CN102521786A - 一种基于颜色检测和快速匹配法的照片水印去除方法 - Google Patents

Abstract

本发明公开了一种照片水印自动去除方法，该方法的步骤包括：步骤S1，读取照片；步骤S2，根据预设的水印在照片中的位置和水印的颜色阈值，自动识别水印区域，得到水印边缘信息；步骤S3，使用快速匹配法对识别出的水印进行去除。本发明能够自动、快速、鲁棒地去除照片的水印，具有适应性强，效率高的优点。

Description

一种基于颜色检测和快速匹配法的照片水印去除方法

技术领域

本发明涉及图像处理技术领域，具体涉及了一种基于颜色检测和快速匹配法的照片水印去除方法。

背景技术

去除照片水印是一门非常实用的技术。目前，由于数码相机和智能手机的普及，大量的数码照片已经开始有逐步取代传统照片的趋势。然而，由于有些数码相机和智能手机的设定问题，或者操作者的粗心大意，造成拍出来的照片存在着各种各样的水印，严重地影响了照片的美感。

传统的水印去除方法是借助于图像修复方法，可以把照片水印认为是照片中需要修复的部分来进行修复。常用的图像修复方法包括基于样图的纹理合成方法和基于物理热流偏微分方程的数字图像修复方法。其中，Alexandru Telea于2004年发表于《Journal of Graphic Tools》上的《An ImageInpainting Technique Based On the Fast Marching Method》中的快速匹配法，就是基于样图的纹理合成方法中的一种。

然而，这些修复方法并没有考虑到照片水印的在颜色和位置方面的特殊性，仍然必需人工对水印区域进行选择来进行水印去除，效率低下，而且还可能造成误抹。

发明内容

(一)要解决的技术问题

本发明的目的是设计一种具有针对于照片水印的自动去除系统和基于颜色检测和快速匹配法的照片水印去除方法。

(二)技术方案

为解决上述技术问题，本发明提出的照片水印自动去除方法包括：

步骤S1：读取照片；

步骤S2：根据预设的水印在照片中的位置和水印的颜色阈值，自动识别水印区域，得到水印边缘信息；

步骤S3：使用快速匹配法，对识别出的水印进行去除。

(三)有益效果

本发明通过基于颜色检测和快速匹配法进行照片水印的去除，能够自动、快速、鲁棒地去除照片的水印，具有适应性强，效率高的优点。

附图说明

图1是根据本发明的照片水印自动去除方法的流程图；

图2是本发明是实施例的照片样图；

图3是本发明实施例中识别出照片的水印位置示意图；

图4是本发明实施例识别出的水印颜色示意图；

图5是本发明采用的快速匹配法的区域说明示意图；

图6是本发明采用的快速匹配法的流程图；

图7是本发明实施例自动去除水印后的照片。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

应指出的是，所描述的实施例仅旨在便于对本发明的理解，而对其不起任何限定作用。

本发明是通过对照片水印的颜色进行自动检测，识别水印区域，再通过快速匹配法，对照片的水印进行去除，具有相当高的精度和鲁棒性。本发明的方法的流程图如图1所示：首先，读取照片；然后，根据照片水印的位置和颜色识别出照片的水印区域；最后，利用快速匹配法，对照片的水印进行去除。下面描述本发明的方法的具体步骤：

步骤S1：对照片进行读取。在这里，我们不妨读取一张800×600像素的带有水印的照片作为本发明的一个具体示例。照片样图如图2所示。

步骤S2：根据预设的水印在照片中的位置和水印的颜色阈值，自动识别水印区域，得到水印边缘信息。具体的步骤包括：

根据预设的水印位置和颜色阈值分割法对照片的水印区域进行自动识别。

在这里，水印的预设位置为右下角的方框部分。

对颜色阈值分割法，采取的方法为同时满足以下三式的像素点标记为水印：

|R-R₀|＜k_r

|G-G₀|＜k_g

|B-B₀|＜k_b

其中R、G、B为像素点的红色、绿色、蓝色分量，R₀、G₀、B₀为预设的水印像素点的R、G、B分量，k_r、k_g、k_b为预设的阈值。

进行以上自动识别后，水印的位置为红框，在图中标注出来，如图3所示。识别出来的水印颜色显示在选色框的中央，如图4所示。若自动识别水印区域的位置或颜色有误，则可进行人工修正，即人工选择水印区域和水印的颜色。

步骤S3：使用快速匹配法，对识别出来的水印进行去除。

步骤S3是以水印区域内的像素点作为一次去除的单位，具体的步骤包括：

S31：初始化水印区域内所有像素点的优先级的值和标记；

S32：根据水印区域内像素点的标记和优先级的值排序，选择优先级值最高的像素点作为本次去除的水印像素点；

S33：根据纹理合成方法，去除该水印像素点；

S34：更新所去除的像素点的四连通邻点的优先级的值和标记，即更新水印区域的信息。

重复上面的步骤S32～S34，直至所有水印被去除结束。

首先，定义一些符号，如图5所示。

Ω是图像的水印区域中待去除的水印部分，δΩ是待去除水印区域的边界，P是这个边界上的任意一点。水印区域和水印部分会由程序预设的水印在照片中的位置和水印的颜色阈值自动识别出来，也可以由用户人工选择。随着去除的进行，δΩ将不停地改变，直至消失；Φ是非水印图像区域；在P周围的图像已知区域内部，选择一个以ε为尺度的领域B(ε)。随着水印的去除，Ω将越来越小直至消失。

快速匹配法的流程图如图6所示，具体的步骤为：

步骤S31：初始化水印区域的所有像素点，对水印区域的像素进行如下标注：

(1)将边界上的点标记为KNOWN，且赋予优先级的值T＝0；

(2)考察边界上所有标记为KNOWN的点(i，j)，i，j为该像素点的横纵轴坐标，对它的四邻点(i-1，j)，(i，j-1)，(i+1，j)，(i，j+1)，如果有未被标记为KNOWN的，则以BAND标记，并将其T赋值为1，然后将标记为BAND的点置于一个按T从小到大排列的排序堆中；

(3)将剩下的既不是KNOWN也不是BAND的点标记为INSIDE，赋值T＝1e6；

步骤S32：从所有标注为BAND的像素点中提取出最小T值(即优先级最高)的像素点P(m，n)，更新其标记为KNOWN，然后将它从排序堆中删除。

步骤S33：对P点用纹理合成法进行去除，采用的纹理合成方法，具有以下步骤：

步骤S331：

计算待去除的像素点P的ε(一般为3到10个像素)领域内的已知像素点Q的权值ω(p，q)；

令

w(p，q)＝dir(p，q)*dst(p，q)*lev(p，q)

其中：

$\mathrm{dir}(p,q)=\frac{p-q}{\left|\right|p-q\left|\right|}*N\left(p\right)$

$\mathrm{dst}(p,q)=\frac{d_0^2}{{\left|\right|p-q\left|\right|}^2}$

$\mathrm{lev}(p,q)=\frac{T_0}{1+|T\left(p\right)-T\left(q\right)|}$

其中，p、q表示像素点P、Q的灰度值，由公式

Gray＝R*0.3+G*0.59+B*0.11

进行计算得到，在图1的图像预处理进行。Gray表示灰度值，R、G、B分别表示像素的红色、绿色和蓝色分量。方向参数保证了该像素点的主要贡献在于接近法线的方向上，即

也就是说，接近快速匹配法信息传播方向的方向参数要比距离传播方向较远的像素点的方向参数取值大。这里的d₀和T₀为距离值和优先度值的初始值，在这里设为1。dis(p，q)表示P、Q的几何距离，保证离P点的像素对P的新的像素值的贡献少。lev(p，q)级别设置距离保证离P点近的像素对P的新的像素值的贡献多。

步骤S332：当尺度参数ε足够小的时候，给定点P的像素值I(q)以及Q的梯度值那么点的一阶估计：

$I_q\left(p\right)=I\left(q\right)+\▿I\left(q\right)(p-q)$

则待去除的水印像素点P被去除得到的新的像素值的R、G、B中的其中一个分量x为：

$I\left(p\right).x=\frac{{\mathrm{\Σ}}_{q\∈B_{\mathrm{\ϵ}}\left(p\right)}\mathrm{\ω}(p,q)[I\left(q\right).x+\▿I\left(q\right).x*(p.x-q.x)]}{{\mathrm{\Σ}}_{q\∈B_{\mathrm{\ϵ}}\left(p\right)}\mathrm{\ω}(p,q)}$

这里的.x表示R、G、B其中的一个分量，p.x和q.x亦同样表示P点和Q点对应的R、G、B颜色的分量，

为q的梯度值，ω(p，q)是步骤S331中的权值分布函数，B_ε(p)是点P周围的距离为ε的点的集合。通常，ε的取值在3到10个像素之间，它对应着待修复区域的“厚度”。

步骤S34：通过解下面的方程，对像素点P(m，n)的四邻点中标记不是KNOWN的点W(k，l)，计算该点新的T值：

max(D^-xT，-D^+xT，0)²+max(D^-yT，-D^+yT，0)²＝1

其中，

D^-xT＝T(k，l)-T(k-1，l)

D^+xT＝T(k+1，l)-T(k，l)

D^-yT＝T(k，l)-T(k，l-1)

D^+yT＝T(k，l+1)-T(k，l)

计算完毕后，如果点W(k，l)当前标记为INSIDE，则更新该点的T值，将其标记修改为BAND，插入排序堆中；如果标记是BAND，则更新该点的T值，并在排序堆中重新进行排序。

迭代执行以上步骤，直至所有的水印区域的标记为BAND的像素不存在为止，即水印全部去除干净为止，如图7所示。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种照片水印自动去除方法，其特征在于，该方法的步骤包括：

步骤S1：读取照片；

步骤S2：根据预设的水印在照片中的位置和水印的颜色阈值，自动识别水印区域，得到水印边缘信息；

步骤S3：使用快速匹配法，对识别出的水印进行去除。

2.根据权利要求1所述的水印自动去除方法，其特征在于：

在步骤S2中，若自动识别水印区域的位置或颜色有误，则进行人工修正。

3.根据权利要求1所述的照片水印自动去除方法，其特征在于，步骤S3是以水印边缘上的像素点作为一次去除的单位，重复下面步骤，直至所有水印被去除结束：

S31：初始化水印区域内所有像素点的优先级的值和标记；

S32：根据水印区域内像素点的标记和优先级的值排序，选择优先级值最高的像素点作为本次去除的水印像素点；

S33：根据纹理合成方法，去除该水印像素点；

S34：更新水印区域的信息。

4.根据权利要求3所述的照片水印自动去除方法，其特征在于，所述的步骤S31具有以下步骤：

步骤S311：将边界上的点标记为KNOWN，且赋予优先级的值T＝0；

步骤S312：考察边界上所有标记为KNOWN的点(i，j)，i，j为该像素点的横纵轴坐标，对它的四邻点(i-1，j)，(i，j-1)，(i+1，j)，(i，j+1)，如果有未被标记为KNOWN的，则以BAND标记，并将其T赋值为1，然后将标记为BAND的点置于一个按T从小到大排列的排序堆中；

步骤S313：将剩下的既不是KNOWN也不是BAND的点标记为INSIDE，赋值T＝1e6。

5.根据权利要求3所述的照片水印自动去除方法，其特征在于步骤S33具有以下步骤：

步骤S331：计算待去除的像素点的ε领域内的已知像素点Q的权值ω(p，q)；

令

w(p，q)＝dir(p，q)*dst(p，q)*lev(p，q)

其中：

$\mathrm{dir}(p,q)=\frac{p-q}{\left|\right|p-q\left|\right|}*N\left(p\right)$

$\mathrm{dst}(p,q)=\frac{d_0^2}{{\left|\right|p-q\left|\right|}^2}$

$\mathrm{lev}(p,q)=\frac{T_0}{1+|T\left(p\right)-T\left(q\right)|}$

方向参数dir(p，q)保证了该像素点的主要贡献在于接近法线的方向上，即

也就是说，接近快速匹配法信息传播方向的方向参数要比距离传播方向较远的像素点的方向参数取值大；这里的d₀和T₀为距离值和优先度值得初始值，在这里设为1；dis(p，q)表示P、Q的几何距离，保证离P点的像素对P的新的像素值的贡献少；lev(p，q)级别设置距离保证离P点近的像素对P的新的像素值的贡献多；

步骤S332：待去除的水印像素点P被去除得到的新的像素值为：

$I\left(p\right)=\frac{{\mathrm{\Σ}}_{q\∈B_{\mathrm{\ϵ}}\left(p\right)}\mathrm{\ω}(p,q)[I\left(p\right)+\▿I\left(q\right)(p-q)]}{{\mathrm{\Σ}}_{q\∈B_{\mathrm{\ϵ}}\left(p\right)}\mathrm{\ω}(p,q)}$

其中，

为q的梯度值，ω(p，q)是步骤S1中的权值分布函数，B_ε(p)是点P周围的距离为ε的点的集合。

6.如权利要求5所述的照片水印自动去除方法，其中ε为3至10个像素。

7.如权利要求3所述的照片水印自动去除方法，其中步骤S34更新水印区域的信息，是更新所去除的像素点的四连通邻点的优先级的值和标记。

Images