一种基于openCV的图片水印自动识别处理方法及系统

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种基于openCV的图片水印自动识别处理方法及系统。

背景技术

随着公司电商业务的不断发展壮大，平台在与各供应商做erp对接时，初次需要大量对接产品信息，尤其是商品图片信息，供应商经常会上传在其它平台销售的商品图片，造成公司产品合规问题；另外公司的基础库建设，也需要批量检查图片是否有水印，需要批量去除水印，公司也尝试人工修复水印图片，但工作量巨大。

经检索，中国专利公开号为CN108109124A的专利，公开了一种基于深度学习的不定位置图片水印修复方法，其特征在于，包括以下步骤：训练数据的采集及预处理；对水印分割模型训练;对水印区域填充。本发明的优点是：机器替代人力，节约成本，解放人力；操作更加标准化，避免人工的良莠不齐；相比于简单的水印修复技术，本发明可以自动寻找水印位置。

上述专利还存在有以下不足之处：需要人工预处理海量有水印的图片，水印模板需要人工标记提取，用于模型训练，人工处理工作量巨大；算法中使用灰度和二值化处理，会损失模板像素质量造成水印清洗不干净，有印痕；正常去水印场景，很难获取无水印原图，尤其是对海量图片去水印需求，更是无法获取原图。

发明内容

基于背景技术中提出的需要人工预处理海量有水印的图片，水印模板需要人工标记提取等技术问题，本发明提出了一种基于openCV的图片水印自动识别处理方法及系统。

一种基于openCV的图片水印自动识别处理方法，包括识别处理方法，所述识别处理方法的核心步骤如下：

1）建立图片阴影运算模型，要求图片分辨率相同，格式相同，入参为两张有相同水印的图片，出参为与入参相同分辨率的矩阵。算法前置条件，首先对背景色做透明化处理，然后对图片做灰度化处理。核心算法，先对两个图片矩阵做差取绝对值，然后用255减去这个绝对值作为计算结果，深色像素不做计算，直接取颜色浅的像素的值，最终接近255值的像素区域为水印区域；正常情况下，纯色水印识别率比较高，半透明水印需要添加抖动值范围做水印框定，算法原理：借鉴动画原理，相同规格的水印信息相当于镜头上的污点，这个污点在浅背景下会更明显；

2）图片分类预处理，对待处理图片按渠道和分辨率做分类，一般情况下同一网站图片水印内容相同，位置一致，图片分辨率相同，该步骤可以在爬虫获取图片时直接做分类；

3）水印蒙版阴影提取，在同一分类下，取10张或更多有水印的图图片，随机取一张图片做操作对象，然后分别与其它图片做步骤1）运算，运算后会得到水印的蒙版阴影，关于蒙版阴影运算是否成功，需要通过参数不断调优和测试，一般通过255和抖动值范围的分布区域做判断，分布区域比较小并大于足够像素点时，判定为运算成功，否则继续取图片，做步骤1）运算；

4）通过阴影模板提取水印原图，通过阴影的覆盖区域，到尽量多的图片里提取灰度运算后最亮的像素，注意，这里保存的是RGB值，直到提取的像素值不在变化，表示提取成功；

5）通过水印原图，去除图片水印：此处去除水印的算法采用opencv的inpaint算法，其已经可以很好的去掉水印图片；

6）水印图片搜索与定位，通过水印愿图片与待判断图片做步骤1）运算，然后做蒙版区域统计，根据比中区域与有效区域做比值计算（深色区域不做比较，如：黑色区域），结果超过60%或更多表示有水印。

优选地，通过以上步骤，图片水印模板通过预分类好的图片，自动通过算法直接在待处理图片中提取，图片分类也可以通过爬虫程序自动处理；算法中使用灰度图像，进行水印定位，使用rgb值做图片水印提取，最大程度上保证水印图片像素提取的准确性，同时也保证去除水印时能够更干净不留痕迹；本方法不需要获取原始图片，和人工预处理图片，可很大程度节约人力成本，提高效率，减少机器学习运算周期。

本发明提出的一种基于openCV的图片水印自动识别处理系统，包括识别处理系统，所述识别处理系统的核心功能模块包括有：图片管理模块、任务管理模块、水印模板管理模块、算法管理模块、系统管理模块和对外服务接口管理模块。

优选地，所述图片管理模块：

批量导入图片：通过文件夹导入图片，导入时自动提取图片分辨率，验证图片格式；通过url地址批量导入图片，根据url地址自动做区域分类，其它验证，同文件导入；

导入的图片按批次记录操作日志；

图片分类管理：添加和维护图片区域，添加和维护图片分类信息，图片筛选管理，提供人工筛选和删除图片功能；

图片标注信息管理；

水印静态位置信息标注：同类图片只需标准一张即可，加标注可很大提高运算效率和准确度；

水印动态位置信息标注：如果水印位置是动态变化的，需要把所有训练图片的水印位置都标注一下，然后由程序对动态位置做切割；

任务图片浏览下载：根据任务分类和名称过滤浏览处理结果。

优选地，所述任务管理模块：

添加任务：选择处理算法和目标参数，定义任务，一般任务按算法进行分类；图片可以选择原始图片、其它任务处理后的图片，和水印模板图片；

维护任务：管理任务执行情况管理；任务执行周期管理，单次或周期执行；任务输入、输出参数管理。

优选地，所述水印模板管理模块包括有：模板阴影图片管理、图片编辑，可以对蒙版做微调，修正阴影范围、水印原图管理、图片编辑，通过调整图片，提高水印消除效果，和检测准确率。

优选地，所述算法管理模块：算法管理的是通用接口，具体功能，由注册的类实现，同一个算法可以有多个版本；且算法管理模块具体包括有：图片阴影运算模型管理、水印原图提取算法管理、水印检查算法管理、水印消除算法管理、水印蒙版阴影提取算法管理和图片背景颜色透明处理算法管理。

优选地，所述系统管理模块：系统配置参数管理、接口权限管理和系统日志管理。

优选地，所述对外服务接口管理模块:使用历史提取过的水印模板，批量比对，且对外服务接口管理模块包括有：水印检测接口和水印消除接口。

本发明中的有益效果为：

1、该基于openCV的图片水印自动识别处理方法及系统，通过本发明的实现，系统可以通过爬虫的图片数据自动提取水印信息，并实现水印清洗，当前已经实现对京东，天猫，药房网等主流电商网站的产品图片做去水印处理。由于当前系统的成功研发，替代人工实现了图片是否有水印检测，帮助供应商自动去除图片水印，节省了公司美工资源的投入，程序化操作可以避免人工审查漏洞，极大的缩短任务执行时间和节约了人力成本。随着对市面上所有运营网站产品图片水印分析和提取，算法的可靠性会不断提高。水印检索和清洗已经可以对外提供服务，为公司带来流量和收益。

2、该基于openCV的图片水印自动识别处理方法及系统，通过识别处理方法的具体步骤，图片水印模板通过预分类好的图片，自动通过算法直接在待处理图片中提取，图片分类也可以通过爬虫程序自动处理；算法中使用灰度图像，进行水印定位，使用rgb值做图片水印提取，最大程度上保证水印图片像素提取的准确性，同时也保证去除水印时能够更干净不留痕迹；本方法不需要获取原始图片，和人工预处理图片，可很大程度节约人力成本，提高效率，减少机器学习运算周期。

该装置中未涉及部分均与现有技术相同或可采用现有技术加以实现。

附图说明

图1为本发明提出的一种基于openCV的图片水印自动识别处理方法的结构示意图；

图2为本发明提出的一种基于openCV的图片水印自动识别处理系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

参照图1，一种基于openCV的图片水印自动识别处理方法，包括识别处理方法，识别处理方法的核心步骤如下：

1）建立图片阴影运算模型，要求图片分辨率相同，格式相同，入参为两张有相同水印的图片，出参为与入参相同分辨率的矩阵。算法前置条件，首先对背景色做透明化处理，然后对图片做灰度化处理。核心算法，先对两个图片矩阵做差取绝对值，然后用255减去这个绝对值作为计算结果，深色像素不做计算，直接取颜色浅的像素的值，最终接近255值的像素区域为水印区域；正常情况下，纯色水印识别率比较高，半透明水印需要添加抖动值范围做水印框定，算法原理：借鉴动画原理，相同规格的水印信息相当于镜头上的污点，这个污点在浅背景下会更明显；

2）图片分类预处理，对待处理图片按渠道和分辨率做分类，一般情况下同一网站图片水印内容相同，位置一致，图片分辨率相同，该步骤可以在爬虫获取图片时直接做分类；

3）水印蒙版阴影提取，在同一分类下，取10张或更多有水印的图图片，随机取一张图片做操作对象，然后分别与其它图片做步骤1）运算，运算后会得到水印的蒙版阴影，关于蒙版阴影运算是否成功，需要通过参数不断调优和测试，一般通过255和抖动值范围的分布区域做判断，分布区域比较小并大于足够像素点时，判定为运算成功，否则继续取图片，做步骤1）运算；

4）通过阴影模板提取水印原图，通过阴影的覆盖区域，到尽量多的图片里提取灰度运算后最亮的像素，注意，这里保存的是RGB值，直到提取的像素值不在变化，表示提取成功；

5）通过水印原图，去除图片水印：此处去除水印的算法采用opencv的inpaint算法，其已经可以很好的去掉水印图片；

6）水印图片搜索与定位，通过水印愿图片与待判断图片做步骤1）运算，然后做蒙版区域统计，根据比中区域与有效区域做比值计算（深色区域不做比较，如：黑色区域），结果超过60%或更多表示有水印。

本发明中，通过以上步骤，图片水印模板通过预分类好的图片，自动通过算法直接在待处理图片中提取，图片分类也可以通过爬虫程序自动处理；算法中使用灰度图像，进行水印定位，使用rgb值做图片水印提取，最大程度上保证水印图片像素提取的准确性，同时也保证去除水印时能够更干净不留痕迹；本方法不需要获取原始图片，和人工预处理图片，可很大程度节约人力成本，提高效率，减少机器学习运算周期。

参照图2，一种基于openCV的图片水印自动识别处理方系统，包括识别处理系统，识别处理系统的核心功能模块包括有：图片管理模块、任务管理模块、水印模板管理模块、算法管理模块、系统管理模块和对外服务接口管理模块。

本发明中，图片管理模块：

批量导入图片：通过文件夹导入图片，导入时自动提取图片分辨率，验证图片格式；通过url地址批量导入图片，根据url地址自动做区域分类，其它验证，同文件导入；

导入的图片按批次记录操作日志；

图片分类管理：添加和维护图片区域，添加和维护图片分类信息，图片筛选管理，提供人工筛选和删除图片功能；

图片标注信息管理；

水印静态位置信息标注：同类图片只需标准一张即可，加标注可很大提高运算效率和准确度；

水印动态位置信息标注：如果水印位置是动态变化的，需要把所有训练图片的水印位置都标注一下，然后由程序对动态位置做切割；

任务图片浏览下载：根据任务分类和名称过滤浏览处理结果。

本发明中，任务管理模块：

添加任务：选择处理算法和目标参数，定义任务，一般任务按算法进行分类；图片可以选择原始图片、其它任务处理后的图片，和水印模板图片；

维护任务：管理任务执行情况管理；任务执行周期管理，单次或周期执行；任务输入、输出参数管理。

本发明中，任务管理模块：

添加任务：选择处理算法和目标参数，定义任务，一般任务按算法进行分类；图片可以选择原始图片、其它任务处理后的图片，和水印模板图片；

维护任务：管理任务执行情况管理；任务执行周期管理，单次或周期执行；任务输入、输出参数管理。

本发明中，水印模板管理模块包括有：模板阴影图片管理、图片编辑，可以对蒙版做微调，修正阴影范围、水印原图管理、图片编辑，通过调整图片，提高水印消除效果，和检测准确率。

本发明中，算法管理模块：算法管理的是通用接口，具体功能，由注册的类实现，同一个算法可以有多个版本；且算法管理模块具体包括有：图片阴影运算模型管理、水印原图提取算法管理、水印检查算法管理、水印消除算法管理、水印蒙版阴影提取算法管理和图片背景颜色透明处理算法管理。

本发明中，系统管理模块：系统配置参数管理、接口权限管理和系统日志管理。

本发明中，对外服务接口管理模块:使用历史提取过的水印模板，批量比对，且对外服务接口管理模块包括有：水印检测接口和水印消除接口。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。