Python 基于 OpenCV 视觉图像处理实战之 OpenCV 简单视频处理实战案例之十二简单把视频的水印去掉效果

一、简单介绍

Python是一种跨平台的计算机程序设计语言。是一种面向对象的动态类型语言，最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越多被用于独立的、大型项目的开发。Python是一种解释型脚本语言，可以应用于以下领域： Web 和 Internet开发、科学计算和统计、人工智能、教育、桌面界面开发、软件开发、后端开发、网络爬虫。

这里使用 Python 基于 OpenCV 进行视觉图像处理，......

二、简单把视频的水印去掉效果实现原理

去除视频水印是指在视频中移除嵌入的标识、图标、文字或任何其他可视元素的过程。这些水印通常是为了保护知识产权、标识所有权或添加额外信息而添加到视频中的。去除水印可以提高视频的质量和观看体验，特别是当水印影响了视频的内容或美观性时。去除水印的方法通常包括使用图像处理技术，如图像修复、遮罩生成、内容填充等。

涉及的关键函数及其说明：

三、简单把视频的水印去掉效果案例实现简单步骤

1、编写代码

Python 基于 OpenCV 视觉图像处理实战之 OpenCV 简单视频处理实战案例之十二简单把视频的水印去掉效果-LMLPHP

2、运行效果

操作：1、选择水印区域，2、然后空格或者回车，后台开始去除视频水印

Python 基于 OpenCV 视觉图像处理实战之 OpenCV 简单视频处理实战案例之十二简单把视频的水印去掉效果-LMLPHP

3、具体代码

"""
简单的框选水印位置，移除水印
    1、代码首先获取视频的第一个有效帧，用于选择水印的ROI（感兴趣区域）。
    2、然后用户可以通过交互式界面在视频中选择水印的ROI，以便后续处理。
    3、接着，通过自适应的方法检测水印并生成水印的遮罩。
    4、最后，利用生成的水印遮罩，对视频进行修复，去除水印。
"""

import cv2
import numpy as np
from moviepy.editor import VideoFileClip
import os
from tqdm import tqdm


def get_first_valid_frame(video_clip, threshold=10, num_frames=10):
    """
    获取视频的第一个有效帧，用于选择水印的ROI
    :param video_clip: 视频剪辑对象
    :param threshold: 判断帧是否有效的阈值
    :param num_frames: 用于选择的帧的数量
    :return: 第一个有效帧的图像数据
    """
    total_frames = int(video_clip.fps * video_clip.duration)
    frame_indices = [int(i * total_frames / num_frames) for i in range(num_frames)]

    for idx in frame_indices:
        frame = video_clip.get_frame(idx / video_clip.fps)
        if frame.mean() > threshold:
            return frame
    # 注意：不一定第一帧就有水印
    return video_clip.get_frame(0)


def select_roi_for_mask(video_clip):
    """
    从视频剪辑中选择水印的ROI
    :param video_clip: 视频剪辑对象
    :return: 水印ROI的坐标和尺寸 (x, y, w, h)
    """

    frame = get_first_valid_frame(video_clip)

    # 将视频帧调整为720p显示
    display_height = 720
    scale_factor = display_height / frame.shape[0]
    display_width = int(frame.shape[1] * scale_factor)
    display_frame = cv2.resize(frame, (display_width, display_height))

    instructions = "Select ROI and press SPACE or ENTER"
    font = cv2.FONT_HERSHEY_SIMPLEX
    cv2.putText(display_frame, instructions, (10, 30), font, 1, (255, 255, 255), 2, cv2.LINE_AA)

    r = cv2.selectROI(display_frame)
    cv2.destroyAllWindows()

    r_original = (
    int(r[0] / scale_factor), int(r[1] / scale_factor), int(r[2] / scale_factor), int(r[3] / scale_factor))

    return r_original


def detect_watermark_adaptive(frame, roi):
    """
    自适应检测水印并生成遮罩。
    :param frame: 视频帧的图像数据
    :param roi: 水印的ROI坐标和尺寸 (x, y, w, h)。
    :return: 水印的遮罩图像数据。
    """
    roi_frame = frame[roi[1]:roi[1] + roi[3], roi[0]:roi[0] + roi[2]]
    gray_frame = cv2.cvtColor(roi_frame, cv2.COLOR_BGR2GRAY)
    _, binary_frame = cv2.threshold(gray_frame, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

    mask = np.zeros_like(frame[:, :, 0], dtype=np.uint8)
    mask[roi[1]:roi[1] + roi[3], roi[0]:roi[0] + roi[2]] = binary_frame

    return mask


def generate_watermark_mask(video_clip, num_frames=10, min_frame_count=7):
    """
    生成水印的遮罩
    :param video_clip: 视频剪辑对象
    :param num_frames: 用于生成遮罩的帧的数量
    :param min_frame_count: 水印像素点在至少多少帧中出现才被认为是水印
    :return: 水印的遮罩图像数据
    """
    total_frames = int(video_clip.duration * video_clip.fps)
    frame_indices = [int(i * total_frames / num_frames) for i in range(num_frames)]

    frames = [video_clip.get_frame(idx / video_clip.fps) for idx in frame_indices]
    r_original = select_roi_for_mask(video_clip)

    masks = [detect_watermark_adaptive(frame, r_original) for frame in frames]

    final_mask = sum((mask == 255).astype(np.uint8) for mask in masks)
    # 根据像素点在至少min_frame_count张以上的帧中的出现来生成最终的遮罩
    final_mask = np.where(final_mask >= min_frame_count, 255, 0).astype(np.uint8)

    kernel = np.ones((5, 5), np.uint8)
    return cv2.dilate(final_mask, kernel)


def process_video(video_clip, output_path, apply_mask_func):
    """
    处理视频并保存结果
    :param video_clip: 视频剪辑对象
    :param output_path: 输出视频路径
    :param apply_mask_func: 应用遮罩的函数
    :return:
    """
    total_frames = int(video_clip.duration * video_clip.fps)
    progress_bar = tqdm(total=total_frames, desc="Processing Frames", unit="frames")

    def process_frame(frame):
        result = apply_mask_func(frame)
        progress_bar.update(1000)
        return result

    processed_video = video_clip.fl_image(process_frame, apply_to=["each"])
    processed_video.write_videofile(f"{output_path}.mp4", codec="libx264")


if __name__ == "__main__":

    input_video_path = "Videos/CatRun_Wartermark.mp4"
    output_video_path = "Videos/CatRun_Wartermark_ToRemove.mp4"

    watermark_mask = None

    video_clip = VideoFileClip(input_video_path)
    if watermark_mask is None:
        watermark_mask = generate_watermark_mask(video_clip)

    mask_func = lambda frame: cv2.inpaint(frame, watermark_mask, 3, cv2.INPAINT_NS)
    video_name = os.path.basename(input_video_path)
    process_video(video_clip, output_video_path, mask_func)
    print(f"Successfully processed {video_name}")

四、注意事项

代码中使用了交互式界面让用户选择水印的ROI，因此运行代码时需要有图形界面的支持。
自适应检测水印的方法在一定程度上能够应对不同类型的水印，但并不是万能的，可能会存在一定的误差。
在检测水印时，需要根据实际情况调整参数，以获得最佳的检测效果。
在去除水印时，采用了基于遮罩的修复方法，可能会对图像的质量产生一定的影响，需要根据实际需求权衡。

仙魁XAN