图像去水印

（1）相关代码
import cv2

src = cv2.imread('1.jpg')

mask = cv2.imread('2.jpg', cv2.IMREAD_GRAYSCALE)  # 灰度图(IMREAD_GRAYSCALE)方式读入水印蒙版图像

dst = cv2.inpaint(src, mask, 3, cv2.INPAINT_TELEA)

cv2.imwrite('result.jpg', dst)

（2）对应算法

    INPAINT_TELEA算法是由TELEA在2004年提出的基于快速行进的修复算法（FMM算法），先处理待修复区域边缘上的像素点，然后层层向内推进，直到修复完所有的像素点。具体实现时，首先制作出黑底白色水印且相同位置的水印蒙版图(必须单通道灰度图)，然后使用inpaint方法处理原始图像，具体使用时可把水印区放粗，以达到最好的处理效果。

原始图像，水印蒙版图和去除效果

    该算法（又名FMM算法）的去除原理为，先处理待修复区域边缘上的像素点，然后层层向内推进，直到修复完所有的像素点。对于单个像素来说，其修复过程如下：

算法原理图

        如图Ω区域是待修复的区域；要修复Ω中的像素，就需要计算出新的像素值来代替原值。现在假设p点是我们要修复的像素。以p为中心选取一个小邻域B(ε），该邻域中的点像素值都是已知的（只要已知的）（如图中虚线部分）。

        我们需要的是用邻域Bε（p）中的所有点计算p点的新灰度值。显然，各个像素点所起的作用应该是不同的，也就引入了权值函数来决定哪些像素的值对新像素值影响更大，哪些比较小。

    

计算公式

        这里的w(p, q)就是权值函数，q为邻域Bε（p）中的某一点是用来限定邻域中各像素的贡献大小的。

        其中， 和分别为距离参数和水平集参数，一般都取为 1。方向因子 dir(p,q)保证了越靠近法线方向 N的像素点对 p 点的贡献最大；几何距离因子 dst(p,q)保证了离 p 点越近的像素点对p 点贡献越大；水平集距离因子lev(p,q)保证了离经过点 p 的待修复区域的轮廓线越近的已知像素点对点 p 的贡献越大。