【音视频】iOS 一键去水印技术实现

1、 核心原理

去水印本质上是：

1. 获取 Mask（掩码）：确定水印的位置（黑色背景，白色表示需要修复的区域）。
2. 图像修复（Inpainting）：根据掩码周围的像素纹理，通过算法填充掩码区域。

2、 方案一：使用原生 Core Image（快速实现）

这是无需集成庞大 AI 模型、利用系统内置算法的方案。

2.1、核心代码实现

import UIKitimport CoreImageimport CoreImage.CIFilterBuiltinsclassWatermarkRemover{/// 去除水印函数/// - Parameters:///   - inputImage: 原图///   - maskImage: 掩码图（水印部分为白色，其他为黑色）funcremoveWatermark(inputImage: UIImage, maskImage: UIImage) -> UIImage? {guardlet ciInput = CIImage(image: inputImage),let ciMask = CIImage(image: maskImage) else { returnnil }// 1. 创建修复滤镜// 注意：CIInpaintFilter 在某些 iOS 版本中可能需要通过名字加载letfilter = CIFilter(name: "CIInpaintFilter")filter?.setValue(ciInput, forKey: kCIInputImageKey)filter?.setValue(ciMask, forKey: "inputMaskImage")// 2. 获取输出guardlet outputCIImage = filter?.outputImage else { returnnil }// 3. 渲染回 UIImagelet context = CIContext(options: nil)iflet cgImage = context.createCGImage(outputCIImage, from: outputCIImage.extent) {returnUIImage(cgImage: cgImage)        }returnnil    }}

3、 方案二：集成深度学习模型（专业级效果）

如果你追求“无痕”效果，原生滤镜可能不够强大。推荐将 LaMa (Resolution-robust Large Mask Inpainting) 模型转换成 Core ML 接入。

3.1、步骤清单：

1. 获取模型：从 GitHub 下载 LaMa 的 ONNX 模型。
2. 转换格式：使用 coremltools 将其转换为 .mlpackage。
3. 输入输出设计：

• Input 1: 256x256 或 512x512 的原图。
• Input 2: 相同尺寸的 Mask 图。
• Output: 修复后的 Image。

3.2、Swift 集成伪代码：

// 假设你已经导入了转换好的 LaMa.mlpackagefuncapplyAIInpaint(image: UIImage, mask: UIImage) {let config = MLModelConfiguration()    config.computeUnits = .all // 开启神经引擎加速guardlet model = try? LaMaModel(configuration: config) else { return }// 将 UIImage 转为模型要求的 CVPixelBufferlet input = LaMaModelInput(image: image.toPixelBuffer(), mask: mask.toPixelBuffer())iflet prediction = try? model.prediction(input: input) {let resultImage = UIImage(pixelBuffer: prediction.outputImage)// 更新 UI    }}

4、 UI 交互：如何获取那张“掩码图”？

要实现“一键”或“涂抹”，你需要一个简单的绘图层：

1. 涂抹模式：用户在 UIImageView 上手指涂抹水印区域，实时生成一张黑底白色的 UIImage 作为 Mask。
2. 固定位置模式：如果你的业务场景是针对特定平台的视频水印（位置固定），可以直接代码生成一个矩形的 CIImage 掩码。

5、 开发建议