AI 图像水印去除 · 像素验证

安装指南

1. ClawHub CLI 从源直接安装技能的最快方式。
   npx clawhub@latest install ai-image-watermark-removal-boss
2. 手动安装 将技能文件夹复制到以下位置之一
   全局模式
   ~/.openclaw/skills/
   工作区
   /skills/
   优先级：工作区 > 本地 > 内置
3. 提示词安装 将此提示词复制到 OpenClaw 即可自动安装。
   请帮我使用 Clawhub 安装 ai-image-watermark-removal-boss。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。
   更倾向于下载？
   获取包含原生技能文件的ZIP压缩包。
   下载技能 (.zip)

什么是

AI 图像水印去除 · 像素验证是 Openclaw Skills 中的一套工作流程，用于处理来自豆包、即梦和 Kolors 等工具的图像上的白色或半透明角落标签，例如 AI 生成水印。它结合了基于网格的定位、像素密度分析、背景采样、多候选修复和数值验证，而不是仅依赖视觉判断。
该技能适用于经授权的图像编辑场景，其中水印位于相对均匀的背景上，且远离重要内容。它提供了一套可衡量的检测和验证流程，同时明确区分了简单的图像修补式修复与水印覆盖人脸、徽标或复杂纹理时所需的高级修复。

应用场景

去除图像角落的白色或半透明 AI 生成标签。
处理由豆包、即梦、Kolors 及类似 AI 图像工具生成的图像。
检测天空、水面、纯色块、渐变或其他相对均匀背景上的水印区域。
使用像素级比较，验证疑似水印是否确实已清除。
根据纹理连续性、颜色方差和邻近像素距离，比较多个修复候选结果。
为经授权的内容清理构建可审计的图像处理工作流程，并明确标注边界框和可衡量的阈值。

工作原理

定位候选区域： 将图像划分为 10×10 网格，并使用网格坐标确定大致水印区域，而不是使用模糊的位置描述。
运行独立的像素扫描： 使用亮度阈值和行／列连续性，在整张图像中搜索密集的白色或半透明像素簇，以估算文字边界。
交叉核对信号： 只有当基于网格的信号与像素密度信号一致时，才锁定水印边界框；如果两者不一致，应在编辑前重新评估。
生成修复候选结果： 生成多种可能的填充结果，包括拉伸背景采样、平均颜色填充、高斯模糊蒙版边缘和多方向插值。
为每个候选结果评分： 比较纹理连续性、边缘梯度、颜色统计方差以及与周围像素的欧几里得距离，选择一致性最高的结果。
应用安全边距： 将修复区域向外扩展约 6–8 像素的内边距，以减少边缘残留字符。
进行数值验证： 运行 scripts/verify_watermark_removed.py，比较原始图像和处理后图像目标区域中的白色像素数量。
作出最终判断： 当处理后的白色像素数低于原始目标区域像素数的 5% 时，视为水印已清除；像素级差异是最终判据，而不是视觉模型可能出错的判断。

配置指南

安装 Python 3 和所需的图像处理库：
pip install pillow numpy
使用验证脚本
将技能文件放在预期的 Openclaw Skills 工作区中，并确保验证脚本位于：
scripts/verify_watermark_removed.py
生成原始图像和处理后图像后，根据脚本本地的参数接口运行脚本。工作流程应保留目标边界框和候选指标，以便独立测试每个阶段。
操作指南

工作原理

执行覆盖操作前，使用两种检测信号确认水印位置。
复杂背景使用背景拉伸；真正均匀的区域使用平均颜色填充。
如果水印与有意义的内容重叠，请使用 LaMa 等专用修复系统，而不要依赖此修补式工作流程。
AI 图像水印去除 · 像素验证 数据架构与分类体系
技能元数据
字段 值
名称 ai-image-watermark-removal
版本 1.1.0
Slug ai-image-watermark-removal-boss
许可证 MIT
依赖项 Python 3、PIL/Pillow、numpy
标签 图像水印去除、AI 生成水印、像素验证、防幻觉定位、OpenCV
处理数据
输入图像： 包含疑似角落水印的原始 AI 生成图像。
候选边界框： 根据 10×10 网格定位和像素密度聚类得出的坐标字典。
检测信号： 网格估算，加上白色／半透明像素簇、行密度和连续列检查。
修复候选结果： 背景条带拉伸、使用羽化蒙版进行平均颜色填充，以及多方向插值。
候选指标： 纹理连续性、边缘梯度变化、颜色方差，以及与周围像素的欧几里得距离。
处理后图像： 应用选定候选结果并添加 6–8 像素安全边距后的图像。
验证输出： 比较目标区域内原始图像与处理后图像的白色像素数量。
生成的脚本
scripts/verify_watermark_removed.py — 比较原始水印区域和处理后水印区域中的白色像素，并支持 5% 残留像素判定规则。

高级特性

双重信号定位结合粗略网格分析与独立的像素密度聚类。
跨原理验证可降低仅凭单一视觉方法接受错误水印位置的风险。
多候选修复使用客观评分，而非主观视觉选择。
将像素级真实情况验证与视觉模型判断分开，以减少因头发、泡沫、火焰、高光或其他明亮图像内容造成的误报。
明确的边界框、候选列表和指标使流水线的每个阶段都可独立测试和调试。
可配置阈值支持白色和半透明水印检测，包括亮度和经 alpha 调整的条件。
该工作流程展示了端到端评估中的成本、成功率和可检查性权衡。
明确处理能力限制，指出何时不适合使用修补式修复、何时需要完整的 AI 修复。
Openclaw Skills 用户可以将文档所述的四阶段流程——定位、采样、覆盖、验证——改造为批处理或分布式图像处理系统。

name: ai-image-watermark-removal description: 去除 AI 生成图角落的"XXAI生成"半透明/白色角标水印。像素级验证不自我欺骗、双信号交叉定位抗幻觉、多候选客观指标投票覆盖。当用户要求去除图片水印、清理 AI 生成角标、去"豆包/即梦/Kolors 生成"水印时使用。 version: 1.1.0
slug: ai-image-watermark-removal-boss
displayName: AI图片去水印·像素级验证版
summary: 去AI生成图角标水印。像素级验证不自我欺骗、双信号交叉定位抗幻觉、多候选客观指标投票覆盖。
license: MIT
author: ai-image-watermark-removal