Watermark-Removal 基于机器学习的图像修复

Watermark-Removal 基于机器学习的图像修复（Image Inpainting），通过深度学习技术自动去除图片中的水印，使修复后的图片与原图难以区分。

1、技术原理 基于生成对抗网络（GAN）和上下文注意力机制（Contextual Attention），通过图像修复技术填补水印区域的像素。 引用两篇论文方法： 《Generative Image Inpainting with Contextual Attention》（上下文注意力生成修复） 《Free-Form Image Inpainting with Gated Convolution》（门控卷积的自由形修复）

2、功能特点

自动化去水印：输入带水印图片，输出无痕修复后的图片。

支持自定义模型：需预先下载训练好的模型文件（需手动配置）。

兼容性：基于TensorFlow 1.15.0开发（需降级环境）。

使用步骤

1、克隆仓库

git clone https://github.com/zuruoke/watermark-removal

2、配置环境 降级TensorFlow至1.15.0：

pip install tensorflow==1.15.0

安装依赖库neuralgym：

pip install git+https://github.com/JiahuiYu/neuralgym

3、下载模型文件 从指定链接下载模型文件，放置于model/目录，并重命名checkpoint.txt为checkpoint。

4、运行去水印

python main.py --image 输入图片路径 --output 输出路径 --checkpoint_dir model/ --watermark_type istock

注意事项

1、环境限制 需使用较旧的TensorFlow 1.15.0版本，可能与新硬件/系统存在兼容性问题。 未提供预训练模型直接下载链接，需用户自行获取。

2、适用场景 主要用于研究目的，实际效果取决于水印复杂度与模型训练数据。