Gemini 去水印工具：无损还原 AI 生成图像的纯净之美

GargantuaX/gemini-watermark-remover — 4587★ · MIT License · JavaScript

痛点场景：为什么这个工具诞生了

2025年，随着 Google Gemini AI 的图像生成能力日益强大，越来越多用户开始用它创作海报、插画、社交媒体配图甚至商业素材。然而，所有 Gemini 输出的图片右下角都无一例外地带着半透明水印——一个 Logo 加一行文字。对于普通用户，这只是一个小小的"标记"；但对于设计师、内容创作者和 AI 爱好者来说，这个水印就像贴在画作正中央的一块胶带：明明是我的创作，却不得不顶着别人的 Logo 示人。

面对这个问题，市面上大多数解决方案都是用 AI 图像修复模型（如 LaMa、LDPM）来"猜测"水印区域的内容。但这类方法有两个根本性缺陷：一是推理速度慢，需要 GPU 支持；二是容易产生"修补痕迹"——修复区域和原图在纹理、颜色上存在肉眼可见的不自然感。

GargantuaX 的做法则另辟蹊径：他深入分析了 Gemini 水印的生成机制，发现水印是通过 Alpha 混合（Alpha Blending）叠加到图像上的。这意味着——只要能精确还原 Alpha 通道参数（透明度增益），就能通过数学推导将水印完美去除，而不是"猜"出来。

核心技术：数学精确的反向 Alpha 混合

Alpha 混合原理

Alpha 混合是计算机图形学中最常见的图像叠加公式。已知最终像素和 alpha 参数，可以反推原始像素，这就是**反向 Alpha 混合（Reverse Alpha Blending）**的核心：

原始像素 = (最终像素 - 水印像素 × alpha) / (1 - alpha)

但实际场景远比公式复杂：水印不是固定透明度，而是梯度透明度（边缘淡入淡出），且不同 Gemini 版本的水印 alpha 参数各不相同。

嵌入 Alpha Map 策略

项目在 embeddedAlphaMaps.js 中硬编码了多种尺寸的 Alpha Map（48×48、96×96、36-v2 等），每种对应一个 Gemini 版本的水印参数组。通过 adaptiveDetector.js 中的梯度相关性计算和空间相关性计算，自动检测当前图片属于哪种水印类型，然后选择最匹配的 Alpha 参数。多轮参数试探（Alpha Trial）+ 残差评估确保在各种水印变体下都能找到最优去除方案。

多阶段 Pipeline 架构

处理流程分为多个 Stage：检测阶段（基于 Gemini 已知输出尺寸目录定位水印）、Alpha 阶段（试探不同 alpha 参数组合）、修复阶段（应用 flat-fill 背景色平坦填充和 edge-cleanup 边缘清理）、验收阶段（评估去水印后的视觉质量，确保无明显修补痕迹）。

视频水印处理

除了图像，项目还支持 Gemini 生成视频的去水印。对视频逐帧提取候选水印区域，通过 veoTextWatermarkDetector.js 比对 VEO 文字水印模板，再通过时序分析确保跨帧一致性。使用 WebCodecs API 和 Canvas 两种解码路径，并在帧间做去噪处理。

五种使用方式：从零门槛到全自动化

项目提供了覆盖从普通用户到专业开发者的全场景接入方式：

特别值得一提的是 Skill 模式：这是专为 AI 编程 Agent 设计的接口，AI Agent 可以自动发现并调用该工具，将 Gemini 去水印能力集成到自动化工作流中。

技术栈与代码质量

项目主语言为 JavaScript/TypeScript，核心技术栈包括：

• Canvas API / OffscreenCanvas：浏览器端图像处理基础
• ONNX Runtime WebAssembly：运行 Allenk FDNCNN 去噪模型，对低质量水印区域做超分辨率增强
• Sharp：Node.js 环境下的图像编解码器
• pnpm workspaces：Monorepo 结构

代码质量极高：170+ 个测试文件覆盖核心算法、Pipeline、SDK、视频处理等所有模块。测试框架使用 Node.js 内置的 node --test。

局限性与争议

1. 需要禁用 Canvas 指纹防护扩展：Canvas Fingerprint Defender 等扩展会干扰水印检测精度
2. 对未知水印格式无效：仅针对已知的 Gemini 可见水印
3. 视频去水印仍有残差：视频水印处理比图像更复杂
4. 法律风险：项目声明使用风险由用户自担，水印去除涉及版权争议

行业意义

该项目于 2025 年 12 月创建，至今（2026年6月）已获得 4587 Stars、553 Forks，增长速度极快。它代表了一类新兴的开源工具——AI 生态辅助工具：不替代 AI 模型本身，而是解决 AI 输出的"最后一公里"问题。从技术角度看，Alpha 混合逆向工程方法也为类似问题提供了范式：先理解生成机制，再针对性破解，比通用 AI 修复更精确、更高效。