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：