watermark-removal

通用水印移除

使用智能检测和经过验证的方法，从任意图片来源移除水印。智能路由：自动检测 Google SynthID，并使用经过验证的强力方法；对于未知类型的水印，则回退到基于 ML 的修复。

快速开始

单张图片 — 智能自动检测（推荐）

# Smart detection: Google SynthID → aggressive method (proven), Unknown → inpaint (ML)
python .claude/skills/watermark-removal/scripts/remove-watermark.py \
  input.png \
  output.png

单张图片 — 保留尺寸（强制使用 ML）

# Force ML inpainting even for Google SynthID (preserves exact dimensions)
python .claude/skills/watermark-removal/scripts/remove-watermark.py \
  input.png \
  output.png \
  --method inpaint

批量处理（请先征得用户同意！）

⚠️ 重要： 批量处理前务必先询问用户，尤其是使用会改变尺寸的裁剪／强力方法时。

# Recommended: Preserves dimensions
python .claude/skills/watermark-removal/scripts/batch-process.py \
  /path/to/input-dir \
  /path/to/output-dir \
  --method inpaint

# Alternative: Fast but crops 120px (requires user approval)
python .claude/skills/watermark-removal/scripts/batch-process.py \
  /path/to/input-dir \
  /path/to/output-dir \
  --method aggressive

智能检测系统 ⭐ 新功能

此技能会自动检测 Google SynthID 水印，并选择最佳移除方法：

Google SynthID 检测

分析的特征：

• RGBA 模式（带 Alpha 通道的 PNG 格式）
• 尺寸较大（宽度和高度均 >1500px）
• 常见的 Google AI 宽高比（1.83、1.0、1.5、1.78，容差为 10%）
• 自动检测水印所在角落

智能路由逻辑：

1. 如果检测到 Google SynthID → 使用 aggressive 方法（已验证效果出色）

   • 从检测到的角落裁剪 120px
   • 移除 Alpha 通道水印
   • 覆盖任何残留部分
   • 对 Google AI 图片的处理效果始终可靠

2. 如果是未知／其他水印 → 使用 inpaint 方法（基于 ML）

   • 保留原始尺寸
   • 使用 OpenCV Navier-Stokes 算法
   • 适用于任意水印类型

覆盖默认行为

# Force ML inpainting even for Google SynthID (preserves dimensions)
python scripts/remove-watermark.py input.png output.png --method inpaint

# Force aggressive method for non-Google watermarks
python scripts/remove-watermark.py input.png output.png --method aggressive

# Disable auto-detection (assume bottom-right corner)
python scripts/remove-watermark.py input.png output.png --no-detect

方法

修复方法（质量最佳）⭐ 新功能

功能： 基于 ML 的修复，并自动检测水印

特点：

• 自动检测水印位置（任意角落）
• 使用 OpenCV 的 Navier-Stokes 修复算法
• 智能填充水印区域，使其与周围图案融合
• 适用于任意水印类型（不只是 Google SynthID）

优点：

• 效果质量最高
• 保留原始尺寸
• 适用于位于任意角落的水印
• 能智能处理复杂背景
• 通用性强，适用于所有水印类型

缺点：

• 需要安装 OpenCV（pip install opencv-python）
• 比裁剪方法稍慢
• 处理特别大的水印时可能需要调整参数

适用场景：

• 需要尽可能高的质量
• 水印位于复杂／细节丰富的背景上
• 必须保留原始尺寸
• 处理非 Google 水印

强力方法（快速可靠）

功能： 自动检测角落，裁剪 120px，移除 Alpha 通道，并覆盖残留部分

优点：

• 快速可靠
• 自动检测水印所在角落
• 能正确处理 RGBA 图片
• 适合批量处理

缺点：

• 图片尺寸会缩小 120px
• 可能裁掉边缘附近的内容

适用场景：

• 快速处理大量图片（批量处理的默认方法）
• 可以接受缩小尺寸
• Google SynthID 水印

裁剪方法

功能： 自动检测并裁剪水印所在角落

优点：

• 速度最快
• 自动检测
• 处理最少

缺点：

• 可能残留水印
• 无法处理 Alpha 通道水印

适用场景：

• 速度优先
• 需要快速预览

覆盖方法

功能： 不裁剪，直接覆盖水印（不自动检测）

优点：

• 保留原始尺寸
• 方法简单

缺点：

• 只会处理右下角
• 可能留下明显瑕疵
• 不如修复方法可靠

适用场景：

• 纯色背景上的简单水印
• 兼容旧版

重要指南

尺寸保留优先级

平衡领域知识与尺寸保留

1. 智能默认行为：

   • 检测到 Google SynthID → 使用 aggressive 方法（已证明效果完美，会裁剪 120px）
   • 未知水印 → 使用 inpaint 方法（保留尺寸）

2. 可由用户覆盖：

   • 使用 --method inpaint 标志强制保留尺寸
   • 使用 --method aggressive 标志强制裁剪

3. 批量裁剪需要用户批准：

   • 如果使用 aggressive 方法处理多张 Google SynthID 图片
   • 说明该方法会将图片尺寸缩小 120px
   • 获取明确确认
   • 显示处理前后的尺寸

批量处理协议

未经用户确认，绝不开始批量处理：

1. 说明处理内容：

   • 要处理的图片数量
   • 将使用的方法
   • 是否会保留或更改尺寸

2. 获取明确批准：

   • “我将使用 [method] 方法处理 X 张图片。此操作[会/不会]更改尺寸。是否继续？”

3. 优先选择非破坏性处理：

   • 批量处理时默认使用 inpaint
   • 仅当用户明确表示速度优先于质量时，才使用 aggressive

工作流

1. 识别带水印的图片

常见水印类型：

• Google SynthID： 角落处的小星形／闪光图标
• 图库照片： 徽标或文字叠加
• AI 服务： 角落徽章（Midjourney、DALL-E）
• 相机水印： 日期／时间戳

2. 选择方法

智能默认工作流（新增）：

1. 运行脚本时不添加 --method 标志——智能检测会自动选择最佳方法
2. 检测到 Google SynthID → 使用 aggressive 方法（已证明效果完美）
3. 未知水印 → 使用 inpaint 方法（基于 ML，可保留尺寸）
4. 如有需要，使用 --method 标志覆盖

方法选择指南：

• 智能自动（推荐）： 不添加标志（检测到 Google SynthID → 使用 aggressive，否则 → 使用 inpaint）
• 强制保留尺寸： --method inpaint（基于 ML，适用于任何水印）
• 强制使用 Google 方法： --method aggressive（裁剪 120px，非常适合 SynthID）
• 速度优先： --method crop（速度最快，会裁剪，但可能留下残留）
• 旧版： --method paint（基础方法，可保留尺寸，但可靠性较低）

3. 处理图片

智能自动检测（推荐）：

python scripts/remove-watermark.py input.png output.png

强制保留尺寸：

python scripts/remove-watermark.py input.png output.png --method inpaint

快速批量处理：

python scripts/batch-process.py ./input ./output --method aggressive

禁用自动检测（强制处理右下角）：

python scripts/remove-watermark.py input.png output.png --method inpaint --no-detect

4. 验证结果

• 检查输出图片的角落是否干净
• 确认没有裁掉重要内容
• 确认水印已完全移除

命令参考

remove-watermark.py

python scripts/remove-watermark.py INPUT OUTPUT [OPTIONS]

Arguments:
  INPUT                 Input image path
  OUTPUT                Output image path

Options:
  --method {crop|inpaint}   Removal method (default: crop)
  --size INT               Watermark size in pixels (default: 60)

batch-process.py

python scripts/batch-process.py INPUT_DIR OUTPUT_DIR [OPTIONS]

Arguments:
  INPUT_DIR             Directory with images to process
  OUTPUT_DIR            Directory for cleaned images

Options:
  --method {crop|inpaint}   Removal method (default: crop)
  --pattern PATTERN        File pattern to match (default: *.png)
  --size INT               Watermark size in pixels (default: 60)

示例

示例 1：网站图片

场景： 用户有 3 张用于网站的 Google AI 图片，需要去除水印

# Batch process all PNG images
python scripts/batch-process.py \
  ./public/images \
  ./public/images-clean \
  --method crop \
  --pattern "*.png"

输出：

Found 3 images to process
Input: ./public/images
Output: ./public/images-clean
Method: crop

[1/3] Processing: ad-design-bedroom.png
   ✅ Saved to: ad-design-bedroom.png
[2/3] Processing: ad-design-kitchen.png
   ✅ Saved to: ad-design-kitchen.png
[3/3] Processing: ad-designs-bathroom.png
   ✅ Saved to: ad-designs-bathroom.png

✅ Successfully processed: 3/3

示例 2：保留精确尺寸

场景： 客户需要精确的 1920x1080 图片，不能裁剪

python scripts/remove-watermark.py \
  hero-image.png \
  hero-image-clean.png \
  --method inpaint

示例 3：较大的水印

场景： 水印比平常更大（70px）

python scripts/batch-process.py \
  ./images \
  ./images-clean \
  --method crop \
  --size 70

技术详情

参见 references/synthid-watermark.md，了解：

• SynthID 水印规格
• 方法对比详情
• 边缘情况和注意事项
• 法律／道德准则

依赖项

必需：

• Python 3.7+
• Pillow (PIL)：pip install Pillow
• NumPy：pip install numpy

可选（用于 ML 修复）：

• OpenCV：pip install opencv-python

安装所有依赖项：

pip install Pillow numpy opencv-python

注意： inpaint 方法需要 OpenCV。其他方法无需安装 OpenCV。

提示

性能：

• 裁剪方法比修复快 5-10 倍
• 处理 100 张以上图片时，使用裁剪方法

质量：

• 使用 quality=95 保存，以尽量减少压缩
• PNG 格式比 JPEG 更能保留画质

备份：

• 始终保留带水印的原始图片
• 处理副本，不要处理原图

测试：

• 批量处理前先测试一张图片
• 如有需要，使用 --size 标志验证水印尺寸