基于OpenCV的Python图像水印去除问题求助

我用OpenCV与Python编写了代码尝试去除图像水印，思路是用白底反向水印图抵消原图像水印，但未取得预期效果。以下是我的代码、源图、掩码图及当前结果图，希望能得到改进现有代码的方法。

现有代码 #

import cv2
import numpy

src = cv2.imread('src.jpg')
mask = cv2.imread('mask.jpg')
save = numpy.zeros(src.shape, numpy.uint8) 

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)

相关图像 #

• 源图：
• 掩码图：
• 当前结果图：

问题分析与改进方案 #

核心问题 #

当前代码的计算逻辑不符合实际的水印叠加模型。实际中水印大多通过加权叠加合成到原图上，代码里的反向抵消推导有误；同时三重循环效率极低，且uint8类型运算易出现精度丢失和溢出。

改进后的代码 #

import cv2
import numpy as np

# 以浮点格式加载图像，避免uint8运算精度损失
src = cv2.imread('src.jpg').astype(np.float32) / 255.0
mask = cv2.imread('mask.jpg').astype(np.float32) / 255.0

# 确保掩码与源图尺寸一致
if src.shape != mask.shape:
    mask = cv2.resize(mask, (src.shape[1], src.shape[0]))

# 标记水印区域（排除掩码接近0的区域，避免除以0）
watermark_mask = mask > 0.01

# 估算水印透明度：取掩码图水印区域的平均灰度值
alpha = np.mean(mask[watermark_mask])

# 基于加权叠加模型还原原图：原图 = (合成图 - 水印*透明度) / (1-透明度)
result = np.copy(src)
result[watermark_mask] = (src[watermark_mask] - mask[watermark_mask] * alpha) / (1 - alpha)

# 限制像素值在0-1范围内，转回uint8格式
result = np.clip(result, 0, 1) * 255
result = result.astype(np.uint8)

cv2.imwrite('improved_result.jpg', result)

额外优化提示 #

1. 若掩码是纯黑白图，可先转为单通道灰度图，再扩展到3通道，减少计算量。
2. 若水印存在色彩偏移，可尝试分通道单独计算透明度，或转换到HSV色彩空间处理亮度通道。
3. 若还原后仍有残留，可尝试对水印区域进行轻微模糊或修复（如cv2.inpaint）。

内容的提问来源于stack exchange，提问作者wwwww135781012