了获得解决这个问题的不同想法。

我尝试过的：

我尝试了各种方法，但都没有奏效，共享代码可能无济于事。没有必要为其提供代码，伪代码、想法或任何线索将不胜感激。

1. 我注意到隐藏的标记都是类似于 RGB(90,94,105) 的颜色。当我分别显示 R、G 和 B 时，我注意到水印仅在 B 通道中可见。我想如果调整/去除B通道中的标记并再次合并图像，可能会得到更好的结果。

代码：

b,g,r = cv2.split(img)
b = b//2;
r = cv2.merge((r,g,b))
cv2.imshow("image",r)

问题：这并不能解决问题，它确实使颜色变暗了，但图像颜色也受到了干扰。

2. 我试着玩弄 B 频道，看看是否能完成一些事情。

3. 我还注意到，如果我们将图像转换为 LUV 空间，那么标记在 V 空间中是可见的。

Answer 1

这可能是一种可能的方法。基本思想是 HSV 通道中存在原始图像中不存在的可见边缘。以下是并排的 H、S 和 V 通道：

因此，如果我们找到原始图像中的边缘和 HSV 图像中的边缘并对它们进行差异，水印就应该显示出来。然后可以将其用作掩模，通过OpenCV inpaint在原始图像中进行修复。

我只是在终端中使用ImageMagick ，但也可以使用OpenCV、PIL或scikit-image同样完成：

# Detect edges visible in original image and auto-level
convert watermarked.png -colorspace gray -auto-level -canny 0x1+1%+3% -auto-level  RGB-edges.png

# Find visible edges in H, S and V colourspace, generate mean across all three and auto-level
convert watermarked.png -colorspace hsv -separate -canny 0x1+1%+3% -evaluate-sequence mean -auto-level HSV-edges.png

# Find changemask between the two sets of edges
convert RGB-edges.png HSV-edges.png -compose changemask -composite result.png

这个想法是水印现在被识别为黑色，因此使用黑色区域（可能形态上闭合）作为OpenCV中的遮罩进行修复 - 请参阅上面的链接。

Answer 2

我没有找到任何可以完全解决问题的答案。我很感谢大家的努力（谢谢）。我自己做了一些事情并想分享。它导致质量损失很小（有点蓝色模糊），但成功去除了水印。解决方案非常简单，但需要时间来分析图像。

如果有人可以扩展这种方法并提出更好的方法，我将非常高兴

我观察到水印仅在 B 空间（RGB 之外）中可见，并且在 R 和 G 空间中没有水印痕迹。

B空间：

我还在某处标红，与 R 和 G 通道相比，蓝光对整体图像的贡献很小，所以这就是我决定做的。

对 B 通道进行足够大的模糊处理，以消除这些图案的痕迹。以下是 B 通道随后出现的样子：

最后，将图像与新的 B 通道、之前的 R 通道和之前的 G 通道合并。以下是 RGB 通道随后的显示方式：

使用方法的优点是痕迹消失。

唯一的缺点是黑色边缘出现偏蓝和偏紫的颜色，图像总体上有点偏蓝。

我的代码：

import cv2
from matplotlib import pyplot as plt
import numpy as np
img = cv2.imread("img.png")
b, g, r = cv2.split(img) # split into B,G,R spaces 
b = cv2.GaussianBlur(b, None, 8)
plt.imshow(cv2.merge((r,g,b)), cmap='gray')