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
目录
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。
实现原理：
- 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）。
- 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。
- 接着，通过自适应的方法检测水印并生成水印的遮罩。
- 最后，利用生成的水印遮罩，对视频进行修复，去除水印。
实现方法：
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。它通过计算视频中多个帧的均值来确定第一个有效帧。select_roi_for_mask(video_clip)：通过交互式界面在视频中选择水印的ROI，返回水印的ROI坐标和尺寸。detect_watermark_adaptive(frame, roi)：自适应检测水印并生成水印的遮罩。它在水印的ROI上应用灰度化和二值化来检测水印。generate_watermark_mask(video_clip, num_frames=10, min_frame_count=7)：生成水印的遮罩。它在视频的多个帧中检测水印，并根据水印像素点在至少指定数量的帧中出现的次数来生成最终的水印遮罩。process_video(video_clip, output_path, apply_mask_func)：处理视频并保存结果。它将给定的应用遮罩函数应用于视频的每一帧，并将处理后的视频保存到指定路径。
涉及的关键函数及其说明：
get_first_valid_frame(video_clip, threshold=10, num_frames=10)：
- 功能：获取视频的第一个有效帧，用于选择水印的ROI。
- 参数：
video_clip：视频剪辑对象。threshold：判断帧是否有效的阈值，默认为10。num_frames：用于选择的帧的数量，默认为10。- 返回值：第一个有效帧的图像数据。
select_roi_for_mask(video_clip)：
- 功能：从视频剪辑中选择水印的ROI。
- 参数：
video_clip：视频剪辑对象。- 返回值：水印ROI的坐标和尺寸 (x, y, w, h)。
detect_watermark_adaptive(frame, roi)：
- 功能：自适应检测水印并生成遮罩。
- 参数：
frame：视频帧的图像数据。roi：水印的ROI坐标和尺寸 (x, y, w, h)。- 返回值：水印的遮罩图像数据。
generate_watermark_mask(video_clip, num_frames=10, min_frame_count=7)：
- 功能：生成水印的遮罩。
- 参数：
video_clip：视频剪辑对象。num_frames：用于生成遮罩的帧的数量，默认为10。min_frame_count：水印像素点在至少多少帧中出现才被认为是水印，默认为7。- 返回值：水印的遮罩图像数据。
process_video(video_clip, output_path, apply_mask_func)：
- 功能：处理视频并保存结果。
- 参数：
video_clip：视频剪辑对象。output_path：输出视频路径。apply_mask_func：应用遮罩的函数。- 返回值：无。
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
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
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。