# 抖音暗水印（盲水印）去除方法 — 技术原理与实战工具

> 详解抖音视频隐式水印的嵌入原理、检测方法和去除方案，含开源工具推荐与批量处理脚本

## 什么是抖音暗水印

抖音在用户上传视频时，会自动在视频帧中嵌入**肉眼不可见的隐式水印**（也叫盲水印/invisible watermark）。这不是画面上的 logo，而是藏在像素数据里的追踪信息。

**嵌入的信息包括：**
- 用户 ID
- 设备信息
- 上传时间戳
- 可能还有视频指纹

**特点：**
- 人眼完全不可见
- 经过压缩、裁剪、加滤镜、转码后仍可提取
- 抖音官方可用来追溯视频来源（维权/投诉/封号）

---

## 技术原理

抖音的暗水印基于**频域嵌入**技术：

### 嵌入流程
1. 原始视频帧 → DWT（离散小波变换）/ DCT（离散余弦变换）
2. 将水印信息编码为二进制序列
3. 将二进制数据嵌入到中高频系数中（人眼不敏感区域）
4. 逆变换 → 还原为含水印的视频帧
5. 每帧都嵌入，确保鲁棒性

### 为什么难以去除
- 频域嵌入：不是简单改像素值，而是改频率系数
- 鲁棒性设计：抗压缩（H.264/HEVC）、抗裁剪、抗缩放、抗旋转
- 冗余编码：同一信息在多帧重复嵌入

---

## 去除方法

### 方法一：PowerTools（推荐，最省事）

**一站式 GUI 工具，支持盲水印添加/去除。**

- GitHub：https://github.com/SmileSnail5470/PowerTools
- 支持 Windows / macOS
- 内置 AI 去水印模型
- 支持图片 + 视频
- 批量处理

**安装步骤：**
1. 从 [Releases](https://github.com/SmileSnail5470/PowerTools/releases) 下载对应平台安装包
2. 解压，运行 PowerTools
3. 下载 [去水印模型](https://drive.google.com/file/d/1ulNiQo8G0XHiSP4gV7Hk-ng4XCJSvTlL/view) 放入模型目录
4. 设置中配置 ffmpeg 路径和 AI 模型路径
5. 选择「水印移除」→ 导入视频 → 处理

### 方法二：blind-video-watermark（Python 库）

**理解原理 + 自定义处理流程。**

```
pip install blind-video-watermark
```

- GitHub：https://github.com/eluv-io/blind-video-watermark
- 基于 DTCWT（双树复小波变换）
- 抗压缩、裁剪、旋转
- 可以先提取水印看看抖音到底嵌了什么

### 方法三：invisible_video_watermark（中文项目，有 GUI）

**国产工具，支持多种算法。**

- GitHub：https://github.com/tucaodashen/invisible_video_watermark
- 支持文本水印算法：Guofei / RivaGAN / 频域
- 支持图像水印算法：FireKeeper / Guofei
- PySide6 图形界面
- 支持 GPU 加速（CUDA / DirectML）

### 方法四：FFmpeg 重编码（最通用，无需额外工具）

**通过破坏频域系数来使水印无法提取。**

**基础版：**
```
ffmpeg -i input.mp4 \
  -vf "noise=alls=5:allf=t" \
  -c:v libx264 -crf 28 \
  -c:a copy \
  output.mp4
```

**进阶版（推荐）：**
```
ffmpeg -i input.mp4 \
  -vf "crop=iw*0.93:ih*0.93,scale=1080:1920,noise=alls=3:allf=t,eq=contrast=1.03:brightness=0.01:saturation=1.05" \
  -c:v libx264 -crf 26 \
  -c:a aac -b:a 128k \
  output.mp4
```

**参数说明：**
- `crop=iw*0.93:ih*0.93` — 裁掉边缘 7%，破坏空间定位
- `scale=1080:1920` — 缩放回原尺寸
- `noise=alls=3:allf=t` — 添加微弱临时噪点，破坏频域系数
- `eq=contrast=1.03` — 微调对比度，进一步干扰
- `crf 26` — 重编码质量，26 是画质和去水印效果的平衡点

### 方法五：批量处理脚本

```
#!/usr/bin/env python3
import subprocess, sys
from pathlib import Path

def remove_watermark(inp, out):
    cmd = [
        'ffmpeg', '-i', str(inp),
        '-vf', 'crop=iw*0.93:ih*0.93,scale=1080:1920,noise=alls=3:allf=t,eq=contrast=1.03:saturation=1.05',
        '-c:v', 'libx264', '-crf', '26',
        '-c:a', 'aac', '-b:a', '128k',
        '-y', str(out)
    ]
    subprocess.run(cmd, check=True)

def batch(input_dir, output_dir):
    output_dir = Path(output_dir)
    output_dir.mkdir(exist_ok=True)
    for v in Path(input_dir).glob('*.mp4'):
        out = output_dir / f'clean_{v.name}'
        print(f'Processing: {v.name}')
        remove_watermark(v, out)

batch(sys.argv[1], sys.argv[2])
```

---

## 各方法对比

| 方法 | 难度 | 效果 | 画质损失 | 适用场景 |
|------|------|------|---------|----------|
| **PowerTools** | 最简单 | 好 | 小 | 少量视频，GUI 操作 |
| **blind-video-watermark** | 中等 | 专业 | 可控 | 分析水印内容 |
| **invisible_video_watermark** | 中等 | 好 | 小 | 偏技术向 |
| **FFmpeg 重编码** | 简单 | 中等 | 5-15% | 批量处理最实用 |
| **批量脚本** | 中等 | 中等 | 5-10% | 大量视频自动化 |

---

## 进阶：验证去水印效果

用 blind-video-watermark 先提取看看：

```
pip install blind-video-watermark

# 嵌入测试水印
bvw embed --input test.mp4 --output watermarked.mp4 --message "test123"

# 提取水印
bvw extract --input watermarked.mp4

# 对处理后的视频做同样提取，看是否还能读到信息
```

### 频域攻击原理

水印信息藏在 DCT/DWT 的中高频系数中，所以：
- **加噪点** → 直接干扰高频系数
- **重编码** → H.264 的 DCT 变换会改变系数分布
- **裁剪** → 破坏水印的空间同步
- **缩放** → 改变频率分辨率
- **色彩偏移** → 改变亮度/色度通道的系数

组合使用效果最佳。

---

## 相关开源项目

- [PowerTools](https://github.com/SmileSnail5470/PowerTools) — 一站式盲水印添加/去除工具（GUI）
- [blind-video-watermark](https://github.com/eluv-io/blind-video-watermark) — DTCWT 频域盲水印库
- [invisible_video_watermark](https://github.com/tucaodashen/invisible_video_watermark) — 多算法视频隐形水印
- [RivaGAN](https://github.com/Peachypie98/RivaGAN) — 深度学习视频盲水印
- [HiddenWatermark](https://github.com/mchall/HiddenWatermark) — DWT-DCT 图片盲水印
- [watermark-segmentation](https://github.com/Diffusion-Dynamics/watermark-segmentation) — 深度学习水印分割

---

**分类**：教程
**标签**：去除 · 方法 · 水印
**作者**：Xiao.Xi
**链接**：https://octohz.com/p/1602