CN111192190B - 消除图像水印的方法、装置及电子设备 - Google Patents
消除图像水印的方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111192190B CN111192190B CN201911424183.9A CN201911424183A CN111192190B CN 111192190 B CN111192190 B CN 111192190B CN 201911424183 A CN201911424183 A CN 201911424183A CN 111192190 B CN111192190 B CN 111192190B
- Authority
- CN
- China
- Prior art keywords
- image
- watermark
- original image
- texture
- pixel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000000295 complement effect Effects 0.000 claims abstract description 67
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 51
- 238000001514 detection method Methods 0.000 claims description 39
- 238000013135 deep learning Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 24
- 238000012545 processing Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0021—Image watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2201/00—General purpose image data processing
- G06T2201/005—Image watermarking
- G06T2201/0203—Image watermarking whereby the image with embedded watermark is reverted to the original condition before embedding, e.g. lossless, distortion-free or invertible watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Editing Of Facsimile Originals (AREA)
Abstract
本发明公开了一种消除图像水印的方法、装置及电子设备,该消除图像水印的方法包括:根据待消除图像水印的原图像输出原图像对应的水印蒙版,以确定原图像的水印区域和背景区域;确定原图像的背景区域的图像纹理丰富程度;以及根据所确定的图像纹理丰富程度,选择与所述图像纹理丰富程度对应的图像补全算法对水印区域进行补全,以消除原图像的水印。本发明可以更好地消除图像水印。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种消除图像水印的方法、装置、电子设备及计算机可读存储介质。
背景技术
各种平台的创作者或发布者在发布图像时通常会加上水印,水印的存在影响了图像整体的美感和氛围。很多时候出于收藏、创作、发布等需求,用户需要对收集来的各种图像素材进行去水印的处理,消除图像上的水印。然而,消除水印的同时会导致水印区域对应的图像存在缺失,造成图像呈现不完整,从而影响图像的整体美观和观看者的视觉观感。因此,在消除水印时,需要对消除水印的图像进行图像补全。
现有图像补全技术包括传统图像补全方法和基于深度学习的图像补全方法,传统图像补全方法难以生成复杂纹理,对于图像复杂时补全效果不好。而基于深度学习的图像补全方法在处理纹理简单的图像时,容易生成伪影,造成图像上出现不期待的形态,比如图像好像“脏了”、有错乱等等,尤其对于浅色图像上述问题更为明显。
发明内容
本发明的目的在于提供一种消除图像水印的方法、装置、电子设备及计算机可读存储介质,从而针对不同纹理状态的图像均可以更有效地消除图像水印及补全图像以得到完整的图像。
根据本发明的第一方面,提供了一种消除图像水印的方法,此方法包括以下步骤:根据待消除图像水印的原图像输出原图像对应的水印蒙版,以确定原图像的水印区域和背景区域;确定原图像的背景区域的图像纹理丰富程度;以及根据所确定的图像纹理丰富程度,选择与所述图像纹理丰富程度对应的图像补全算法对原图像的水印区域进行补全,以消除所述原图像的水印。
可选的,所述根据待消除图像水印的原图像输出所述原图像对应的水印蒙版的步骤包括:
将所述原图像转换为灰度图像;根据预定阈值对所述灰度图像进行阈值分割,以得到二值图像的所述水印蒙版;
或者
检测所述原图像中的文字区域,将所述原图像中的文字区域的像素点的像素值和所述原图像中的其余区域的像素点的像素值设置为不同的像素值,以得到二值图像的所述水印蒙版;
或者
将所述原图像转换为灰度图像,根据预定阈值对所述灰度图像进行阈值分割,以得到第一二值图像;
检测所述原图像中的文字区域,将所述原图像中的文字区域的像素点的像素值和所述原图像中的其余区域的像素点的像素值设置为不同的像素值,以得到第二二值图像;
将所述第一二值图像的各像素点的像素值与所述第二二值图像的各像素点的像素值分别一一对应进行与运算,以获得所述水印蒙版。
可选的,所述根据预定阈值对所述灰度图像进行阈值分割的步骤包括:
将所述灰度图像中每一像素点的像素值与所述预定阈值进行比对;
当所述灰度图像的像素点的像素值大于所述预定阈值时,设置所述像素点的像素值为第一像素值;
当所述灰度图像的像素点的像素值小于或等于所述预定阈值时,设置所述像素点的像素值为第二像素值。
可选的,所述检测所述原图像中的文字区域的步骤包括:
利用预先设定的文字检测模型,框选出所述原图像中的文字区域。
可选的,所述确定所述原图像的背景区域的图像纹理丰富程度的步骤包括:
分别计算所述原图像的水印区域外围预定范围的像素点的R、G、B各个通道的像素值的标准差;
对所述R、G、B各个通道的像素值的标准差求和;
将所述标准差之和与第一预定阈值进行比对,根据所述比对结果确定所述原图像的背景区域的图像纹理丰富程度;
或者
将所述原图像转换为YUV格式图像;
计算所述YUV格式图像的水印区域外围预定范围的像素点的Y通道的像素值的标准差;
将所述标准差与第二预定阈值进行比对,根据所述比对结果确定所述原图像的背景区域的图像纹理丰富程度。
可选的,所述将所述标准差之和与第一预定阈值进行比对,根据所述比对结果确定所述原图像的背景区域的图像纹理丰富程度包括:
如果所述标准差之和小于所述第一预定阈值,判断所述背景区域的图像纹理丰富程度为简单纹理;以及
如果所述标准差之和不小于所述第一预定阈值,判断所述背景区域的图像纹理丰富程度为复杂纹理。
可选的,所述将所述标准差与第二预定阈值进行比对,根据所述比对结果确定所述原图像的背景区域的图像纹理丰富程度包括:
如果所述标准差小于所述第二预定阈值,判断所述背景区域的图像纹理丰富程度为简单纹理;
如果所述标准差不小于所述第二预定阈值,判断所述背景区域的图像纹理丰富程度为复杂纹理。
可选的,所述第一预定阈值为20-30。可选的,所述第一预定阈值为25。
可选的,所述第二预定阈值为8-12。可选的,所述第二预定阈值为10。
可选的,所述图像纹理丰富程度包括简单纹理和复杂纹理;
所述根据所确定的图像纹理丰富程度,选择与所述图像纹理丰富程度对应的图像补全算法对所述原图像的水印区域进行补全包括:
如果所述图像纹理丰富程度为简单纹理时,选择基于快速行进的图像修复算法或使用简单纹理图像作为训练集的深度学习图像补全算法对所述原图像的水印区域进行补全;
如果所述图像纹理丰富程度为复杂纹理时,选择使用复杂纹理图像作为训练集的深度学习图像补全算法对所述原图像的水印区域进行补全。
根据本发明的第二方面,另提供了一种消除图像水印的装置,此装置包括第一确定模块、第二确定模块以及图像补全模块。第一确定模块用于根据待消除图像水印的原图像输出原图像对应的水印蒙版,以确定原图像的水印区域和背景区域。第二确定模块用于确定原图像的背景区域的图像纹理丰富程度。图像补全模块用于根据所确定的图像纹理丰富程度,选择与所述图像纹理丰富程度对应的图像补全算法对原图像的水印区域进行补全,以消除所述原图像的水印。
可选的,第一确定模块根据待消除图像水印的原图像输出所述原图像对应的水印蒙版包括:
将所述原图像转换为灰度图像;根据预定阈值对所述灰度图像进行阈值分割,以得到二值图像的所述水印蒙版;
或者
检测所述原图像中的文字区域,将所述原图像中的文字区域的像素点的像素值和所述原图像中的其余区域的像素点的像素值设置为不同的像素值,以得到二值图像的所述水印蒙版;
或者
将所述原图像转换为灰度图像,根据预定阈值对所述灰度图像进行阈值分割,以得到第一二值图像;
检测所述原图像中的文字区域,将所述原图像中的文字区域的像素点的像素值和所述原图像中的其余区域的像素点的像素值设置为不同的像素值,以得到第二二值图像;
将所述第一二值图像的各像素点的像素值与所述第二二值图像的各像素点的像素值分别一一对应进行与运算,以获得所述水印蒙版。
可选的,第一确定模块根据预定阈值对所述灰度图像进行阈值分割包括:
将所述灰度图像中每一像素点的像素值与所述预定阈值进行比对;
当所述灰度图像的像素点的像素值大于所述预定阈值时,设置所述像素点的像素值为第一像素值;
当所述灰度图像的像素点的像素值小于或等于所述预定阈值时,设置所述像素点的像素值为第二像素值。
可选的,第一确定模块检测所述原图像中的文字区域包括:
利用预先设定的文字检测模型,框选出所述原图像中的文字区域。
可选的,第二确定模块确定所述原图像的背景区域的图像纹理丰富程度包括:
分别计算所述原图像的水印区域外围预定范围的像素点的R、G、B各个通道的像素值的标准差;
对所述R、G、B各个通道的像素值的标准差求和;
将所述标准差之和与第一预定阈值进行比对,根据所述比对结果确定所述原图像的背景区域的图像纹理丰富程度;
或者
将所述原图像转换为YUV格式图像;
计算所述YUV格式图像的水印区域外围预定范围的像素点的Y通道的像素值的标准差;
将所述标准差与第二预定阈值进行比对,根据所述比对结果确定所述原图像的背景区域的图像纹理丰富程度。
可选的,第二确定模块将所述标准差之和与第一预定阈值进行比对,根据所述比对结果确定所述原图像的背景区域的图像纹理丰富程度包括:
如果所述标准差之和小于所述第一预定阈值,判断所述背景区域的图像纹理丰富程度为简单纹理;以及
如果所述标准差之和不小于所述第一预定阈值,判断所述背景区域的图像纹理丰富程度为复杂纹理。
可选的,第二确定模块将所述标准差与第二预定阈值进行比对,根据所述比对结果确定所述原图像的背景区域的图像纹理丰富程度包括:
如果所述标准差小于所述第二预定阈值,判断所述背景区域的图像纹理丰富程度为简单纹理;
如果所述标准差不小于所述第二预定阈值,判断所述背景区域的图像纹理丰富程度为复杂纹理。
可选的,所述第一预定阈值为20-30。可选的,所述第一预定阈值为25。
可选的,所述第二预定阈值为8-12。可选的,所述第二预定阈值为10。
可选的,所述图像纹理丰富程度包括简单纹理和复杂纹理;
图像补全模块根据所确定的图像纹理丰富程度,选择与所述图像纹理丰富程度对应的图像补全算法对所述原图像的水印区域进行补全包括:
如果所述图像纹理丰富程度为简单纹理时,选择基于快速行进的图像修复算法或使用简单纹理图像作为训练集的深度学习图像补全算法对所述原图像的水印区域进行补全;
如果所述图像纹理丰富程度为复杂纹理时,选择使用复杂纹理图像作为训练集的深度学习图像补全算法对所述原图像的水印区域进行补全。
根据本发明的第三方面,还提供了一种电子设备,包括:
根据本发明第二方面所述的消除图像水印的装置;或者,
处理器和存储器,所述存储器用于存储可执行的指令,所述指令用于控制处理器执行根据本发明第一方面所述的消除图像水印的方法。
根据本发明的第四方面,还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在被处理器执行时实现根据本发明第一方面所述的消除图像水印的方法。
本发明实施例的消除图像水印的方法、装置及电子设备,首先获得待消除图像水印的原图像的二值图像的水印蒙版,以区分原图像的水印区域和背景区域。并进一步通过确定原图像的背景区域的图像纹理丰富程度,从而针对确定的图像纹理丰富程度,采用更合适、有效的图像补全算法并进行原图像水印区域缺失部分图像的补全,如此可以更有效地消除图像水印及后续补全,将图像恢复成完整、自然的图像。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例,并且连同其说明一起用于解释本发明的原理。
图1为本发明实施例的消除图像水印的装置的硬件配置结构方框图。
图2为本发明实施例的消除图像水印的装置的具体结构方框图。
图3为本发明第一实施例的第一确定模块的结构方框图。
图4为本发明第二实施例的第一确定模块的结构方框图。
图5为本发明第三实施例的第一确定模块的结构方框图。
图6为本发明第一实施例的第二确定模块的结构方框图。
图7为本发明第二实施例的第二确定模块的结构方框图。
图8为本发明实施例的消除图像水印的方法步骤流程图。
图9为本发明第一实施例的确定步骤的流程图。
图10为本发明第二实施例的确定步骤的流程图。
图11为本发明第一实施例的纹理判断步骤的流程图。
图12为本发明第二实施例的纹理判断步骤的流程图。
图13为本发明实施例的电子设备的结构方框图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
根据本发明的一个实施例,提供了一种消除图像水印的装置。
首先,关于本发明实施例的消除图像水印的装置1的硬件配置说明如下:本发明实施例的消除图像水印的装置1可以是便携式电脑、台式计算机、手机、平板电脑等。
如图1所示,消除图像水印的装置1可以包括处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600、扬声器1700、麦克风1800等等。其中,处理器1100可以是中央处理器CPU、微处理器MCU等。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括USB接口、耳机接口等。通信装置1400例如能够进行有线或无线通信,具体地可以包括WiFi通信、蓝牙通信、2G/3G/4G/5G通信等。显示装置1500例如是液晶显示屏、触摸显示屏等。输入装置1600例如可以包括触摸屏、键盘、体感输入等。用户可以通过扬声器1700和麦克风1800输入/输出语音信息。
图1所示的消除图像水印的装置仅仅是说明性的并且决不意味着对本发明、其应用或使用的任何限制。应用于本发明的实施例中,消除图像水印的装置1的所述存储器1200用于存储指令,所述指令用于控制所述处理器1100进行操作以执行本发明实施例提供的任意一项消除图像水印的方法。本领域技术人员应当理解,尽管在图1中对消除图像水印的装置1示出了多个装置,但是,本发明可以仅涉及其中的部分装置,例如,消除图像水印的装置1可以只涉及处理器1100和存储装置1200。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作,这是本领域公知,故在此不再详细描述。
请参考图2,该图为本发明实施例的消除图像水印的装置1的具体结构方框图。
如图所示,消除图像水印的装置1包括第一确定模块12、第二确定模块14,以及图像补全模块16。第一确定模块12用于根据待消除图像水印的原图像,输出原图像对应的二值图像,即水印蒙版。水印蒙版的二值图,图像可以只包含黑色与白色,黑色区域是背景区域,白色区域即水印区域。通过第一确定模块12输出水印蒙版,即确定原图像的水印区域和背景区域,并将该水印区域视为图像缺失的部分。
第二确定模块14用于确定原图像的背景区域的图像纹理丰富程度,图像补全模块16则用于根据所确定的图像纹理丰富程度,选择与所述图像纹理丰富程度对应的图像补全算法对视为图像缺失部分的原图像的水印区域进行补全,以得到消除原图像水印后并补全的完整图像。
关于第一确定模块12进行原图像水印检测并输出对应的水印蒙版,本发明可至少提供三种不同的实施例,下面分别进行详细描述。
图3为本发明第一实施例的第一确定模块12的结构方框图,在本实施例中,第一确定模块12包括阈值检测模块12’。第一实施例描述阈值检测模块12’利用阈值进行检测,阈值检测优选适用于已知水印的大致位置且水印颜色接近白色的图像。
如图3所示,阈值检测模块12’包括转换单元122’和分割单元124’,转换单元122’用于将原图像转换为灰度图像,分割单元124’根据选取的一个预定阈值对灰度图像进行阈值分割,以得到与原图像尺寸相同的二值图像的水印蒙版。
可选的,分割单元124’包括比对元件1242’、设置元件1244’以及输出元件1246’。比对元件1242’用于将灰度图像中每一像素点的像素值与预定阈值进行比对,当灰度图像的像素点的像素值大于预定阈值时,设置元件1244’将对应的像素点的像素值设置为第一像素值,例如设置为1,并且当灰度图像的像素点的像素值小于或等于预定阈值时,设置像素点的像素值为第二像素值,例如设置为0。根据像素值为0和1的像素点,输出元件1246’输出对应的二值图像的水印蒙版。
在另一个实施例中,第一确定模块12包括文字检测模块12”,图4为本发明第二实施例的第一确定模块的结构方框图。第二实施例描述文字检测模块12”利用文字进行检测,文字检测优选适用于除水印外不包含其他文字的自然图像。
如图4所示,本实施例中,文字检测模块12”用于检测原图像中的文字区域,将原图像中的文字区域的像素点的像素值和原图像中的其余区域的像素点的像素值设置为不同的像素值,以得到二值图像的所述水印蒙版。
在一个示例中,文字检测模块12”包括:框选单元122”,框选单元122”用于利用预先设定的文字检测模型,框选出原图像中的文字区域。
在一个示例中,文字检测模块12”还可以包括设置单元124”,设置单元124”用于将文字区域的像素点的像素值设置为第一像素值,例如设置为1,将原图像中的其余区域的像素点的像素值设置为第二像素值,例如设置为0,得到预先设定的文字检测模型;以及输出单元126”,输出单元126”用于根据像素值为1或0的像素点输出对应二值图像的水印蒙版。
在又一个实施例中,第一确定模块12同时包括阈值检测模块12’与文字检测模块12”,其中图5显示了为本发明第三实施例的第一确定模块的结构方框图。本实施例中,第一确定模块12同时利用了阈值检测和文字检测手段。
如上文所述,阈值检测模块12’将所述原图像转换为灰度图像,根据预定阈值对所述灰度图像进行阈值分割,以得到第一二值图像,文字检测模块12”检测所述原图像中的文字区域,将所述原图像中的文字区域的像素点的像素值和所述原图像中的其余区域的像素点的像素值设置为不同的像素值,以得到第二二值图像。
如图5所示,在第一确定模块12包括阈值检测模块12’与文字检测模块12”时,检测模块12还包括与(AND)运算模块13,与运算模块13用于将阈值检测模块12’得到的第一二值图像对应水印蒙版各像素点的像素值与阈值检测模块12”得到的第二二值图像对应水印蒙版各像素点的像素值分别一一对应进行与运算,以获得所述水印蒙版。
在本实施例中,通过结合阈值检测模块12’的阈值检测与文字检测模块12”基于深度学习的文字检测,融合上述两种检测手段,将检测得到的二值图像的各对应像素点的两个像素值做“与”操作得到一个新的二值图像,即求两份水印蒙版的交集得到更准确的水印蒙版,从而更精确地确定原图像的水印区域,并有利于后续高效的水印区域图像补全。
在获得水印蒙版并确定原图像的水印区域和背景区域后,需要结合第二确定模块进一步确定原图像的水印蒙版中背景区域的图像纹理丰富程度,即背景图像为复杂纹理还是简单纹理。
下面请参考图6和图7,图6、7分别为本发明第一、第二实施例的第二确定模块的结构方框图。
首先参考图6,如图所示,本实施例中第二确定模块14包括:计算单元142,计算单元142用于分别计算原图像的水印区域外围预定范围的像素点的R、G、B各个通道的像素值的标准差;求和单元144,求和单元144用于对R、G、B各个通道的像素值的标准差求和;比对单元146,比对单元146用于将标准差之和与第一预定阈值进行比对,根据所述比对结果确定所述原图像的背景区域的图像纹理丰富程度。
在一个示例中,如果标准差之和小于第一预定阈值,比对单元146判断背景区域的图像纹理丰富程度为简单纹理;如果标准差之和不小于第一预定阈值,比对单元146判断背景区域的图像纹理丰富程度为复杂纹理。
其中,对于水印区域的最小正外接矩形,水印区域外围预定范围的像素,即矩形框上的像素为水印框周围一圈像素点。矩形框也可适当外扩,例如,矩形中心点位置不变,长宽各增加2个像素。
关于计算单元142计算原图像的水印区域外围预定范围的像素点的R、G、B各个通道的像素值标准差具体如下:
假设原图像水印框周围一圈共n个像素点,这些像素的R分量,即R通道的像素值分别为R1,R2,……,Rn,则R分量像素的平均值为:
R分量像素的标准差为:
这些像素的G分量像素值分别为G1,G2,……,Gn,G分量的像素平均值为:
G分量的像素标准差为:
这些像素的B分量像素值分别为B1,B2,……,Bn,则B分量的像素平均值为:
B分量的像素标准差为:
然后,求和单元144根据以下式(1)计算出R、G、B各通道的像素值的标准差之和:
优选地,本实施例中,第一预定阈值的数值设置可以位于20-30的区间,即可获得较好补全效果的期望图像。
标准差越小,各像素的像素值之间的差异越小,可以认为图像纹理更简单。本发明实施例中,预定阈值是根据实验结果挑选的:通过准备预定数量的图像集,并对每张图像随机抹去一个矩形,分别使用基于快速行进的图像修复算法或使用简单纹理图像作为训练集的深度学习图像补全算法进行补全,并给每张图像利用上述两种补全结果分别进行打分,发现设置第一预定阈值<20的使用基于快速行进的图像修复算法补全效果较好,设置第一预定阈值>30的使用深度学习方法补全效果较好,阈值位于20-30的区间的部分,使用基于快速行进的图像修复算法的补全方法和深度学习的补全方法所得的补全效果差不多,均可以获得较好的图像补全。可选的,第一预定阈值设置为25,以获得更优的图像补全。
在图7所示的实施例中,第二确定模块14’包括:格式转换单元140’,格式转换单元140’用于将原图像转换为YUV格式图像;计算单元142’,计算单元142’用于计算YUV格式图像的水印区域外围预定范围的像素点的Y通道的像素值的标准差;比对单元146’,比对单元146’用于将标准差与第二预定阈值进行比对,根据所述比对结果确定所述原图像的背景区域的图像纹理丰富程度。
在一个示例中,如果标准差小于预定阈值,比对单元146’判断背景区域的图像纹理丰富程度为简单纹理;如果标准差不小于预定阈值,比对单元146’判断背景区域的图像纹理丰富程度为复杂纹理。
关于计算YUV格式图像的水印区域外围预定范围的像素点的Y通道的像素值的标准差,与上述RGB格式图像不同的是,计算单元142’需要从原图像水印框周围一圈共n个像素点中获取Y分量,即Y通道的像素值Y1,Y2,……,Yn,从而计算得到Y分量的像素值标准差为:
y为Y分量像素的平均值:
本实施例中,根据实验结果,设置第二预定阈值<8的使用基于快速行进的图像修复算法补全效果较好,设置第二预定阈值>12的使用深度学习方法补全效果较好,阈值位于8-12的区间的部分,使用基于快速行进的图像修复算法的补全方法和深度学习的补全方法均可以获得较好效果的图像补全,因此,可选的,第二预定阈值的数值设置为8-12,更优地,设置为10。
针对上述第一、第二实施例的第二确定模块14,14’,在判断单元148,148’判断图像纹理丰富程度之后,图像补全模块16可以根据确定结果选择对应合适的图像补全算法对原图像的水印区域进行图像补全。例如,基于快速行进的图像补全算法、基于深度学习的图像补全算法。基于快速行进的图像修复算法的图像补全算法根据周围已知像素推断缺失像素,基于深度学习的图像补全算法则通过构建卷积神经网络,对网络投入高清图像与标记出随机缺失区域的蒙版,使网络学习得到图像补全的能力,一般还使用GAN(GenerativeAdversarial Networks,生成对抗网络)来生成补全区域的逼真细节。
图像纹理丰富程度包括简单纹理和复杂纹理,如果所述图像纹理丰富程度为简单纹理,图像补全模块16可以选择使用基于快速行进的图像修复算法(An Image-InpaintingTechnique Based On the Fast Marching Method,FMM算法)等基于纹理合成的图像补全算法进行图像补全,也可以使用基于深度学习图像补全算法对所述原图像的水印区域进行补全,其中基于深度学习图像补全算法使用简单纹理图像作为训练集。若使用纹理简单的图像作为训练集,在训练时可以不使用GAN或减少GAN的影响,
如果所述图像纹理丰富程度为复杂纹理,也可以选择使用基于深度学习图像补全算法对所述原图像的水印区域进行补全,其中基于深度学习图像补全算法使用复杂纹理图像作为训练集。
本发明实施例的消除图像水印的装置,通过第一确定模块获得待消除图像水印的原图像的二值图像的水印蒙版,确定并区分出原图像的水印区域和背景区域。并且进一步通过第二确定模块来确定原图像水印蒙版背景区域的图像纹理丰富程度,从而图像补全模块可以针对确定的图像纹理丰富程度,对纹理简单和纹理复杂的图像分别采用更合适、有效的图像补全算法,进行原图像的水印区域的图像补全,如此可以更有效地消除图像水印及补全,将图像恢复成完整、自然的图像。
根据本发明的另一个实施例,还提供了一种消除图像水印的方法。
下面,将参考图8-12对本发明实施例消除图像水印的方法进行详细描述。
首先参考图8,图8为本发明实施例的消除图像水印的方法步骤流程图。如图所示,本实施例的消除图像水印的方法包括以下步骤:
根据待消除图像水印的原图像输出原图像对应的水印蒙版,以确定原图像的水印区域和背景区域(步骤102);
确定原图像的背景区域的图像纹理丰富程度(步骤104);以及
根据所确定的图像纹理丰富程度,选择与所述图像纹理丰富程度对应的图像补全算法对原图像的水印区域进行补全(步骤106),以消除原图像的水印。
关于步骤102输出水印蒙版,以确定原图像水印区域和背景区域的步骤可以通过至少三种不同的技术手段来实现。图9、10分别示出了本发明第一、第二实施例的确定步骤的流程图,图9的第一实施例描述利用阈值检测确定原图像的水印区域和背景区域的方法,图10的第二实施例主要描述利用文字检测确定原图像的水印区域和背景区域的方法。其中,阈值检测优选适用于已知水印的大致位置且水印颜色接近白色的图像,文字检测优选适用于除水印外不包含其他文字的自然图像。
如图9所示,本发明第一实施例的阈值检测方法首先将原图像转换为灰度图像(步骤202),后续根据选取的一个预定阈值对灰度图像进行阈值分割,以得到与原图像尺寸相同的二值图像的水印蒙版。
对灰度图像进行分割得到水印蒙版的步骤具体来说,需要将灰度图像中每一像素点的像素值与预定阈值进行比对,判断像素值是否大于此预定阈值(步骤204)。当灰度图像的像素点的像素值大于预定阈值时,前进至步骤206,将对应的像素点的像素值设置为第一像素值,例如设置为1。当灰度图像的像素点的像素值小于或等于预定阈值时,再于步骤208中,设置像素点的像素值为第二像素值,例如设置为0。最后,根据像素点的像素值为0还是1,输出对应像素点对应的二值图像的水印蒙版(步骤210)。
参考图10,本发明第二实施例的文字检测方法,用于检测原图像中的文字区域,将原图像中的文字区域的像素点的像素值和原图像中的其余区域的像素点的像素值设置为不同的像素值,以得到二值图像的水印蒙版。
该方法主要包括:
利用预先设定的文字检测模型,框选出原图像中的文字区域(步骤302)。
在一个示例中,该方法还包括以下步骤,得到预先设定的文字检测模型:
将文字区域的像素点的像素值设置为第一像素值,例如设置为1(步骤304);
将原图像中的其余区域的像素点的像素值设置为第二像素值,例如设置为0(步骤306)。
在一个示例中,该方法还可以包括:根据像素值为1或0的像素点输出对应二值图像的水印蒙版(步骤308)。
需要指出的是,本发明还提供了一种同时使用图9第一实施例的阈值检测和图10第二实施例的文字检测的水印区域确定手段(图中未示出),并且此时,本发明实施例的确定步骤还包括与(AND)运算步骤(图中未示出),以将阈值检测步骤得到的水印蒙版各像素点的像素值与文字检测步骤得到的水印蒙版各像素点的像素值分别一一对应进行与运算,以获得水印蒙版。
在同时利用阈值检测和文字检测的实施例中,通过融合上述两种检测手段,将分别检测得到的二值图的各对应像素点的两个像素值做“与”操作得到一个新的二值图,即求两份水印蒙版的交集得到更准确的水印蒙版,从而更精确地确定原图像的水印区域,并有利于后续高效的水印区域图像补全。
如上文所述,在获得水印蒙版并确定原图像的水印区域和背景区域后,需要进一步确定原图像的水印蒙版中背景区域的图像纹理丰富程度。
本发明实施例中提供了两种不同手段的图像纹理丰富程度判断手段,以确定原图像的背景区域的图像纹理丰富程度,分别如图11和图12所示。图11为本发明第一实施例的纹理判断步骤的流程图,图12为本发明第二实施例的纹理判断步骤的流程图。
首先参考图11,如图所示本实施例的纹理判断步骤包括:
步骤402,分别计算原图像的水印区域外围预定范围的像素点的R、G、B各个通道的像素值的标准差;
步骤404,对R、G、B各个通道的像素值的标准差相加求和;
步骤406,将标准差之和与第一预定阈值进行比对,标准差之和是否小于预定阈值;步骤408,如果比对标准差之和小于第一预定阈值,判断背景区域的图像纹理丰富程度为简单纹理;
步骤410,如果比对标准差之和不小于第一预定阈值,判断背景区域的图像纹理丰富程度为复杂纹理。
其中,对于水印区域的最小正外接矩形,水印区域外围预定范围的像素,即矩形框上的像素为水印框周围一圈像素点。
在步骤402中,原图像的水印区域外围预定范围的像素点的R、G、B各个通道的像素值的标准差分别为
其中R1,R2,……,Rn分别为原图像水印区域外围预定范围,例如水印框周围一圈n个像素点的R分量像素值,r为R分量像素的平均值
G1,G2,……,Gn分别为原图像水印框周围一圈n个像素点的G分量像素值,g为G分量像素的平均值
在步骤404中,可以进一步计算出R、G、B各通道的像素值的标准差之和:
在步骤406中,本实施例中第一预定阈值的数值设置可以位于20-30的区间,即可获得较少杂点的期望图像,得到较好的图像补全效果,可选的预定阈值设置为25。
在确定图像纹理丰富程度之后,需要基于确定结果选择对应合适的图像补全算法对原图像的水印区域进行图像补全。
图像纹理丰富程度包括简单纹理和复杂纹理,如果所述图像纹理丰富程度为简单纹理,对于步骤408,如果所述图像纹理丰富程度为简单纹理,利用适用简单纹理图像的补全算法进行图像补全(步骤412)。例如,可以选择使用基于快速行进的图像修复算法(AnImage-Inpainting Technique Based On the Fast Marching Method,FMM算法)等基于纹理合成的图像补全算法进行图像补全,也可以使用基于深度学习图像补全算法对所述原图像的水印区域进行补全,其中基于深度学习图像补全算法使用简单纹理图像作为训练集。
对于步骤410,如果所述图像纹理丰富程度为复杂纹理,可以使用基于深度学习图像补全算法对所述原图像的水印区域进行补全(步骤414),其中基于深度学习图像补全算法使用复杂纹理图像作为训练集。
下面参考图12,如图所示本实施例的纹理确定步骤包括:
步骤502,将原图像转换为YUV格式图像;
步骤504,计算YUV格式图像的水印区域外围预定范围的像素点的Y通道的像素值的标准差;
步骤506,将标准差与第二预定阈值进行比对,即比对标准差是否小于第二预定阈值;
步骤508,如果标准差小于预定阈值,判断背景区域的图像纹理丰富程度为简单纹理;以及
步骤510,如果标准差不小于预定阈值,判断背景区域的图像纹理丰富程度为复杂纹理。
在步骤502中,YUV格式图像的水印区域外围预定范围的像素点的Y通道的像素值的标准差为:
其中Y1,Y2,……,Yn分别为原图像水印框周围一圈n个像素点的Y分量像素值,y为Y分量像素的平均值
优选地,在步骤506中,第二预定阈值的数值设置为8-12,可选的设置为10。
同样地,在确定图像纹理丰富程度之后,需要基于确定结果选择对应合适的图像补全算法对原图像的水印区域进行图像补全。
本实施例中步骤512、514的图像补全手段可以与图11实施例的步骤412、414相同。
即,对于步骤508判断纹理简单的,利用适用简单纹理图像的补全算法进行图像补全(步骤512)。
对于步骤510判断纹理复杂的,可以使用基于深度学习图像补全算法(步骤514)。
本发明实施例的消除图像水印的方法,通过获得待消除图像水印原图像的二值图像的水印蒙版,确定出原图像的水印区域和背景区域。并且进一步通过确定原图像水印蒙版背景区域的图像纹理丰富程度,从而可以针对确定的图像纹理丰富程度,采用更合适、有效的图像补全算法,进行原图像的水印区域的图像补全,如此可以更有效地消除图像水印及补全,将图像恢复成完整、自然的图像。
此外,本发明实施例又提供了一种电子设备。
参考图13,图13为本发明实施例的电子设备的结构方框图。
在本实施例中,提供了一种电子设备100,一方面,该电子设备100可以包括前述的消除图像水印的装置1。
另一方面,如图13所示,电子设备100可以包括存储器102和处理器104,存储器102用于存储可执行的指令;该指令用于控制处理器104执行前述的消除图像水印的方法。
在本实施例中,电子设备100可以是手机、平板电脑、掌上电脑、台式机、笔记本电脑、工作站、游戏机等任意具有存储器102以及处理器104的电子产品。
在本发明的又一个实施例中,还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在被处理器执行时实现根据本发明任意实施例所述的消除图像水印的方法。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与运算机指令的组合来实现。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
Claims (15)
1.一种消除图像水印的方法,其特征在于,所述消除图像水印的方法包括以下步骤:
根据待消除图像水印的原图像输出所述原图像对应的水印蒙版,以确定所述原图像的水印区域和背景区域;
确定所述原图像的背景区域的图像纹理丰富程度;以及
根据所确定的图像纹理丰富程度,选择与所述图像纹理丰富程度对应的图像补全算法对所述原图像的水印区域进行补全,以消除所述原图像的水印。
2.根据权利要求1所述的消除图像水印的方法,其中,所述根据待消除图像水印的原图像输出所述原图像对应的水印蒙版的步骤包括:
将所述原图像转换为灰度图像;根据预定阈值对所述灰度图像进行阈值分割,以得到二值图像的所述水印蒙版;
或者
检测所述原图像中的文字区域,将所述原图像中的文字区域的像素点的像素值和所述原图像中的其余区域的像素点的像素值设置为不同的像素值,以得到二值图像的所述水印蒙版;
或者
将所述原图像转换为灰度图像,根据预定阈值对所述灰度图像进行阈值分割,以得到第一二值图像;
检测所述原图像中的文字区域,将所述原图像中的文字区域的像素点的像素值和所述原图像中的其余区域的像素点的像素值设置为不同的像素值,以得到第二二值图像;
将所述第一二值图像的各像素点的像素值与所述第二二值图像的各像素点的像素值分别一一对应进行与运算,以获得所述水印蒙版。
3.根据权利要求2所述的消除图像水印的方法,其中,所述根据预定阈值对所述灰度图像进行阈值分割的步骤包括:
将所述灰度图像中每一像素点的像素值与所述预定阈值进行比对;
当所述灰度图像的像素点的像素值大于所述预定阈值时,设置所述像素点的像素值为第一像素值;
当所述灰度图像的像素点的像素值小于或等于所述预定阈值时,设置所述像素点的像素值为第二像素值。
4.根据权利要求2所述的消除图像水印的方法,其中,所述检测所述原图像中的文字区域的步骤包括:
利用预先设定的文字检测模型,框选出所述原图像中的文字区域。
5.根据权利要求1所述的消除图像水印的方法,其中,所述确定所述原图像的背景区域的图像纹理丰富程度的步骤包括:
分别计算所述原图像的水印区域外围预定范围的像素点的R、G、B各个通道的像素值的标准差;
对所述R、G、B各个通道的像素值的标准差求和;
将所述标准差之和与第一预定阈值进行比对,根据所述比对结果确定所述原图像的背景区域的图像纹理丰富程度;
或者
将所述原图像转换为YUV格式图像;
计算所述YUV格式图像的水印区域外围预定范围的像素点的Y通道的像素值的标准差;
将所述标准差与第二预定阈值进行比对,根据所述比对结果确定所述原图像的背景区域的图像纹理丰富程度。
6.根据权利要求5所述的消除图像水印的方法,所述将所述标准差之和与第一预定阈值进行比对,根据所述比对结果确定所述原图像的背景区域的图像纹理丰富程度包括:
如果所述标准差之和小于所述第一预定阈值,判断所述背景区域的图像纹理丰富程度为简单纹理;以及
如果所述标准差之和不小于所述第一预定阈值,判断所述背景区域的图像纹理丰富程度为复杂纹理。
7.根据权利要求5所述的消除图像水印的方法,所述将所述标准差与第二预定阈值进行比对,根据所述比对结果确定所述原图像的背景区域的图像纹理丰富程度包括:
如果所述标准差小于所述第二预定阈值,判断所述背景区域的图像纹理丰富程度为简单纹理;
如果所述标准差不小于所述第二预定阈值,判断所述背景区域的图像纹理丰富程度为复杂纹理。
8.根据权利要求5所述的消除图像水印的方法,其中,所述第一预定阈值为20-30。
9.根据权利要求8所述的消除图像水印的方法,其中,所述第一预定阈值为25。
10.根据权利要求5所述的消除图像水印的方法,其中,所述第二预定阈值为8-12。
11.根据权利要求10所述的消除图像水印的方法,其中,所述第二预定阈值为10。
12.根据权利要求1-11任一权利要求所述的消除图像水印的方法,其中,所述图像纹理丰富程度包括简单纹理和复杂纹理;
所述根据所确定的图像纹理丰富程度,选择与所述图像纹理丰富程度对应的图像补全算法对所述原图像的水印区域进行补全包括:
如果所述图像纹理丰富程度为简单纹理时,选择基于快速行进的图像修复算法或使用简单纹理图像作为训练集的深度学习图像补全算法对所述原图像的水印区域进行补全;
如果所述图像纹理丰富程度为复杂纹理时,选择使用复杂纹理图像作为训练集的深度学习图像补全算法对所述原图像的水印区域进行补全。
13.一种消除图像水印的装置,其特征在于,所述消除图像水印的装置包括:
第一确定模块,所述第一确定模块用于根据待消除图像水印的原图像输出所述原图像对应的水印蒙版,以确定所述原图像的水印区域和背景区域;
第二确定模块,所述第二确定模块用于确定所述原图像的背景区域的图像纹理丰富程度;以及
图像补全模块,所述图像补全模块用于根据所确定的图像纹理丰富程度,选择与所述图像纹理丰富程度对应的图像补全算法对所述原图像的水印区域进行补全,以消除所述原图像的水印。
14.一种电子设备,其特征在于,包括:
根据权利要求13所述的消除图像水印的装置;或者,
处理器和存储器,所述存储器用于存储可执行的指令,所述指令用于控制所述处理器执行根据权利要求1至12中任一权利要求所述的消除图像水印的方法。
15.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1至12中任一权利要求所述的消除图像水印的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911424183.9A CN111192190B (zh) | 2019-12-31 | 2019-12-31 | 消除图像水印的方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911424183.9A CN111192190B (zh) | 2019-12-31 | 2019-12-31 | 消除图像水印的方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111192190A CN111192190A (zh) | 2020-05-22 |
CN111192190B true CN111192190B (zh) | 2023-05-12 |
Family
ID=70709763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911424183.9A Active CN111192190B (zh) | 2019-12-31 | 2019-12-31 | 消除图像水印的方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111192190B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112949754B (zh) * | 2021-03-29 | 2022-10-14 | 中国科学院合肥物质科学研究院 | 一种基于图像融合的文本识别数据合成方法 |
CN113222843B (zh) * | 2021-05-10 | 2023-11-10 | 北京有竹居网络技术有限公司 | 一种图像修复方法及其相关设备 |
CN113269692A (zh) * | 2021-05-28 | 2021-08-17 | 北京人人网互动科技有限公司 | 一种基于图像修复的视频去logo方法及系统 |
CN113744150A (zh) * | 2021-08-31 | 2021-12-03 | 杭州隆埠科技有限公司 | 一种图像去水印的方法及装置 |
CN114598923A (zh) * | 2022-03-08 | 2022-06-07 | 北京达佳互联信息技术有限公司 | 视频文字清除方法、装置、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101647266A (zh) * | 2007-03-27 | 2010-02-10 | 日立公共系统工程株式会社 | 图像处理装置、图像处理程序 |
JP2010109486A (ja) * | 2008-10-28 | 2010-05-13 | Seiko Instruments Inc | 画像処理装置、及び画像処理プログラム |
CN102521786A (zh) * | 2011-12-01 | 2012-06-27 | 中国科学院自动化研究所 | 一种基于颜色检测和快速匹配法的照片水印去除方法 |
CN106651805A (zh) * | 2016-12-28 | 2017-05-10 | 贵州大学 | 基于机器学习的图像水印去除方法 |
CN106934780A (zh) * | 2017-03-15 | 2017-07-07 | 中山大学 | 一种基于图像修复的自动水印去除方法 |
CN107025638A (zh) * | 2017-03-28 | 2017-08-08 | 北京小米移动软件有限公司 | 图像处理的方法及装置 |
CN108269220A (zh) * | 2016-12-30 | 2018-07-10 | 北京思源互联科技有限公司 | 定位数字水印的方法及装置 |
CN110191343A (zh) * | 2019-06-03 | 2019-08-30 | 河海大学 | 一种基于方差分析的自适应视频水印的嵌入和提取方法 |
CN110599408A (zh) * | 2019-07-25 | 2019-12-20 | 安庆师范大学 | 一种基于图像纹理区域选择性多尺度去纹理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3059804B1 (fr) * | 2016-12-07 | 2019-08-02 | Idemia Identity And Security | Systeme de traitement d'images |
-
2019
- 2019-12-31 CN CN201911424183.9A patent/CN111192190B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101647266A (zh) * | 2007-03-27 | 2010-02-10 | 日立公共系统工程株式会社 | 图像处理装置、图像处理程序 |
JP2010109486A (ja) * | 2008-10-28 | 2010-05-13 | Seiko Instruments Inc | 画像処理装置、及び画像処理プログラム |
CN102521786A (zh) * | 2011-12-01 | 2012-06-27 | 中国科学院自动化研究所 | 一种基于颜色检测和快速匹配法的照片水印去除方法 |
CN106651805A (zh) * | 2016-12-28 | 2017-05-10 | 贵州大学 | 基于机器学习的图像水印去除方法 |
CN108269220A (zh) * | 2016-12-30 | 2018-07-10 | 北京思源互联科技有限公司 | 定位数字水印的方法及装置 |
CN106934780A (zh) * | 2017-03-15 | 2017-07-07 | 中山大学 | 一种基于图像修复的自动水印去除方法 |
CN107025638A (zh) * | 2017-03-28 | 2017-08-08 | 北京小米移动软件有限公司 | 图像处理的方法及装置 |
CN110191343A (zh) * | 2019-06-03 | 2019-08-30 | 河海大学 | 一种基于方差分析的自适应视频水印的嵌入和提取方法 |
CN110599408A (zh) * | 2019-07-25 | 2019-12-20 | 安庆师范大学 | 一种基于图像纹理区域选择性多尺度去纹理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111192190A (zh) | 2020-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111192190B (zh) | 消除图像水印的方法、装置及电子设备 | |
CN109670558B (zh) | 使用深度学习的数字图像完成 | |
US11004208B2 (en) | Interactive image matting using neural networks | |
CN108961303B (zh) | 一种图像处理方法、装置、电子设备和计算机可读介质 | |
US10861232B2 (en) | Generating a customized three-dimensional mesh from a scanned object | |
KR102107709B1 (ko) | 공간 트랜스포머 모듈들 | |
CN111179159B (zh) | 消除视频中目标影像的方法、装置、电子设备及存储介质 | |
US9665962B2 (en) | Image distractor detection and processng | |
KR101288670B1 (ko) | 최초 배경 복구에 대한 대응책 | |
WO2017096946A1 (zh) | 图像高频信息的定位方法和装置 | |
CN110832583A (zh) | 用于从多个图像帧生成概要故事板的系统和方法 | |
CN112258404B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
WO2017035971A1 (zh) | 一种生成颜文字的方法和装置 | |
CN109145970B (zh) | 基于图像的问答处理方法和装置、电子设备及存储介质 | |
CN112752158A (zh) | 一种视频展示的方法、装置、电子设备及存储介质 | |
CN116310315A (zh) | 抠图方法、装置、电子设备以及存储介质 | |
JP2023109570A (ja) | 情報処理装置、学習装置、画像認識装置、情報処理方法、学習方法、画像認識方法 | |
US20160284072A1 (en) | System for photo customizable caricature generation for custom products | |
CN110992251B (zh) | 视频中logo替换方法、装置及电子设备 | |
CN109598206B (zh) | 动态手势识别方法及装置 | |
KR101592087B1 (ko) | 배경 영상의 위치를 이용한 관심맵 생성 방법 및 이를 기록한 기록 매체 | |
US10235786B2 (en) | Context aware clipping mask | |
CN111010606B (zh) | 视频处理方法和装置 | |
US9684999B1 (en) | Easily computable object representations | |
JP6892557B2 (ja) | 学習装置、画像生成装置、学習方法、画像生成方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |