OpenCV基础
OpenCV(Open Source Computer Vision Library)是一个跨平台计算机视觉库,实现了图像处理和计算机视觉方面的很多通用算法
环境搭建
#python沙箱环境
virtualenv opencvenv
source opencvenv/bin/activate
pip install cryptography ndg-httpsclient #某些python版本需要的几个兼容包
pip install numpy #opencv的依赖
#我这里直接pip安装pyopencv不成功
#换其他方法,直接从yum包里拷贝opencv的python wrapper
sudo yum install opencv-python
cp /usr/lib64/python2.7/site-packages/cv* opencv_test/cvenv/lib64/python2.7/site-packages/
opencv的常用操作
# -*- coding: utf-8 -*-
import cv2
#矩阵形式读取图像为三维列表,每一维分别代表 行、列、像素,像素维度列表中依次为BGR三个颜色通道
img = cv2.imread("test.jpg")
print img.shape #利用numpy的shape方法显示图像矩阵的三维尺寸信息,例如:(533, 800, 3)
img2 = img.copy() #复制图像
cv2.imwrite('save.jpg', img2) #保存
基于OpenCV的两种去水印方案
1. 基于 inpaint 方法(网上的方法,处理质量较低)
- 算法理论:基于Telea在2004年提出的基于快速行进的修复算法(FMM算法),先处理待修复区域边缘上的像素点,然后层层向内推进,直到修复完所有的像素点
- 处理方式:由ui人员制作出黑底白色水印且相同位置的水印蒙版图(必须单通道灰度图),然后使用inpaint方法处理原始图像,具体使用时可把水印区放粗,这样处理效果会好点
# -*- coding: utf-8 -*-
import cv2
src = cv2.imread('src.jpg') # 默认的彩色图(IMREAD_COLOR)方式读入原始图像
mask = cv2.imread('mask.jpg', cv2.IMREAD_GRAYSCALE) # 灰度图(IMREAD_GRAYSCALE)方式读入水印蒙版图像
# 参数:目标修复图像; 蒙版图(定位修复区域); 选取邻域半径; 修复算法(包括INPAINT_TELEA/INPAINT_NS, 前者算法效果较好)
dst = cv2.inpaint(src, mask, 3, cv2.INPAINT_TELEA)
cv2.imwrite('result.jpg', dst)
效果演示
src图:
mask图:
INPAINT_TELEA算法处理效果:
INPAINT_NS算法处理效果:
细致比较的话,INPAINT_TELEA算法处理,水印的隐去效果会稍好点
2. 基于像素的反色中和(处理质量较高)
参考自ps去水印原理,通过一张白底的反色水印图来中和原图水印
# -*- coding: utf-8 -*-
import cv2
import numpy
src = cv2.imread('src.jpg')
mask = cv2.imread('mask.png')
save = numpy.zeros(src.shape, numpy.uint8) #创建一张空图像用于保存
for row in range(src.shape[0]):
for col in range(src.shape[1]):
for channel in range(src.shape[2]):
if mask[row, col, channel] == 0:
val = 0
else:
reverse_val = 255 - src[row, col, channel]
val = 255 - reverse_val * 256 / mask[row, col, channel]
if val < 0: val = 0
save[row, col, channel] = val
cv2.imwrite('result.jpg', save)
src图:
反色水印图:
输出效果图: