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。 此处隐藏是指在 rgb 空间中不易看到的水印，但当您转换为 hsv 或其他一些空间时，标记变得可见。

这是一个例子：

BGR 空间：

HSV空间：

我尝试了不同的方法，但能够实现从图像中删除这些水印的解决方案。 我在这里发布这个问题以获得不同的想法来解决这个问题。

我试过的：

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，将不胜感激伪代码、想法或任何线索。

1. 我注意到隐藏的标记都是类似于 RGB(90,94,105) 的 colors。 当我分别展示 R、G 和 B 时，我注意到水印仅在 B 通道中可见。 我认为如果调整/删除 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 colors 变暗，但图像 colors 也受到干扰。

2. 我试着玩 B 频道，看看能不能完成一些事情。

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。 基本思想是在 HSV 通道中存在可见的边缘，这些边缘在原始图像中不存在。 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 图像中的边缘并区分它们，水印应该会出现。 然后可以将其用作掩码，使用OpenCV inpaint在原始图像中进行修复。

我只是在终端中使用ImageMagick ，但它都可以用OpenCV ， PIL或scikit-image来完成：

# 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，所以使用黑色区域（可能在形态上是封闭的）作为OpenCV中的掩码来修复 - 参见上面的链接。

Answer 2

我没有找到任何完全解决问题的答案。 不过，我感谢大家的努力（谢谢）。 我自己做了一些事情，并想分享。 它几乎没有质量损失（有点蓝色模糊），但成功地去除了水印。 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，我会非常高兴

我观察到水印仅在 B 空间可见（RGB 之外），在 R 和 G 空间中没有水印的痕迹。

B空间：

我还在某处发红，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事情。

充分模糊 B 通道以去除这些图案的痕迹。 以下是 B 通道之后的显示方式：

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

使用方法的优点是痕迹消失了。

唯一的缺点是蓝色和紫色的colors出现在黑边，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')

Answer 3

这是您在 Python/OpenCV 中处理的轻微变化和扩展。

主要区别在于我使用中位数而不是模糊，并且我尝试提取黑线并将它们强加在中位数上，然后再重新组合。

输入：

import cv2
import numpy as np

# read image
img = cv2.imread("cartoon_hidden_marks.png")

# separate channels
b,g,r = cv2.split(img)

# median filter blue
median = cv2.medianBlur(b, 21)

# threshold blue image to extract black lines
thresh = cv2.threshold(b, 20, 255, cv2.THRESH_BINARY)[1]

# apply thresh to median
b_new = cv2.bitwise_and(median, thresh)

# combine b_new, g, b
img_new = cv2.merge([b_new,g,r])

# write results to disk
cv2.imwrite("cartoon_hidden_marks_median.jpg", median)
cv2.imwrite("cartoon_hidden_marks_thresh.jpg", thresh)
cv2.imwrite("cartoon_hidden_marks_new_blue.jpg", b_new)
cv2.imwrite("cartoon_hidden_marks_result.png", img_new)

# display it
cv2.imshow("median", median)
cv2.imshow("thresh", thresh)
cv2.imshow("b_new", b_new)
cv2.imshow("img_new", img_new)
cv2.waitKey(0)

蓝色通道中位数：

蓝色通道阈值（用于黑线）：

新的蓝色通道：

结果：

许多错误的蓝线现在是黑色的，但不是全部。 增加阈值会得到更多的黑线，但隐藏的标记会再次出现部分。

Answer 4

Python/OpenCV 中另一个简单的解决方案是简单地将绿色通道替换为蓝色通道，因为大多数绿色通道的强度分布与蓝色通道的强度分布大致相同。

输入：

import cv2
import numpy as np

# read image
img = cv2.imread("cartoon_hidden_marks.png")

# separate channels
b,g,r = cv2.split(img)

# combine replacing b with g
img_new = cv2.merge([g,g,r])

# write results to disk
cv2.imwrite("cartoon_hidden_marks_result2.png", img_new)

# display it
cv2.imshow("result", img_new)
cv2.waitKey(0)

结果：

问题是外套和绿树的颜色和质地略有不同。

可以尝试修改绿色通道图像的副本，以将平均值和标准差作为蓝色通道来解决涂层问题。 对于绿色树，它位于水印区域之外，因此可以使用 inRange 来掩盖绿色树的颜色，然后在绿色通道的副本中替换蓝色通道图像的树。 然后重新组合修改后的绿色通道代替蓝色通道。

Answer 5

如果您设法隔离了任何通道中的水印，您应该能够对其进行阈值化并创建二进制掩码。 然后你可以使用修复来填补空白，例如：

    clean_image = cv2.inpaint(marked_image, mask_of_marks, 3, cv2.INPAINT_TELEA)