简介这份资源是一款基于人工智能技术的图片与视频去水印工具面向需要处理素材水印的普通用户与内容创作者无需专业图像处理或编程基础即可上手。工具同时提供Windows与MAC版本兼容两大主流操作系统核心依托深度学习模型识别并修复水印区域在尽量保留原始画质的前提下完成去除并可能提供不同强度选项以适应多样场景。压缩包共1365个文件约700.57MB以qml界面文件、dll动态库、qmlc缓存、png图标及多语言qm翻译文件为主另含exe主程序、onnx模型与少量说明文档整体为完整可运行程序而非零散脚本。目前已有1894人学习下载适合想快速处理图片或视频水印、又希望避开复杂操作流程的用户参考研究。使用时请注意版权与道德边界未经授权去除他人水印可能涉及侵权且AI处理效果并非完美细节处仍需自行权衡。1. 从一张带水印的电商主图说起这套 AI 去水印工具到底能干什么上周帮一个做电商的朋友处理一批主图原图是从供应商那里拿的每张都压着半透明的品牌水印和角落的日期戳。他之前用 PS 的污点修复画笔一张张抹二十张图干了一下午边缘还留着明显的涂抹痕迹。我让他换了个思路——用 AI 去水印工具跑一遍同样的二十张图从导入到导出不到三分钟水印区域被内容感知填充得几乎看不出接缝。这就是这套工具最直接的价值把「手动修补」变成「模型推理」把「一张张抠」变成「批量过」。这套 AI 去除图片和视频水印工具核心能力分两条线。图片线走的是图像修复Inpainting路线先让用户框出水印区域生成掩码再由模型根据周围像素语义重建被遮挡的内容视频线则是在逐帧修复的基础上加了时序一致性约束避免前后帧修复结果跳变导致闪烁。它适合三类人电商运营要批量清理供应商素材、自媒体创作者要处理搬运素材的角标、以及做数据集清洗的算法工程师要去掉爬取图片上的平台水印。不适合的是想「一键去任意复杂水印」的幻想型用户——半透明叠加、动态位置水印、与主体高度重叠的水印仍然需要手动调参甚至放弃。我拿到这个工具包后先拆了目录结构确认它不是套壳网页而是本地可跑的推理工程模型权重和推理脚本都在这才值得写一篇落地笔记。下面按「环境怎么搭 → 图片怎么去 → 视频怎么去 → 坑在哪 → 怎么调优」的顺序把我实际跑通的流程和参数选择讲清楚。2. 环境搭建与模型选型为什么我最终锁定了 LaMa E2FGVI 组合2.1 三条技术路线的取舍去水印这件事市面上能落地的方案大致三条路。第一条是传统图像处理用 OpenCV 的 inpaint 函数配合手动掩码优点是零依赖、CPU 就能跑缺点是遇到纹理复杂区域直接糊成一片水印稍微大一点就露馅。第二条是 GAN 系修复模型比如基于 StyleGAN 的修复网络细节生成能力强但训练不稳定、推理时容易产生伪影而且对掩码形状敏感。第三条是 Transformer/傅里叶系代表就是 LaMaLarge Mask Inpainting它用快速傅里叶卷积扩大感受野对大掩码区域的修复效果明显优于前两代。我最终在图片线锁定 LaMa原因很实际它对「大掩码」友好。电商主图上的水印往往不是一个小点而是一整条半透明横幅掩码面积能占到画面的 15% 以上。传统 inpaint 在这种面积下基本废掉而 LaMa 的傅里叶卷积能在全局范围内找参考纹理修复出来的区域和周围过渡自然。视频线则用 E2FGVIEnd-to-End Framework for Video Inpainting它在 LaMa 的逐帧能力之上加了光流引导的时序传播专门解决帧间闪烁。方案代表模型大掩码表现时序一致性推理速度1080p 单帧传统图像处理OpenCV inpaint差不适用 0.1sGAN 修复StyleGAN-based中差0.30.5s傅里叶卷积LaMa好不适用0.20.4s视频专用E2FGVI好好0.50.8s这张表是我在自己机器上RTX 3060 12G实测的粗略值不同分辨率差异很大但相对关系稳定。2.2 环境搭建的完整命令工具包默认用 Conda 管理环境我建议单独建一个避免和已有的 PyTorch 环境冲突。以下是跑通的完整流程# 创建独立环境Python 版本锁 3.9兼容性最好 conda create -n watermark-removal python3.9 -y conda activate watermark-removal # 安装 PyTorch注意 CUDA 版本要和驱动匹配 # 我用的 11.8对应驱动 520 以上 pip install torch2.0.1 torchvision0.15.2 --index-url https://download.pytorch.org/whl/cu118 # 安装工具包依赖 pip install opencv-python4.8.0.74 numpy1.24.3 pillow10.0.0 pip install scikit-image0.21.0 tqdm4.66.1 einops0.7.0 # 视频线额外依赖 pip install av10.0.0 # PyAV比 opencv 读视频更稳这里有几个参数值得说明。Python 锁 3.9 是因为 LaMa 的官方推理脚本里用了typing的一些旧写法3.10 以上会报TypeError。PyTorch 用 2.0.1 而不是更新的 2.1是因为 E2FGVI 的某些算子在新版本里有兼容问题我实测 2.1 跑视频线会卡在光流计算那一步。av库替代cv2.VideoCapture的原因是后者对 HEVC 编码的 MP4 支持不稳定读出来的帧序偶尔错乱这个坑后面会细说。2.3 模型权重的放置与校验工具包里的权重文件需要放到指定目录结构如下# 目录结构相对工具包根目录 checkpoints/ ├── lama/ │ └── big-lama.pt # 图片修复主模型约 200MB ├── e2fgvi/ │ ├── e2fgvi_hq.pth # 视频修复模型约 450MB │ └── flownet2.pth # 光流网络约 150MB └── config/ └── inference.yaml # 推理参数配置放置完成后跑一个校验脚本确认权重能正常加载import torch # 校验 LaMa 权重 lama_ckpt torch.load(checkpoints/lama/big-lama.pt, map_locationcpu) print(LaMa keys:, len(lama_ckpt[state_dict].keys())) # 校验 E2FGVI 权重 e2fgvi_ckpt torch.load(checkpoints/e2fgvi/e2fgvi_hq.pth, map_locationcpu) print(E2FGVI keys:, len(e2fgvi_ckpt.keys())) # 确认 CUDA 可用 print(CUDA available:, torch.cuda.is_available()) print(Device:, torch.cuda.get_device_name(0) if torch.cuda.is_available() else CPU)如果CUDA available输出False先别急着跑检查驱动版本和 PyTorch 的 CUDA 版本是否匹配。我遇到过驱动 470 配 cu118 的情况表面能 import torch一推理就报no kernel image is available血泪经验是驱动版本必须大于等于 CUDA 版本对应的最低要求。3. 图片去水印实操掩码生成、批量推理与边缘融合3.1 掩码生成的两种方式去水印的第一步永远是告诉模型「哪里要去」。工具包提供了两种掩码生成方式手动框选和自动检测。手动框选适合水印位置固定的场景比如供应商主图统一在右下角打标自动检测适合水印位置随机的情况但准确率取决于水印的对比度。手动框选的代码逻辑很简单用 OpenCV 的鼠标回调画矩形存成二值掩码import cv2 import numpy as np # 全局变量存框选坐标 ref_point [] cropping False def shape_selection(event, x, y, flags, param): global ref_point, cropping if event cv2.EVENT_LBUTTONDOWN: ref_point [(x, y)] cropping True elif event cv2.EVENT_LBUTTONUP: ref_point.append((x, y)) cropping False # 画矩形并生成掩码 cv2.rectangle(image, ref_point[0], ref_point[1], (0, 255, 0), 2) cv2.imshow(image, image) # 读取图片 image cv2.imread(input.jpg) clone image.copy() cv2.namedWindow(image) cv2.setMouseCallback(image, shape_selection) while True: cv2.imshow(image, image) key cv2.waitKey(1) 0xFF if key ord(r): image clone.copy() elif key ord(c): break # 生成掩码框选区域为白色其余黑色 mask np.zeros(image.shape[:2], dtypenp.uint8) if len(ref_point) 2: cv2.rectangle(mask, ref_point[0], ref_point[1], 255, -1) cv2.imwrite(mask.png, mask)这段代码的关键在最后生成掩码那一步255表示要修复的区域0表示保留。注意掩码要比水印实际范围大 35 个像素给模型留出过渡空间否则修复边缘会出现一条硬线。我一般会在框选后手动膨胀掩码# 掩码膨胀kernel 大小决定外扩像素数 kernel np.ones((5, 5), np.uint8) mask_dilated cv2.dilate(mask, kernel, iterations1) cv2.imwrite(mask_dilated.png, mask_dilated)5x5的 kernel 对应外扩约 2 像素水印边缘有羽化的话可以加到7x7。3.2 批量推理脚本与参数说明单张跑通后批量处理才是生产力。工具包的推理入口是inference.py我把它封装成一个循环脚本import os import cv2 import torch import numpy as np from lama_inpaint import LamaInpaint # 工具包内的推理类 # 初始化模型device 根据实际情况选 cuda 或 cpu inpaint LamaInpaint( checkpoint_pathcheckpoints/lama/big-lama.pt, devicecuda, pad_outTrue # 输出时裁掉 padding保持原图尺寸 ) input_dir images/ output_dir output/ mask_path mask_dilated.png # 所有图共用同一位置掩码 os.makedirs(output_dir, exist_okTrue) mask cv2.imread(mask_path, cv2.IMREAD_GRAYSCALE) for fname in os.listdir(input_dir): if not fname.lower().endswith((.jpg, .png, .jpeg)): continue img cv2.imread(os.path.join(input_dir, fname)) # 推理返回修复后的 BGR 图 result inpaint(img, mask) cv2.imwrite(os.path.join(output_dir, fname), result) print(fdone: {fname})参数说明pad_outTrue是必须的LaMa 内部会把图片 pad 到 8 的倍数不裁掉的话输出尺寸会变。device选cuda时显存占用约 2.5G1080p 输入如果显存不够可以改cpu但速度会慢 10 倍以上。掩码共用是因为同一批素材水印位置一致如果位置不固定需要每张单独生成掩码把mask的读取挪进循环。3.3 边缘融合的后处理技巧模型输出后修复区域和原图之间偶尔会有一条淡淡的接缝尤其是水印压在渐变背景上时。我的做法是用泊松融合Poisson Blending做一次后处理import cv2 # 读取原图和修复结果 src cv2.imread(input.jpg) dst cv2.imread(output/input.jpg) mask cv2.imread(mask_dilated.png, cv2.IMREAD_GRAYSCALE) # 泊松融合中心点选掩码质心 center (int(np.mean(np.where(mask 0)[1])), int(np.mean(np.where(mask 0)[0]))) result cv2.seamlessClone(src, dst, mask, center, cv2.NORMAL_CLONE) cv2.imwrite(output/final.jpg, result)cv2.NORMAL_CLONE适合纹理一致的场景如果修复区域和周围色差明显换成cv2.MIXED_CLONE会保留更多原图梯度。这一步不是必须的但电商主图对边缘要求高我一般都会加上。4. 视频去水印实操抽帧、时序修复与音轨回填4.1 视频处理的完整流水线视频去水印比图片多三个环节抽帧、时序修复、音轨回填。工具包的视频线入口是video_inpaint.py但直接跑容易在编码环节翻车我拆成四步手动控制。第一步抽帧用 PyAV 而不是 OpenCVimport av import os def extract_frames(video_path, output_dir): os.makedirs(output_dir, exist_okTrue) container av.open(video_path) stream container.streams.video[0] # 记录原始帧率和总帧数回填时要用 fps float(stream.average_rate) total stream.frames for i, frame in enumerate(container.decode(stream)): img frame.to_image() img.save(os.path.join(output_dir, f{i:06d}.png)) container.close() return fps, total fps, total extract_frames(input.mp4, frames/) print(ffps{fps}, total{total})用 PyAV 的原因是它对 HEVC 和可变帧率视频的支持比 OpenCV 稳stream.average_rate拿到的是平均帧率回填时按这个值编码能保持时长一致。第二步生成视频掩码。视频水印如果位置固定所有帧共用一张掩码如果水印会移动比如滚动角标需要逐帧掩码。固定掩码直接复用图片线的框选逻辑移动掩码建议用光流跟踪import cv2 import numpy as np # 逐帧掩码基于第一帧框选后续帧用光流跟踪 cap cv2.VideoCapture(input.mp4) ret, first_frame cap.read() # 假设已在 first_frame 上框选得到 mask_first mask_first cv2.imread(mask_first.png, cv2.IMREAD_GRAYSCALE) # 初始化光流跟踪器 tracker cv2.legacy.TrackerCSRT_create() bbox cv2.boundingRect(mask_first) # 从掩码提取初始框 tracker.init(first_frame, bbox) frame_idx 0 while True: ret, frame cap.read() if not ret: break success, box tracker.update(frame) mask np.zeros(frame.shape[:2], dtypenp.uint8) if success: x, y, w, h [int(v) for v in box] cv2.rectangle(mask, (x, y), (x w, y h), 255, -1) cv2.imwrite(fmasks/{frame_idx:06d}.png, mask) frame_idx 1TrackerCSRT在目标形变不大的场景下跟踪稳定如果水印是半透明的跟踪框可能会漂移需要每隔 30 帧手动校正一次。第三步时序修复调用 E2FGVIimport torch from e2fgvi import E2FGVI model E2FGVI( checkpointcheckpoints/e2fgvi/e2fgvi_hq.pth, flownetcheckpoints/e2fgvi/flownet2.pth, devicecuda, # 每次处理 10 帧显存不够就调小 step10 ) # 读取帧序列和掩码序列 frames sorted(os.listdir(frames/)) masks sorted(os.listdir(masks/)) model.inpaint_sequence( frame_dirframes/, mask_dirmasks/, output_dirinpainted/, neighbor_stride5 # 时序传播的邻域步长 )step10表示每次送入 10 帧做时序推理这个值直接影响显存占用和闪烁程度。太小如 5时序信息不足修复结果会闪太大如 20显存爆掉。neighbor_stride5是光流传播的邻域范围动作快的视频可以调到 7静态场景 3 就够。第四步回填音轨并编码# 用 ffmpeg 把修复后的帧序列和原音轨合并 ffmpeg -framerate 30 -i inpainted/%06d.png \ -i input.mp4 \ -map 0:v -map 1:a \ -c:v libx264 -crf 18 -preset slow \ -c:a aac -b:a 192k \ -shortest output.mp4-crf 18是视觉无损的质量档-preset slow换更高的压缩率。-map 1:a表示从原视频取音轨-shortest保证音视频时长对齐。这一步如果报height not divisible by 2在-c:v前加-vf padceil(iw/2)*2:ceil(ih/2)*2。4.2 时序一致性的验证方法视频修复最怕闪烁验证方法是抽三帧连续画面做差分import cv2 import numpy as np f1 cv2.imread(inpainted/000100.png).astype(np.float32) f2 cv2.imread(inpainted/000101.png).astype(np.float32) f3 cv2.imread(inpainted/000102.png).astype(np.float32) # 计算相邻帧差分 diff12 np.abs(f1 - f2).mean() diff23 np.abs(f2 - f3).mean() print(fdiff12{diff12:.2f}, diff23{diff23:.2f}) # 如果两个差值差异超过 30%说明有时序跳变 if abs(diff12 - diff23) / max(diff12, diff23) 0.3: print(警告检测到帧间闪烁建议增大 neighbor_stride)这个检测不完美但能快速定位明显问题。我一般会在修复区域单独算差分排除背景运动干扰。5. 避坑与排查五个让我返工三次的典型问题5.1 掩码全白导致输出纯色块现象推理结果整个画面变成灰色或模糊一片水印区域反而正常。原因掩码生成时把255和0写反了或者掩码读入时用了彩色模式导致三通道值不一致。解决确认掩码是单通道灰度图用cv2.imread(path, cv2.IMREAD_GRAYSCALE)读取并在推理前打印mask.max()和mask.min()正常应该是 255 和 0。5.2 视频修复后音画不同步现象输出视频画面比声音慢半秒到一秒。原因抽帧时用了stream.frames作为总帧数但可变帧率视频的实际帧数和这个值不符回填时-framerate设错。解决抽帧后统计实际 PNG 文件数量用实际帧数 / 视频时长算出真实平均帧率回填时用这个值而不是stream.average_rate。5.3 CUDA out of memory 在视频线必现现象图片线正常视频线跑到第 3 帧就爆显存。原因E2FGVI 的step默认值是 20加上光流网络同时加载12G 显存扛不住 1080p。解决把step降到 58并在推理前加torch.cuda.empty_cache()。如果还爆把视频缩放到 720p 处理完再放大回去画质损失在可接受范围。5.4 修复区域出现重复纹理现象水印去掉后填充区域出现了和旁边一模一样的图案像复制粘贴。原因LaMa 在掩码面积过大时会从最近的相似区域复制纹理如果周围有规律性图案如条纹、格子就会重复。解决把大掩码拆成多个小掩码分次修复或者手动在掩码周围加一些随机噪声干扰模型的纹理匹配。这个坑没有完美解法只能靠缩小掩码面积规避。5.5 输出图片 EXIF 丢失导致方向错乱现象手机拍的竖图修复后变成横的。原因OpenCV 读写图片时不保留 EXIF 方向信息cv2.imwrite直接按像素矩阵存。解决用 PIL 读取时先做ImageOps.exif_transpose修复完再用 PIL 写回并保留原始 EXIFfrom PIL import Image, ImageOps import piexif img Image.open(input.jpg) img ImageOps.exif_transpose(img) # 自动旋转到正确方向 # ... 修复处理 ... # 写回时保留 EXIF exif_dict piexif.load(input.jpg) piexif.insert(piexif.dump(exif_dict), output.jpg)6. 进阶调优用掩码羽化和分块推理把边缘做到无痕跑通基础流程后真正拉开差距的是边缘处理。我处理过一批珠宝类电商图水印压在金属反光面上直接修复会在边缘留下一圈模糊带客户一眼就能看出来。后来我固定了一套「羽化掩码 分块推理」的组合边缘过渡自然了很多。羽化的核心是让掩码边缘不是非黑即白而是有一个渐变带。这样模型在修复时边缘区域的权重是逐渐过渡的不会出现硬切import cv2 import numpy as np mask cv2.imread(mask.png, cv2.IMREAD_GRAYSCALE) # 高斯模糊做羽化kernel 必须是奇数 # 15x15 对应约 7 像素的过渡带水印边缘越柔和这个值越大 mask_feathered cv2.GaussianBlur(mask, (15, 15), 0) # 归一化到 0-255确保最大值仍是 255 mask_feathered cv2.normalize(mask_feathered, None, 0, 255, cv2.NORM_MINMAX) cv2.imwrite(mask_feathered.png, mask_feathered)15x15的 kernel 是我在 1080p 图片上的常用值对应过渡带约 7 像素。如果水印本身有羽化边缘可以加到21x21如果水印边缘很锐利9x9就够。注意羽化后的掩码在推理时要转成 float 并除以 255让模型按权重处理而不是当二值掩码用。分块推理针对的是超大图。LaMa 在 4K 图上直接跑会爆显存我的做法是把图切成 1024x1024 的块每块带 128 像素重叠修复完再拼回去def tile_inpaint(img, mask, tile_size1024, overlap128): h, w img.shape[:2] result np.zeros_like(img, dtypenp.float32) weight np.zeros((h, w), dtypenp.float32) for y in range(0, h, tile_size - overlap): for x in range(0, w, tile_size - overlap): y2 min(y tile_size, h) x2 min(x tile_size, w) y1 max(0, y2 - tile_size) x1 max(0, x2 - tile_size) tile_img img[y1:y2, x1:x2] tile_mask mask[y1:y2, x1:x2] # 只处理掩码非零的块跳过纯背景块 if tile_mask.max() 0: result[y1:y2, x1:x2] tile_img weight[y1:y2, x1:x2] 1 continue inpainted inpaint_model(tile_img, tile_mask) result[y1:y2, x1:x2] inpainted weight[y1:y2, x1:x2] 1 # 加权平均消除拼接缝 result result / np.maximum(weight[..., None], 1) return result.astype(np.uint8)overlap128是重叠像素数拼接时靠加权平均消除接缝。tile_size1024在 12G 显存下刚好8G 显存建议降到 768。跳过纯背景块这个判断能省掉 60% 以上的推理时间因为水印通常只占画面一小部分。验证修复质量我习惯用两个指标PSNR 和 LPIPS。PSNR 看像素级差异LPIPS 看感知差异。没有原图参考时就抽修复区域和周围区域的纹理相似度做对比。从那以后我每次处理重要素材都会先跑一张测试图确认掩码和参数再批量执行避免整批返工。希望帮到你。本文还有配套的精品资源点击获取
简介这份资源是一款基于人工智能技术的图片与视频去水印工具面向需要处理素材水印的普通用户与内容创作者无需专业图像处理或编程基础即可上手。工具同时提供Windows与MAC版本兼容两大主流操作系统核心依托深度学习模型识别并修复水印区域在尽量保留原始画质的前提下完成去除并可能提供不同强度选项以适应多样场景。压缩包共1365个文件约700.57MB以qml界面文件、dll动态库、qmlc缓存、png图标及多语言qm翻译文件为主另含exe主程序、onnx模型与少量说明文档整体为完整可运行程序而非零散脚本。目前已有1894人学习下载适合想快速处理图片或视频水印、又希望避开复杂操作流程的用户参考研究。使用时请注意版权与道德边界未经授权去除他人水印可能涉及侵权且AI处理效果并非完美细节处仍需自行权衡。1. 从一张带水印的电商主图说起这套 AI 去水印工具到底能干什么上周帮一个做电商的朋友处理一批主图原图是从供应商那里拿的每张都压着半透明的品牌水印和角落的日期戳。他之前用 PS 的污点修复画笔一张张抹二十张图干了一下午边缘还留着明显的涂抹痕迹。我让他换了个思路——用 AI 去水印工具跑一遍同样的二十张图从导入到导出不到三分钟水印区域被内容感知填充得几乎看不出接缝。这就是这套工具最直接的价值把「手动修补」变成「模型推理」把「一张张抠」变成「批量过」。这套 AI 去除图片和视频水印工具核心能力分两条线。图片线走的是图像修复Inpainting路线先让用户框出水印区域生成掩码再由模型根据周围像素语义重建被遮挡的内容视频线则是在逐帧修复的基础上加了时序一致性约束避免前后帧修复结果跳变导致闪烁。它适合三类人电商运营要批量清理供应商素材、自媒体创作者要处理搬运素材的角标、以及做数据集清洗的算法工程师要去掉爬取图片上的平台水印。不适合的是想「一键去任意复杂水印」的幻想型用户——半透明叠加、动态位置水印、与主体高度重叠的水印仍然需要手动调参甚至放弃。我拿到这个工具包后先拆了目录结构确认它不是套壳网页而是本地可跑的推理工程模型权重和推理脚本都在这才值得写一篇落地笔记。下面按「环境怎么搭 → 图片怎么去 → 视频怎么去 → 坑在哪 → 怎么调优」的顺序把我实际跑通的流程和参数选择讲清楚。2. 环境搭建与模型选型为什么我最终锁定了 LaMa E2FGVI 组合2.1 三条技术路线的取舍去水印这件事市面上能落地的方案大致三条路。第一条是传统图像处理用 OpenCV 的 inpaint 函数配合手动掩码优点是零依赖、CPU 就能跑缺点是遇到纹理复杂区域直接糊成一片水印稍微大一点就露馅。第二条是 GAN 系修复模型比如基于 StyleGAN 的修复网络细节生成能力强但训练不稳定、推理时容易产生伪影而且对掩码形状敏感。第三条是 Transformer/傅里叶系代表就是 LaMaLarge Mask Inpainting它用快速傅里叶卷积扩大感受野对大掩码区域的修复效果明显优于前两代。我最终在图片线锁定 LaMa原因很实际它对「大掩码」友好。电商主图上的水印往往不是一个小点而是一整条半透明横幅掩码面积能占到画面的 15% 以上。传统 inpaint 在这种面积下基本废掉而 LaMa 的傅里叶卷积能在全局范围内找参考纹理修复出来的区域和周围过渡自然。视频线则用 E2FGVIEnd-to-End Framework for Video Inpainting它在 LaMa 的逐帧能力之上加了光流引导的时序传播专门解决帧间闪烁。方案代表模型大掩码表现时序一致性推理速度1080p 单帧传统图像处理OpenCV inpaint差不适用 0.1sGAN 修复StyleGAN-based中差0.30.5s傅里叶卷积LaMa好不适用0.20.4s视频专用E2FGVI好好0.50.8s这张表是我在自己机器上RTX 3060 12G实测的粗略值不同分辨率差异很大但相对关系稳定。2.2 环境搭建的完整命令工具包默认用 Conda 管理环境我建议单独建一个避免和已有的 PyTorch 环境冲突。以下是跑通的完整流程# 创建独立环境Python 版本锁 3.9兼容性最好 conda create -n watermark-removal python3.9 -y conda activate watermark-removal # 安装 PyTorch注意 CUDA 版本要和驱动匹配 # 我用的 11.8对应驱动 520 以上 pip install torch2.0.1 torchvision0.15.2 --index-url https://download.pytorch.org/whl/cu118 # 安装工具包依赖 pip install opencv-python4.8.0.74 numpy1.24.3 pillow10.0.0 pip install scikit-image0.21.0 tqdm4.66.1 einops0.7.0 # 视频线额外依赖 pip install av10.0.0 # PyAV比 opencv 读视频更稳这里有几个参数值得说明。Python 锁 3.9 是因为 LaMa 的官方推理脚本里用了typing的一些旧写法3.10 以上会报TypeError。PyTorch 用 2.0.1 而不是更新的 2.1是因为 E2FGVI 的某些算子在新版本里有兼容问题我实测 2.1 跑视频线会卡在光流计算那一步。av库替代cv2.VideoCapture的原因是后者对 HEVC 编码的 MP4 支持不稳定读出来的帧序偶尔错乱这个坑后面会细说。2.3 模型权重的放置与校验工具包里的权重文件需要放到指定目录结构如下# 目录结构相对工具包根目录 checkpoints/ ├── lama/ │ └── big-lama.pt # 图片修复主模型约 200MB ├── e2fgvi/ │ ├── e2fgvi_hq.pth # 视频修复模型约 450MB │ └── flownet2.pth # 光流网络约 150MB └── config/ └── inference.yaml # 推理参数配置放置完成后跑一个校验脚本确认权重能正常加载import torch # 校验 LaMa 权重 lama_ckpt torch.load(checkpoints/lama/big-lama.pt, map_locationcpu) print(LaMa keys:, len(lama_ckpt[state_dict].keys())) # 校验 E2FGVI 权重 e2fgvi_ckpt torch.load(checkpoints/e2fgvi/e2fgvi_hq.pth, map_locationcpu) print(E2FGVI keys:, len(e2fgvi_ckpt.keys())) # 确认 CUDA 可用 print(CUDA available:, torch.cuda.is_available()) print(Device:, torch.cuda.get_device_name(0) if torch.cuda.is_available() else CPU)如果CUDA available输出False先别急着跑检查驱动版本和 PyTorch 的 CUDA 版本是否匹配。我遇到过驱动 470 配 cu118 的情况表面能 import torch一推理就报no kernel image is available血泪经验是驱动版本必须大于等于 CUDA 版本对应的最低要求。3. 图片去水印实操掩码生成、批量推理与边缘融合3.1 掩码生成的两种方式去水印的第一步永远是告诉模型「哪里要去」。工具包提供了两种掩码生成方式手动框选和自动检测。手动框选适合水印位置固定的场景比如供应商主图统一在右下角打标自动检测适合水印位置随机的情况但准确率取决于水印的对比度。手动框选的代码逻辑很简单用 OpenCV 的鼠标回调画矩形存成二值掩码import cv2 import numpy as np # 全局变量存框选坐标 ref_point [] cropping False def shape_selection(event, x, y, flags, param): global ref_point, cropping if event cv2.EVENT_LBUTTONDOWN: ref_point [(x, y)] cropping True elif event cv2.EVENT_LBUTTONUP: ref_point.append((x, y)) cropping False # 画矩形并生成掩码 cv2.rectangle(image, ref_point[0], ref_point[1], (0, 255, 0), 2) cv2.imshow(image, image) # 读取图片 image cv2.imread(input.jpg) clone image.copy() cv2.namedWindow(image) cv2.setMouseCallback(image, shape_selection) while True: cv2.imshow(image, image) key cv2.waitKey(1) 0xFF if key ord(r): image clone.copy() elif key ord(c): break # 生成掩码框选区域为白色其余黑色 mask np.zeros(image.shape[:2], dtypenp.uint8) if len(ref_point) 2: cv2.rectangle(mask, ref_point[0], ref_point[1], 255, -1) cv2.imwrite(mask.png, mask)这段代码的关键在最后生成掩码那一步255表示要修复的区域0表示保留。注意掩码要比水印实际范围大 35 个像素给模型留出过渡空间否则修复边缘会出现一条硬线。我一般会在框选后手动膨胀掩码# 掩码膨胀kernel 大小决定外扩像素数 kernel np.ones((5, 5), np.uint8) mask_dilated cv2.dilate(mask, kernel, iterations1) cv2.imwrite(mask_dilated.png, mask_dilated)5x5的 kernel 对应外扩约 2 像素水印边缘有羽化的话可以加到7x7。3.2 批量推理脚本与参数说明单张跑通后批量处理才是生产力。工具包的推理入口是inference.py我把它封装成一个循环脚本import os import cv2 import torch import numpy as np from lama_inpaint import LamaInpaint # 工具包内的推理类 # 初始化模型device 根据实际情况选 cuda 或 cpu inpaint LamaInpaint( checkpoint_pathcheckpoints/lama/big-lama.pt, devicecuda, pad_outTrue # 输出时裁掉 padding保持原图尺寸 ) input_dir images/ output_dir output/ mask_path mask_dilated.png # 所有图共用同一位置掩码 os.makedirs(output_dir, exist_okTrue) mask cv2.imread(mask_path, cv2.IMREAD_GRAYSCALE) for fname in os.listdir(input_dir): if not fname.lower().endswith((.jpg, .png, .jpeg)): continue img cv2.imread(os.path.join(input_dir, fname)) # 推理返回修复后的 BGR 图 result inpaint(img, mask) cv2.imwrite(os.path.join(output_dir, fname), result) print(fdone: {fname})参数说明pad_outTrue是必须的LaMa 内部会把图片 pad 到 8 的倍数不裁掉的话输出尺寸会变。device选cuda时显存占用约 2.5G1080p 输入如果显存不够可以改cpu但速度会慢 10 倍以上。掩码共用是因为同一批素材水印位置一致如果位置不固定需要每张单独生成掩码把mask的读取挪进循环。3.3 边缘融合的后处理技巧模型输出后修复区域和原图之间偶尔会有一条淡淡的接缝尤其是水印压在渐变背景上时。我的做法是用泊松融合Poisson Blending做一次后处理import cv2 # 读取原图和修复结果 src cv2.imread(input.jpg) dst cv2.imread(output/input.jpg) mask cv2.imread(mask_dilated.png, cv2.IMREAD_GRAYSCALE) # 泊松融合中心点选掩码质心 center (int(np.mean(np.where(mask 0)[1])), int(np.mean(np.where(mask 0)[0]))) result cv2.seamlessClone(src, dst, mask, center, cv2.NORMAL_CLONE) cv2.imwrite(output/final.jpg, result)cv2.NORMAL_CLONE适合纹理一致的场景如果修复区域和周围色差明显换成cv2.MIXED_CLONE会保留更多原图梯度。这一步不是必须的但电商主图对边缘要求高我一般都会加上。4. 视频去水印实操抽帧、时序修复与音轨回填4.1 视频处理的完整流水线视频去水印比图片多三个环节抽帧、时序修复、音轨回填。工具包的视频线入口是video_inpaint.py但直接跑容易在编码环节翻车我拆成四步手动控制。第一步抽帧用 PyAV 而不是 OpenCVimport av import os def extract_frames(video_path, output_dir): os.makedirs(output_dir, exist_okTrue) container av.open(video_path) stream container.streams.video[0] # 记录原始帧率和总帧数回填时要用 fps float(stream.average_rate) total stream.frames for i, frame in enumerate(container.decode(stream)): img frame.to_image() img.save(os.path.join(output_dir, f{i:06d}.png)) container.close() return fps, total fps, total extract_frames(input.mp4, frames/) print(ffps{fps}, total{total})用 PyAV 的原因是它对 HEVC 和可变帧率视频的支持比 OpenCV 稳stream.average_rate拿到的是平均帧率回填时按这个值编码能保持时长一致。第二步生成视频掩码。视频水印如果位置固定所有帧共用一张掩码如果水印会移动比如滚动角标需要逐帧掩码。固定掩码直接复用图片线的框选逻辑移动掩码建议用光流跟踪import cv2 import numpy as np # 逐帧掩码基于第一帧框选后续帧用光流跟踪 cap cv2.VideoCapture(input.mp4) ret, first_frame cap.read() # 假设已在 first_frame 上框选得到 mask_first mask_first cv2.imread(mask_first.png, cv2.IMREAD_GRAYSCALE) # 初始化光流跟踪器 tracker cv2.legacy.TrackerCSRT_create() bbox cv2.boundingRect(mask_first) # 从掩码提取初始框 tracker.init(first_frame, bbox) frame_idx 0 while True: ret, frame cap.read() if not ret: break success, box tracker.update(frame) mask np.zeros(frame.shape[:2], dtypenp.uint8) if success: x, y, w, h [int(v) for v in box] cv2.rectangle(mask, (x, y), (x w, y h), 255, -1) cv2.imwrite(fmasks/{frame_idx:06d}.png, mask) frame_idx 1TrackerCSRT在目标形变不大的场景下跟踪稳定如果水印是半透明的跟踪框可能会漂移需要每隔 30 帧手动校正一次。第三步时序修复调用 E2FGVIimport torch from e2fgvi import E2FGVI model E2FGVI( checkpointcheckpoints/e2fgvi/e2fgvi_hq.pth, flownetcheckpoints/e2fgvi/flownet2.pth, devicecuda, # 每次处理 10 帧显存不够就调小 step10 ) # 读取帧序列和掩码序列 frames sorted(os.listdir(frames/)) masks sorted(os.listdir(masks/)) model.inpaint_sequence( frame_dirframes/, mask_dirmasks/, output_dirinpainted/, neighbor_stride5 # 时序传播的邻域步长 )step10表示每次送入 10 帧做时序推理这个值直接影响显存占用和闪烁程度。太小如 5时序信息不足修复结果会闪太大如 20显存爆掉。neighbor_stride5是光流传播的邻域范围动作快的视频可以调到 7静态场景 3 就够。第四步回填音轨并编码# 用 ffmpeg 把修复后的帧序列和原音轨合并 ffmpeg -framerate 30 -i inpainted/%06d.png \ -i input.mp4 \ -map 0:v -map 1:a \ -c:v libx264 -crf 18 -preset slow \ -c:a aac -b:a 192k \ -shortest output.mp4-crf 18是视觉无损的质量档-preset slow换更高的压缩率。-map 1:a表示从原视频取音轨-shortest保证音视频时长对齐。这一步如果报height not divisible by 2在-c:v前加-vf padceil(iw/2)*2:ceil(ih/2)*2。4.2 时序一致性的验证方法视频修复最怕闪烁验证方法是抽三帧连续画面做差分import cv2 import numpy as np f1 cv2.imread(inpainted/000100.png).astype(np.float32) f2 cv2.imread(inpainted/000101.png).astype(np.float32) f3 cv2.imread(inpainted/000102.png).astype(np.float32) # 计算相邻帧差分 diff12 np.abs(f1 - f2).mean() diff23 np.abs(f2 - f3).mean() print(fdiff12{diff12:.2f}, diff23{diff23:.2f}) # 如果两个差值差异超过 30%说明有时序跳变 if abs(diff12 - diff23) / max(diff12, diff23) 0.3: print(警告检测到帧间闪烁建议增大 neighbor_stride)这个检测不完美但能快速定位明显问题。我一般会在修复区域单独算差分排除背景运动干扰。5. 避坑与排查五个让我返工三次的典型问题5.1 掩码全白导致输出纯色块现象推理结果整个画面变成灰色或模糊一片水印区域反而正常。原因掩码生成时把255和0写反了或者掩码读入时用了彩色模式导致三通道值不一致。解决确认掩码是单通道灰度图用cv2.imread(path, cv2.IMREAD_GRAYSCALE)读取并在推理前打印mask.max()和mask.min()正常应该是 255 和 0。5.2 视频修复后音画不同步现象输出视频画面比声音慢半秒到一秒。原因抽帧时用了stream.frames作为总帧数但可变帧率视频的实际帧数和这个值不符回填时-framerate设错。解决抽帧后统计实际 PNG 文件数量用实际帧数 / 视频时长算出真实平均帧率回填时用这个值而不是stream.average_rate。5.3 CUDA out of memory 在视频线必现现象图片线正常视频线跑到第 3 帧就爆显存。原因E2FGVI 的step默认值是 20加上光流网络同时加载12G 显存扛不住 1080p。解决把step降到 58并在推理前加torch.cuda.empty_cache()。如果还爆把视频缩放到 720p 处理完再放大回去画质损失在可接受范围。5.4 修复区域出现重复纹理现象水印去掉后填充区域出现了和旁边一模一样的图案像复制粘贴。原因LaMa 在掩码面积过大时会从最近的相似区域复制纹理如果周围有规律性图案如条纹、格子就会重复。解决把大掩码拆成多个小掩码分次修复或者手动在掩码周围加一些随机噪声干扰模型的纹理匹配。这个坑没有完美解法只能靠缩小掩码面积规避。5.5 输出图片 EXIF 丢失导致方向错乱现象手机拍的竖图修复后变成横的。原因OpenCV 读写图片时不保留 EXIF 方向信息cv2.imwrite直接按像素矩阵存。解决用 PIL 读取时先做ImageOps.exif_transpose修复完再用 PIL 写回并保留原始 EXIFfrom PIL import Image, ImageOps import piexif img Image.open(input.jpg) img ImageOps.exif_transpose(img) # 自动旋转到正确方向 # ... 修复处理 ... # 写回时保留 EXIF exif_dict piexif.load(input.jpg) piexif.insert(piexif.dump(exif_dict), output.jpg)6. 进阶调优用掩码羽化和分块推理把边缘做到无痕跑通基础流程后真正拉开差距的是边缘处理。我处理过一批珠宝类电商图水印压在金属反光面上直接修复会在边缘留下一圈模糊带客户一眼就能看出来。后来我固定了一套「羽化掩码 分块推理」的组合边缘过渡自然了很多。羽化的核心是让掩码边缘不是非黑即白而是有一个渐变带。这样模型在修复时边缘区域的权重是逐渐过渡的不会出现硬切import cv2 import numpy as np mask cv2.imread(mask.png, cv2.IMREAD_GRAYSCALE) # 高斯模糊做羽化kernel 必须是奇数 # 15x15 对应约 7 像素的过渡带水印边缘越柔和这个值越大 mask_feathered cv2.GaussianBlur(mask, (15, 15), 0) # 归一化到 0-255确保最大值仍是 255 mask_feathered cv2.normalize(mask_feathered, None, 0, 255, cv2.NORM_MINMAX) cv2.imwrite(mask_feathered.png, mask_feathered)15x15的 kernel 是我在 1080p 图片上的常用值对应过渡带约 7 像素。如果水印本身有羽化边缘可以加到21x21如果水印边缘很锐利9x9就够。注意羽化后的掩码在推理时要转成 float 并除以 255让模型按权重处理而不是当二值掩码用。分块推理针对的是超大图。LaMa 在 4K 图上直接跑会爆显存我的做法是把图切成 1024x1024 的块每块带 128 像素重叠修复完再拼回去def tile_inpaint(img, mask, tile_size1024, overlap128): h, w img.shape[:2] result np.zeros_like(img, dtypenp.float32) weight np.zeros((h, w), dtypenp.float32) for y in range(0, h, tile_size - overlap): for x in range(0, w, tile_size - overlap): y2 min(y tile_size, h) x2 min(x tile_size, w) y1 max(0, y2 - tile_size) x1 max(0, x2 - tile_size) tile_img img[y1:y2, x1:x2] tile_mask mask[y1:y2, x1:x2] # 只处理掩码非零的块跳过纯背景块 if tile_mask.max() 0: result[y1:y2, x1:x2] tile_img weight[y1:y2, x1:x2] 1 continue inpainted inpaint_model(tile_img, tile_mask) result[y1:y2, x1:x2] inpainted weight[y1:y2, x1:x2] 1 # 加权平均消除拼接缝 result result / np.maximum(weight[..., None], 1) return result.astype(np.uint8)overlap128是重叠像素数拼接时靠加权平均消除接缝。tile_size1024在 12G 显存下刚好8G 显存建议降到 768。跳过纯背景块这个判断能省掉 60% 以上的推理时间因为水印通常只占画面一小部分。验证修复质量我习惯用两个指标PSNR 和 LPIPS。PSNR 看像素级差异LPIPS 看感知差异。没有原图参考时就抽修复区域和周围区域的纹理相似度做对比。从那以后我每次处理重要素材都会先跑一张测试图确认掩码和参数再批量执行避免整批返工。希望帮到你。本文还有配套的精品资源点击获取
