技术摘要：
本发明公开了一种图像去水印方法。它具体包括如下步骤：(1)检测水印：针对输入的图片进行水印检测，检测的结果为水印的位置，并把水印区块从原图上截取出来作为水印图像；(2)去除水印：通过块状生成网络，以水印图像为输入，输出无水印的图像；(3)后处理：将无水印的图  全部
背景技术：
现存的方法分为图像模糊及深度学习生成方法。基于图像模糊的方法，又或者用 马赛克的方法，速度会很快，但是会造成图像内容的严重缺失，一般商业软件不会采用，用 户通常也不愿意使用。基于深度学习的生成网络方法，分为全卷积生成网络和unet生成网 络，两者的区别是有无采用反卷积，处理时间很漫长，一般PC上需要500ms以上的时间。总结 起来存在以下3点问题：1)无法自动寻找水印的位置，需手工干预；2)连同背景整体模糊，形 成很强烈的不和谐的视觉效果，内容损失巨大；3)处理时间比较漫长。
技术实现要素：
本发明是为了克服现有技术中存在上述的不足，提供了一种自动定位且实时处理 的图像去水印方法。 为了实现上述目的，本发明采用以下技术方案： 一种图像去水印方法，具体包括如下步骤： (1)检测水印：针对输入的图片进行水印检测，检测的结果为水印的位置，并把水 印区块从原图上截取出来作为水印图像； (2)去除水印：通过块状生成网络，以水印图像为输入，输出无水印的图像； (3)后处理：将无水印的图像进行融合替换原水印区域的内容。 本方法能够自动定位水印的位置，无需手工参与；能够保留背景，并能填充比较符 合背景的内容，整体看起来更和谐；能够实现实时处理。 作为优选，在步骤(1)中，水印检测是基于深度学习的物体检测器，级联网络结构。 作为优选，在步骤(2)中，采用块状生成网络，网络输出的结果不是最终结果图像， 而是最终结果图像平均拆分成多个小块并按通道拼接起来的特征图。 作为优选，在步骤(3)中，采用图像仿射变换将生成无水印图像内容替换原图像中 水印区域的内容，并用高斯模糊平滑融合边界。 作为优选，在步骤(1)中，如果输入的是视频，那么在步骤(1)和步骤(2)之间增加 一个步骤为水印跟踪，具体为：基于分类回归器，根据上一帧水印的位置，判断下一帧同一 位置处周围是否存在水印，如果存在同时计算水印的具体位置。 作为优选，水印跟踪的具体操作方法为： (i)当前帧利用上一帧的水印物体框截取图像，送入分类回归器，得到标签和新的 物体框； (ii)如果分类回归器预测得到的标签为0，则判断当前帧没有水印，不进行水印的 去除工作；如果标签>1，则判断当前帧有水印，并且用新的物体框作为当前帧水印的物体 框； 3 CN 111583087 A 说　明　书 2/3 页 (iii)每隔一定帧要重新进行一次检测，以判断是否有新的水印出现在新的位置。 本发明的有益效果是：能够自动定位水印的位置，无需手工参与；能够保留背景， 并能填充比较符合背景的内容，整体看起来更和谐；能够实现实时处理。 附图说明 图1是本发明的图片处理流程图； 图2是本发明的视频处理流程图； 图3是本发明中块状生成网络的示意图； 图4是效果图。