watermark-extractor

通过神经网络将图片中的水印提取出来，为下一步去水印打下基础。

PS：提取的水印图片效果非常一般，实际使用时推荐多提取几张最后求个平均值。

使用方法

import { transformData, tensorToPNG, findWatermarkPosition, extractWatermark } from 'watermark-extractor';
// import '@tensorflow/tfjs-node';      
// import '@tensorflow/tfjs-node-gpu';  //根据实际情况考虑是否开启GPU加速
 
// 将图片转换成Tensor。至少需要5张图片
const data = await transformData(_picturePaths);
 
// 找出水印在图片中的位置
const position = await findWatermarkPosition(data, '颜色模式');
 
// 选择概率大于70%的位置
const selected = tf.tidy(()=> position.greaterEqual(tf.fill(position.shape, 0.7)));
 
// 提取水印，PNG格式
const watermark = await extractWatermark(data, selected, '颜色模式');
 
//Tensor转换成图片
const png_position = tensorToPNG(position);
const png_watermark = tensorToPNG(watermark);
 
//清理内存
data.dispose();
position.dispose();
selected.dispose();
watermark.dispose();

Windows GPU开发环境搭建

1. 安装CUDA，参考视频
   • 必须先安装visual studio, 安装vs时只需要安装c++模块即可。
   • 安装CUDA，安装前先看看tfjs-node-gpu支持的版本（必须完全一致，连小版本号都不许变）。安装时必须把翻墙打开，不然可能会失败。
   • 安装cuDNN，并配置环境变量
2. 安装tfjs-node-gpu
   • windows版本常见错误
   • 编译时如果遇到 "gyp ERR! stack Error: C:\Program Files (x86)\MSBuild\14.0\bin\msbuild.exe failed with exit code: 1" 错误，很有可能是javascript内存溢出造成的。添加一个环境变量 NODE_OPTIONS=--max_old_space_size=4096 即可。
   • 如果还是无法解决，可以通过以下方式查看以下编译出错的具体信息。

     Those logs have a truncated node-gyp log so it is hard to figure out what is going on.
     
     Clone the tfjs-node repo and running the following - it might give some more details:
     
     git clone https://github.com/tensorflow/tfjs-node.git
     cd tfjs-node
     npm install
     
     # This command probably fails:
     npm run enable-gpu
     
     # Get the logs from this:
     node-gyp rebuild
     If you don't have node-gyp - npm install -g node-gyp.
     

3. 安装 tensorboard。以超级用户运行 pip install tensorboard

训练数据准备

• 从视频中提取关键帧：ffmpeg -skip_frame nokey -i 视频名称.flv -vsync 0 -r 30 -f image2 %d.jpeg。
• 注意通过关键帧来提取水印可能会导致水印图片变得模糊。