去水印工具 (Watermark Remover)
用途
从三类常见文件中去除水印：
- Word 文档 (.docx)：移除页眉中嵌入的水印图片 / 文本框 / WordArt，并关闭背景形状显示。
- PDF 文档：移除内容流中的文本水印、注释型水印（FreeText / Stamp / Watermark）。
- 图片：基于图像修复(Inpainting)去除浅色半透明文字 / logo 水印。
何时使用
当用户提供文件并表达以下意图时使用本 skill：
- 去除 / 清除 / 消除文档或图片上的水印
- 处理一批带水印的素材（合同、扫描件、截图、设计稿等）
工作流程
1. 判断文件类型并选择脚本
| 文件类型 | 脚本 | 说明 |
|---|---|---|
.docx |
scripts/remove_word_watermark.py |
直接操作 OOXML，无需第三方库 |
.pdf（文本/注释水印） |
scripts/remove_pdf_watermark.py |
依赖 pypdf |
.pdf（图片型/平铺文字水印） |
scripts/remove_pdf_image_watermark.py |
依赖 pymupdf, opencv-python, numpy |
.png/.jpg/.jpeg/.bmp/.webp |
scripts/remove_image_watermark.py |
依赖 opencv-python, numpy |
| 批量（上述任意混合） | scripts/batch_remove.py |
目录遍历 + 自动分派 + 失败隔离 |
2. 准备运行环境
在调用脚本前，按需安装依赖（仅首次）：
pip install pypdf pymupdf opencv-python numpy
3. 执行对应脚本
Word：
python scripts/remove_word_watermark.py <input.docx> [output.docx]
- 自动扫描所有 section 的 header/footer，移除含 watermark 关键字的图片与文本框。
- 同时关闭
settings.xml中的背景形状显示开关。 - 若原文件水印关键字不在内置列表（
watermark/confidential/draft/sample/do not copy等），需先读取文件确认水印形式，再按需扩展关键字（见脚本WATERMARK_HINTS）。
PDF（文本/注释型水印）：
python scripts/remove_pdf_watermark.py <input.pdf> [output.pdf] [--text "WATERMARK_TEXT"] [--auto]
--text可精确指定要删除的水印文字（也内置中英文常见词：机密/草稿/样本/严禁复制/内部资料/版权所有/请勿外传/confidential/draft/sample 等）。- 脚本会移除内容流中匹配的文字绘制指令，以及疑似水印的注释对象（
/FreeText//Stamp//Watermark//Artifact、关联/OC图层名为 watermark 的注释）。 --auto：当关键字模式未命中时，额外删除"半透明（/ca <1）文本"指令。更激进，可能误删浅色正文，谨慎使用。- 重要：若水印是图片（扫描件上的 logo），或平铺文字使用字体子集/CID 编码导致文本法失效，改用下方"PDF（图片型/平铺文字水印）"流程。
PDF（图片型 / 平铺文字水印）：
# 自动模式（默认检测白色/浅灰色半透明水印，如简历常见水印）
python scripts/remove_pdf_image_watermark.py <input.pdf> [output.pdf] [--dpi 200] [--threshold 8]
# 指定水印 HSV 颜色范围（6 个值）以适配其他颜色水印
python scripts/remove_pdf_image_watermark.py <input.pdf> [output.pdf] --hsv "h_min,s_min,v_min,h_max,s_max,v_max"
- 原理：逐页渲染为高清图 → 局部背景差分 + 低饱和度颜色阈值定位水印 → OpenCV Inpainting 修复 → 合成新 PDF。
- 适用于平铺、倾斜、半透明、字体子集化的白色/浅灰文字水印。代价：输出为图片型 PDF（文字不可选/不可编辑），但视觉上水印被清除。
--threshold控制检测敏感度：数值越小越激进（覆盖更多水印但可能轻微影响浅色正文），默认 8；若仍有残留可降到 5，若误伤正文可升到 12+。- 若自动颜色检测误伤正文，用
--hsv缩小范围。
图片（像素水印）：
# 自动模式：默认只在四角/边缘带检测水印（适合角落 logo、AI 生成文字、平台角标）
python scripts/remove_image_watermark.py <input> [output]
# 全图检测（适合平铺/居中水印）
python scripts/remove_image_watermark.py <input> [output] --region all
# 按水印颜色范围精确修复（HSV，6 个值）
python scripts/remove_image_watermark.py <input> [output] --hsv "h_min,s_min,v_min,h_max,s_max,v_max"
# 提供精确蒙版（白色=水印区域）
python scripts/remove_image_watermark.py <input> [output] --mask mask.png
# 选择修复算法 / 半径 / 大模型后端
python scripts/remove_image_watermark.py <input> [output] --method ns --radius 5
python scripts/remove_image_watermark.py <input> [output] --model lama
- 默认方法
telea（快速、边缘自然）；ns（Navier-Stokes，纹理更连贯，较慢）。 --region corner（默认）：仅在四角/边缘带内搜索，显著降低误伤主体内容的概率，适合绝大多数"角落 logo / AI 生成文字"类水印。--model lama：用 lama-cleaner 大模型修复，复杂纹理/背景上更自然；需先pip install lama-cleaner（及 torch）。脚本会自动检测可用性，不可用时回退 opencv 并提示。当水印覆盖区域纹理复杂（木纹、草地、毛发等）时，脚本会自动建议改用--model lama。- 若自动检测漏掉水印，引导用户提供蒙版或 HSV 范围。
- 中文/特殊字符路径已兼容（内部以字节方式读取与写入）。
4. 批量处理（CLI 入口）
scripts/batch_remove.py 适合一次性处理一个目录或多个文件，按扩展名自动分派到上面的脚本：
# 处理单个目录（默认递归遍历支持的扩展名）
python scripts/batch_remove.py <目录> --recursive --out-dir <输出目录>
# 同时指定多个文件 / 目录
python scripts/batch_remove.py a.pdf b.jpg ./照片 --out-dir ./out --recursive
# 针对批量内的 PDF / 图片微调策略
python scripts/batch_remove.py ./docs --pdf-mode image # 图片型PDF水印(默认text)
python scripts/batch_remove.py ./imgs --img-region all # 图片全图检测(默认corner)
python scripts/batch_remove.py ./imgs --img-model lama # 图片用大模型修复
python scripts/batch_remove.py ./docs --text "机密" # 指定PDF水印文字
特性：
- 不覆盖原文件：输出默认加 _nowm 后缀；用 --out-dir 统一导出。
- 失败隔离：单个文件处理失败/异常会被捕获并记录，不影响其余文件；结束汇总成功/跳过/失败清单。
- 中文路径兼容：内部以字节方式读取图片，规避终端编码问题。
- 支持的扩展名：.docx、.pdf、.png/.jpg/.jpeg/.bmp/.webp。
5. 校验与反馈
- 处理完成后，向用户报告输出路径及移除的疑似水印数量。
- 若某方法无效（如图像型 PDF 水印），明确说明限制并给出替代方案。
- 处理前可建议用户保留原文件备份；脚本默认输出带
_nowm后缀的新文件，不覆盖原文件。
注意事项
- 去水印仅适用于用户自己拥有版权或已获授权的文件，不应用于移除他人版权声明、绕过来源标识等侵犯权益的场景。使用前确认用户对其处理对象有合法处置权。
- 图像修复为算法近似，复杂水印（与不重叠纹理、边缘处）可能留有残影，必要时多试
--method/--radius/--hsv组合。 - 脚本均使用纯 Python 标准库操作 OOXML（Word）或无重依赖逻辑，PDF/图片脚本需
pypdf/opencv-python。
