图片文字擦除工具 — DBNet 文字检测 + PatchMatch 内容识别填充，附带去发光（去除绿光/辉光文字的光晕）与本地 Web 界面。 Image text removal via DBNet text detection + PatchMatch-based content-aware fill, with glow removal and a local web UI.
- 一键擦除文字：DBNet（PP-OCRv4 det ONNX，约 5MB，CPU 推理）定位文字框，框内 Otsu 生成逐像素字形蒙版，PatchMatch 算法用周围背景填充
- 去发光（deglow）：绿光/辉光文字的光晕污染背景，普通填充会残留绿斑——v2 方案用 alpha 分解 + 调和场插值恢复干净背景
- 一份算法核心（wasm）：去发光/蒙版修复/填充全部编译为一个
textcore.wasm（245KB），后端经 wasmtime、浏览器经 WebAssembly 调同一份字节码，结果逐字节一致 - 引擎自由选择：后端引擎（Python 库调用）或浏览器引擎（ESM 包，纯前端本地计算），Web 界面一键切换；深度自定义可直接取共享核算子自建管线
- 所见即所得：「移动边缘」让展示蒙版与真实填充区完全一致，支持自动判定边缘外扩量
- 纯本地运行：无 API、无上传，模型首次运行自动下载后完全离线
- 批量并发：
erase_batch()多图并行（线程本地 wasm 实例隔离，实测近线性加速）
# 库调用: cv2 (OpenCV) 由使用方环境提供, 先自选其一安装
pip install opencv-python # 桌面/有 GUI; 服务器可选 opencv-python-headless
pip install text-eraser # 纯填充/经典检测即装即用
# 需要 DBNet (ML) 文字检测再装可选依赖
pip install "text-eraser[ml]"
# 本地 Web 界面 (fastapi + uvicorn + DBNet 检测一次装全)
pip install "text-eraser[web,ml]"
⚠️ cv2 不要混装：opencv-python与opencv-python-headless是同一个cv2命名空间，同一环境里两个都装会互相覆盖 site-packages/cv2 文件（OpenCV 官方禁止）。 本包对二者任选其一均可，但绝不会替你安装 cv2——用哪种由你的环境决定。
需要 Python 3.10+。DBNet 模型（约 5MB）在首次使用时自动从 HuggingFace 下载，之后离线可用。
0.3.0 破坏性变更（Python 核心剔除）：算法核心只保留
textcore.wasm（随包分发，wasmtime成为硬依赖）。已删除：glow_mode通道法及 auto/autov1.1/deglow_first/v4 等去发光变体（仅存 "v2"/"off"）、numpy PatchMatch 参考实现、TEXTCORE_BACKEND=0调试开关。deglow_green_thr/deglow_range/deglow_glo/deglow_protect参数保留但不再 生效（v2 不使用），旧调用方可平滑升级。Web 界面无感（原本就只有 v2/off）。
0.2.0 更名迁移：Python 导入名由
textpatch更名为text_eraser（与 PyPI 包名text-eraser对应），其余 API 完全不变，只需改导入前缀：- from textpatch import erase_text + from text_eraser import erase_text同时环境变量
TEXTPATCH_MODEL_DIR更名TEXTERASER_MODEL_DIR（旧名自动兼容）， 模型缓存目录由~/.textpatch/models/det迁移到~/.text_eraser/models/det（首次运行检测到旧目录模型会自动复制并提示，不会静默重新下载）。
从源码运行：
git clone https://github.com/lehuaner/text-eraser.git
cd text-eraser
pip install -e ".[web,ml,dev]"text-eraser # 或 python -m text_eraser浏览器打开 http://127.0.0.1:8765/，拖入图片即可擦除；支持逐面板查看蒙版/去发光中间结果、调整参数、保留历史记录。
- 端口/地址：环境变量
TEXTERASER_PORT（默认 8765）、TEXTERASER_HOST（默认 127.0.0.1） - 运行数据目录：
TEXTERASER_DATA_DIR（仓库开发用data/，pip 安装默认~/.text_eraser/data） - 模型缓存目录：
TEXTERASER_MODEL_DIR（pip 安装默认~/.text_eraser/models） - 以上均兼容 0.1.x 旧名
TEXT_ERASER_*，新名优先
from PIL import Image
from text_eraser import erase_text, to_rgb_uint8
rgb = to_rgb_uint8(Image.open("demo.png")) # HxWx3 uint8 RGB
result, mask, meta = erase_text(rgb, return_mask=True)
Image.fromarray(result).save("out.png")
# mask: 255=被擦除的文字; meta: mask_pix / inpaint_seconds / edge_used 等只用填充器（去水印/去任意内容，无需文字检测）：
import numpy as np
from text_eraser import inpaint
hole = np.zeros(rgb.shape[:2], np.uint8) # >0 = 要清除的区域
hole[10:40, 20:80] = 255
filled = inpaint(rgb, hole, sample_mask=255 - hole)| 参数 | 默认 | 说明 |
|---|---|---|
edge |
1 | 「移动边缘」：蒙版与填充区同步外扩(>0)/收缩(<0)像素 |
auto_edge |
True | 按文字色残留自动判定最小外扩（多数图 1，硬图自动到 2） |
q_off |
55 | 蒙版紧密度 [30,70]，越高越贴字形 |
direction |
None | 纹理方向角度°（木纹/条带类背景） |
deglow_scheme |
"v2" | 去发光方案："v2" / "off"（无发光图自动零改动） |
fill_white |
True | 临近纯白补全：把紧邻蒙版的亮白/抗锯齿残留并入蒙版。白字/高亮字必须保持 True——否则 Otsu 漏检的笔画残段（如"台"底横、"周"顶横）既残留在结果里，又会留在 patchmatch 取样区内被复制进填充区，导致填充明显偏白、与背景色差大 |
fill_max_dist |
12 | 孤立纯白段最大吞并距离（px，0=关闭）。小字/细笔画建议 8~15 |
max_side |
960 | DBNet 推理最长边，调大可提升小字召回 |
⚠️ 调用方注意：若外部项目只需换背景色/填充色与原图一致，请不要关闭fill_white、 不要把fill_max_dist设为 0，也不要绕过erase_text直接用detect_text_mask自建填充——蒙版修复（_fill_nearby_white/_fill_bright_near_mask/ 亮核吸收）都在erase_text编排内，跳过即复现"漏检笔画污染填充"问题。
完整函数级 API 见 docs/ALGORITHM.md；版本历史见 CHANGELOG.md。
算法核心只有一份 textcore.wasm，跑在哪里由调用者决定——Web 界面只是参考
实现（右上角切换「后端计算 / 本地浏览器计算」），库层面同样一等公民：
| 引擎 | 用法 | 适用场景 |
|---|---|---|
| 后端（Python 进程） | from text_eraser import erase_text |
服务端批处理、无头脚本 |
| 浏览器（纯前端） | import { erase, eraseTextGlyphs, inpaint } from 'text-eraser-browser'（见仓库 browser/，图片不出设备） |
隐私敏感场景、离线页面 |
| 自定义编排 | from text_eraser import core 取共享核算子 |
只要其中一步 / 自己串管线 |
深度自定义示例——只借去发光、填充自己做：
from text_eraser import core
clean, core_mask, zone = core.deglow_full_green_v2(rgb, tmask, strength=1.0)
# 之后随意: 塞回自己的修复器 / 导出中间图 / 接入别的管线完整算子清单（与浏览器 cv-bridge 一一对应）：rgb2gray / threshold_otsu / dilate / erode / morphology_ex / connected_components(_with_stats) / edt_to_nearest_zero / resize_* / grow_color_tint / deglow_full_green_v2 / patchmatch_inpaint_fill / smooth_telea_full / erase_text_glyphs。
from text_eraser import erase_batch
results = erase_batch(list_of_rgbs, workers=4) # 多图并行, 返回与输入同序- 每个线程持有独立的 wasm 核实例（wasmtime Store 非线程安全，单例并发会踩 内存——包内已按线程隔离，Web 服务多请求并发同样受益）
- wasmtime 的 FFI 调用释放 GIL，实测多图填充接近线性加速
- 单张图内部不做并行：逐框拆分填充会改变结果、破坏前后端逐字节一致（有意取舍）
原图 RGB
→ DBNet 文字框 → 框内 Otsu + 纯白补全 → 逐像素文字蒙版 [Python, onnxruntime]
→ 去发光 v2 (强绿信号门 → alpha 分解恢复背景 → 调和场插值) [textcore.wasm]
→ 蒙版修复 (并集 → 闭运算 → 亮核吸收 → zone 吸收) [textcore.wasm]
→ 移动边缘 → PatchMatch 填充 (Criminisi 优先级 + 颜色自适应；平滑渐变背景
自动切 TELEA 扩散) [textcore.wasm]
→ 擦除结果
除 DBNet 推理与检测链前处理（cv2 float 算子，位级复刻不可达）外，整条算法 管线都在共享 wasm 核内执行——浏览器引擎跑的是同一份字节码，两端结果逐字节一致。
- 设计细节与参数速查：docs/ALGORITHM.md
- 共享核跨端一致性验证：
shared/_verify_align/（py/node/browser 三端 md5 对照） - 去发光 v4 规格说明：docs/DEGLOW_V4.md（0.2.x 实验方案，已从
主管线移除，模块保留于
deglow/供研究）
- 发光文字路径仍在迭代：绿光/辉光场景经过多轮修复已大幅改善，但个别复杂背景（暖色多弧段等）仍可能有色差残留，持续按实际观感调整中
- 文字检测依赖 DBNet 召回；极端小字（<8px 高）或严重模糊的字体可能漏检
- 大图（4K+）CPU 推理约 0.1s/张，填充耗时与蒙版面积成正比
# cv2 仍由环境提供 (自选 opencv-python 或 opencv-python-headless 其一)
pip install -e ".[dev,web,ml]"
pytest # 合成图测试套件TextEraser/
├── text_eraser/ # 包本体 (检测编排/蒙版/填充/Web) — 算法核心在 assets/textcore.wasm
│ └── core.py # 共享核算子公开门面 (自定义管线入口)
├── shared/ # 共享算法核 Rust 源码 + 三端 binding + 跨端校验
├── browser/ # 浏览器引擎 ESM 包 (text-eraser-browser)
├── tests/ # 合成图测试 (CI 用, 自足不依赖样图)
├── docs/
│ ├── ALGORITHM.md # 函数级算法与参数指南
│ ├── DEGLOW_V4.md # 去发光 v4 规格说明 (0.2.x 实验方案存档)
│ ├── assets/ # README 演示图
│ └── dev/ # 开发日志与专项修复报告
├── scripts/ # 离线诊断/回归脚本 (见下)
└── deglow/ # 去发光 v4 实验模块 (不随 pip 包发布)
scripts/ 保留核心验收与诊断工具：parity_check.py（后端 vs 浏览器 wasm 逐字节
parity 验收门，4 基准图）、render.py / pixel_check.py（全管线对照与逐像素检查）、
dbnet_*.py（DBNet 诊断）、_cmp_* / _gen_dist.py（跨端算子对照）、
make_release_demo.py（发布演示图）、fix_ref.py（仓库 ref 修复工具）、
v4_*.py（deglow v4 研究，需完整仓库）。
发新版本无需本地构建、无需任何 API token——推送 tag 即自动发布到 PyPI（Trusted Publishing / OIDC）：
# 1. 升版本号: pyproject.toml 的 version + text_eraser/__init__.py 的 __version__
# 2. 提交后打 tag 推送
git tag v0.3.0 && git push origin main v0.3.0首次使用前需在 PyPI 一次性登记发布者：项目管理页 → Settings → Publishing，
填 Owner lehuaner / Repository text-eraser / Workflow publish.yml（Environment 留空）。