Попытки решения проблем:
Поскольку водяные знаки различаются по своему расположению в наборе данных изображений, Я попытался сделать следующее:
- Создал копию изображения и преобразовал ее в цветовое пространство HSV.
- Выбрал диапазон. нижних и верхних значений для интересующей области (значения были выбраны после сегментирование изображения и построение гистограммы для каждого канала)
- Построил маску с помощью функции cv2.inRange()
- Использовал маску для нарисуйте водяной знак на исходном изображении
Это выглядит больше похоже на проблему машинного обучения, и это нормально, но я хотел заранее исчерпать другие варианты. Есть мысли о том, как решить эту проблему с помощью машинного обучения или алгоритмических методов?
Подробнее здесь: https://stackoverflow.com/questions/787 ... age-datase
Мобильная версия