图片去水印:自动识别和框选,画质差多少
两种方式的输出尺寸、耗时与失败处理,以及什么情况下必须用框选。
自动识别会先把图压小再上传,输出约 104 万像素封顶,原图越大越糊;框选只改框内、结果保持原图尺寸,框外像素基本不动,最多框 4 处。原图超过 200 万像素,或水印压在人脸上时,直接用框选。
操作步骤
- 先看原图大小:超过 200 万像素、且要保留文字或票据细节,直接走框选。
- 只需要发社交平台、尺寸本来就会被压到 1080 宽,用自动识别更省事。
- 水印压在人脸、商品主体或文字上时,用框选把范围卡到最小。
- 一张图有多处水印时,最多框 4 处,耗时按处数叠加。
- 失败先重试一次;连续失败换时间或改用框选,不要反复点同一个按钮。
自动识别和框选,差在哪一环
同样是去水印,两条路处理的对象不一样:自动识别处理的是整张图,框选处理的是你框出来的那一块。这个差别决定了后面的画质、耗时和适用场景。
自动识别的流程是:把图压小、上传、模型整图重绘、返回结果。
框选的流程是:把框外区域裁掉一大部分、只把框周围那块送进模型、修复后羽化贴回原图。
为什么自动识别一定比原图糊
因为它不是「修复」,是「重画」。模型这端有一个像素上限,实测输出恒定在约 104 万像素,跟原图有多大无关。
一个记录到的例子:810×1440 的输入,输出是 752×1360,约 102 万像素,单张 22 秒左右。原图再大,落在手里的还是这个量级。
而且上传之前会先压一次。也就是说,原图越清楚,落差越明显。
框选能保住多少
框选走的是另一条路:结果尺寸和原图完全一致,框外的像素基本不动。
开发时做过逐像素比对:框外平均误差 0.85、最大误差 4.0(0–255 量级),肉眼看不出来;框内平均误差 19.69,因为那块本来就是模型重新画的。
所以框选的价值不是「更好看」,而是只有框里变了。水印旁边的文字、证件边缘、画面里的关键元素,只要不在框内就不会被动。
什么时候必须用框选
- 原图超过 200 万像素,而你要保留细节(票据、截图里的字、商品纹理)
- 水印压在人脸、商品主体或文字上
- 一张图里有 2–4 处水印,且位置分散
- 你只想去掉一个角标,不想让整张图重画一遍
反过来,如果只是发到社交平台、尺寸本来就会被压到 1080 宽,自动识别完全够用,而且更省事。
两个模式都会踩的坑
批量只支持自动。 一次最多 9 张,逐张串行跑,不支持框选。因为框选需要人工确认位置,批量没法替你决定。
串行比并发快。 记录里 3 张图逐张处理用了 76.5 秒,同时发 3 个请求反而 95.7 秒。并发没有收益,还更容易撞上服务端排队。
高峰期会有失败。 2026 年 9 月的一段抽样里,77 次模型调用失败 16 次(约两成),其中多数是 60 秒硬超时。失败后重试一般能过;连续失败再考虑换框选或换个时间。
一句话选法
要保住原图尺寸和框外细节,用框选;只求结果能发出去,用自动。
这条规则对绝大多数场景都成立,而且判断成本最低:先看原图像素量,再看水印压没压到主体。
常见问题
- 自动识别为什么比原图糊?
- 模型输出恒定在约 104 万像素,而且上传前会先压缩一次。原图远大于这个量级时,细节是在缩小过程中丢的,不是修复算法不够好。
- 框选之后框外真的没变吗?
- 结果是按原图尺寸贴回的,框外平均误差 0.85、最大 4.0(0–255 量级),肉眼不可见;框内是模型重建,不能承诺像素级无损。
- 一张图有多处水印怎么办?
- 框选最多支持 4 处,逐处处理,耗时大致按处数叠加。
- 批量能框选吗?
- 不能。批量只走自动识别,一次最多 9 张,逐张串行跑。