像素差分法去水印最稳：对同源多图同一位置像素按通道统计频次，用中值滤波替换异常值；须拆解ARGB、禁用直接getRGB运算、流式处理防内存溢出。
Java 图像批量去水印：别碰 OCR，先用像素差分
水印不是文字，是叠加在原图上的固定图案或半透明层——直接调 BufferedImage 像素遍历比任何“智能识别”更稳、更快。OCR 或深度学习模型在这里属于过度设计，反而引入误判和依赖。
核心思路是：水印区域往往存在高频重复模式（如 logo 位置固定、灰度/色相偏移一致），通过对比多张图同一位置的像素值分布，找出异常稳定的“干扰值”，再用邻域均值或中值替换。
- 适用场景：同一批次导出的截图、PPT 导出图、带固定角标的企业模板图
- 不适用：单张图、水印位置随机、水印与内容强融合（如纹理嵌入）
- 关键前提：至少有 3 张以上同源图像（相同尺寸、相同水印位置）
用 getRGB() 提取像素并统计频次，避开 Alpha 混淆
很多人直接对 getRGB(x, y) 返回值做减法，结果发现水印没去掉反而泛色——因为 Java 的 int 像素值是 ARGB 格式，Alpha 通道未归一化，直接运算会放大透明度差异带来的噪声。
- 务必先用
Color拆解：new Color(rgb, true)，再取getRed()/getGreen()/getBlue() - 统计时按通道独立处理，避免 RGB 合并后频次失真（比如 R=200/G=200/B=200 和 R=190/G=210/B=200 在合并值上不同，但视觉几乎一样）
- 慎用
getRaster().getSample(x, y, 0)：它绕过颜色模型，对 PNG 透明背景可能读出 0 值，干扰统计
批量处理时内存爆掉？用 ImageIO.read() + SoftReference 控制缓存
一次加载 50 张 4K 图，BufferedImage 默认吃掉 2GB+ 堆内存，OutOfMemoryError 不是配置问题，是没做流式裁剪。
立即学习“Java免费学习笔记（深入）”；
- 不要把全部图 load 到内存再处理；改用循环：每次
ImageIO.read(new File(...))→ 处理 →flush()→ 显式置null - 若需保留部分图做参考（如取前 5 张建水印模板），用
SoftReference<bufferedimage></bufferedimage>包裹，JVM 内存紧张时自动回收 - 写入时别用
ImageIO.write(img, "png", out)直接吐大图；先压缩：用JPEGImageEncoder（旧版）或ImageWriteParam设置compressionQuality = 0.85f
水印边缘残留锯齿？用 3×3 中值滤波替代简单均值替换
直接用周围像素平均值填水印区域，容易导致边界模糊、细节发虚——均值对异常值敏感，而水印像素本身就是异常值。
- 对每个疑似水印点
(x, y)，取其 3×3 邻域共 9 个像素的 R/G/B 值，分别排序取第 5 个（中值），再合成新 RGB - 只对统计中“出现频次 > 80% 且标准差
- 跳过图像边缘（
x = width-1 || y >= height-1），否则越界读取会抛ArrayIndexOutOfBoundsException
真正难的不是算法，是判断哪一块算“水印”——没有通用阈值，必须针对你的图集手动试 3–5 组参数：频次下限、色差容差、邻域大小。跑一次就要看结果图，别信“理论上应该可以”。
