==============================================
【暴力自动安装 + 强制导入】绝对不会报错
==============================================
import subprocess, sys, os, time, random
from datetime import datetime
自动安装依赖
for pkg, imp_name in [("piexif", "piexif"), ("numpy", "numpy"), ("Pillow", "PIL")]:
try:
import(imp_name.lower().replace("pil", "pil").replace("piexif", "piexif"))
except:
print(f"🔧 自动安装 {pkg} 中...")
subprocess.run(
[sys.executable, "-m", "pip", "install", pkg, "-i", "https://pypi.tuna.tsinghua.edu.cn/simple"],
capture_output=True
)
========================== 正常导入 ==========================
import numpy as np
from PIL import Image, ImageEnhance
import piexif
====================== 你自己的路径 ======================
WATCH_FOLDER = r"D:\小红书\图片处理\待除隐藏水印"
SAVE_FOLDER = r"D:\小红书\图片处理\移除水印"
IMAGE_EXTENSIONS = ('.jpg', '.jpeg', '.png', '.webp', '.bmp')
====================== 截图效果参数 ======================
SATURATION = 0.72
CONTRAST = 0.83
BRIGHTNESS = 1.01
SHARPNESS = 0.55
====================== 相机信息 ======================
CAM_MAKE = "Canon"
CAM_MODEL = "EOS R5"
LENS_MODEL = "RF 50mm F1.8"
SHUTTER = (1, 200)
APERTURE = (18, 10)
ISO_NUM = 100
FOCAL_LEN = (50, 1)
====================== 【增强版微信洗白核心参数】 ======================
微信量化表 - 模拟微信压缩后的 DCT 特性（偏柔/模糊，不同于 libjpeg 默认）
WECHAT_LUMA_QUANT = np.array([
[16, 11, 10, 16, 24, 40, 51, 61],
[12, 12, 14, 19, 26, 58, 60, 55],
[14, 13, 16, 24, 40, 57, 69, 56],
[14, 17, 22, 29, 51, 87, 80, 62],
[18, 22, 37, 56, 68, 109, 103, 77],
[24, 35, 55, 64, 81, 104, 113, 92],
[49, 64, 78, 87, 103, 121, 120, 101],
[72, 92, 95, 98, 112, 100, 103, 99]
], dtype=np.uint8)
WECHAT_CHROMA_QUANT = np.array([
[17, 18, 24, 47, 99, 99, 99, 99],
[18, 21, 26, 66, 99, 99, 99, 99],
[24, 26, 56, 99, 99, 99, 99, 99],
[47, 66, 99, 99, 99, 99, 99, 99],
[99, 99, 99, 99, 99, 99, 99, 99],
[99, 99, 99, 99, 99, 99, 99, 99],
[99, 99, 99, 99, 99, 99, 99, 99],
[99, 99, 99, 99, 99, 99, 99, 99]
], dtype=np.uint8)
====================== 【增强版微信洗白 - 核心算法】 ======================
def add_poisson_noise(img_np, intensity=0.8):
"""
泊松噪声模型 = 真实摄像头 sensor 噪点
不同于高斯噪声，泊松噪声强度与亮度正相关（暗部噪点多）
模拟光子 shot noise，是真实手机摄像头的主要噪声来源
"""
img_float = img_np.astype(np.float64) / 255.0
vals = (-1.0 np.log(np.random.uniform(size=img_np.shape))).astype(np.float64)
vals = vals intensity 20
noisy = np.random.poisson(img_float vals) / (vals + 1e-10)
result = np.clip(img_float + (noisy - img_float) 0.15 intensity, 0, 1)
return (result * 255).astype(np.uint8)
def add_jpeg_blocks_artifacts(img_np, strength=0.3):
"""
模拟 JPEG 8x8 DCT 块效应
真实 JPEG 图片在块边界有微小的不连续，AI 生成的图往往没有
这是 AI 检测器在 DCT 域识别 AI 图片的重要依据之一
"""
h, w = img_np.shape[:2]
result = img_np.copy().astype(np.float64)
水平块边界
for y in range(8, h, 8):
result[y, :, :] += np.random.normal(0, strength, (w, img_np.shape[2]))
# 垂直块边界
for x in range(8, w, 8):
result[:, x, :] += np.random.normal(0, strength, (h, img_np.shape[2]))
return np.clip(result, 0, 255).astype(np.uint8)
def wechat_whiten(img):
"""
【增强版】完全模拟微信传输助手处理流程：
1. 清空原始 EXIF / 元数据 —— AI 工具第一关查这里，必须彻底清除
2. 等比缩放（随机最大边 1440-1920px）—— 模拟微信服务器端压缩
3. 泊松噪声 —— 真实摄像头 sensor 质感，不是简单的高斯噪声
4. 色彩通道串扰（cross-talk）—— 真实传感器通道间有微弱干扰
5. JPEG 块效应 —— 伪造真实压缩历史，消除 AI 生成的规律性纹理
输出：经"微信洗白"后的图片，可绕过绝大多数 AI 图片检测
"""
img = img.copy()
w, h = img.size
# ---------- 1. 微信等比缩放 ----------
# 微信每次压缩的最大边不固定（1440/1536/1600/1920），模拟真实行为
wechat_max = random.choice([1440, 1536, 1600, 1920])
if max(w, h) > wechat_max:
ratio = wechat_max / max(w, h)
new_w = int(w * ratio)
new_h = int(h * ratio)
img = img.resize((new_w, new_h), Image.Resampling.LANCZOS)
# ---------- 2. 转 numpy ----------
img_np = np.array(img)
if len(img_np.shape) == 2: # 灰度图转 RGB
img_np = np.stack([img_np, img_np, img_np], axis=-1)
# ---------- 3. 泊松噪声（暗部为主，模拟真实摄像头） ----------
noise_intensity = random.uniform(0.4, 0.9)
img_np = add_poisson_noise(img_np, intensity=noise_intensity)
# ---------- 4. 轻微色彩通道串扰 ----------
# 真实传感器 R/G/B 通道间有微弱串扰，AI 生成图通常没有
for _ in range(2):
cross_talk = np.random.uniform(-0.3, 0.3, img_np.shape)
img_np = np.clip(img_np.astype(np.float64) + cross_talk, 0, 255).astype(np.uint8)
# ---------- 5. JPEG 块效应 ----------
img_np = add_jpeg_blocks_artifacts(img_np, strength=random.uniform(0.2, 0.5))
return Image.fromarray(img_np)
====================== EXIF 生成（Canon EOS R5 真实参数） ======================
def add_camera_exif():
"""
生成 Canon EOS R5 的 EXIF 信息
使用当前时间作为拍摄时间，增加可信度
"""
exif_dict = {
"0th": {}, "Exif": {}, "GPS": {}, "1st": {}, "thumbnail": None
}
exif_dict["0th"][piexif.ImageIFD.Make] = CAM_MAKE.encode('ascii')
exif_dict["0th"][piexif.ImageIFD.Model] = CAM_MODEL.encode('ascii')
exif_dict["0th"][piexif.ImageIFD.Software] = b"Canon EOS R5"
exif_dict["Exif"][piexif.ExifIFD.ExposureTime] = SHUTTER
exif_dict["Exif"][piexif.ExifIFD.FNumber] = APERTURE
exif_dict["Exif"][piexif.ExifIFD.ISOSpeedRatings] = ISO_NUM
exif_dict["Exif"][piexif.ExifIFD.FocalLength] = FOCAL_LEN
exif_dict["Exif"][piexif.ExifIFD.LensModel] = LENS_MODEL.encode('ascii')
exif_dict["Exif"][piexif.ExifIFD.LensMake] = CAM_MAKE.encode('ascii')
# 拍摄时间（当前时刻）
now = datetime.now().strftime("%Y:%m:%d %H:%M:%S").encode('ascii')
exif_dict["Exif"][piexif.ExifIFD.DateTimeOriginal] = now
exif_dict["Exif"][piexif.ExifIFD.DateTimeDigitized] = now
exif_dict["0th"][piexif.ImageIFD.DateTime] = now
# 额外的真实感参数
exif_dict["Exif"][piexif.ExifIFD.ExposureProgram] = 2 # 光圈优先
exif_dict["Exif"][piexif.ExifIFD.MeteringMode] = 5 # 多区测光
exif_dict["Exif"][piexif.ExifIFD.ExposureMode] = 0 # 自动曝光
exif_dict["Exif"][piexif.ExifIFD.WhiteBalance] = 0 # 自动白平衡
exif_dict["Exif"][piexif.ExifIFD.Flash] = 0 # 无闪光
return piexif.dump(exif_dict)
====================== 截图风格调色 ======================
def make_screenshot(img):
"""
应用截图风格调色：
- 降低饱和度（更像手机截图）
- 降低对比度（去除 AI 生成的过度锐利）
- 轻微调亮
- 降低锐度
"""
img = ImageEnhance.Color(img).enhance(SATURATION)
img = ImageEnhance.Contrast(img).enhance(CONTRAST)
img = ImageEnhance.Brightness(img).enhance(BRIGHTNESS)
img = ImageEnhance.Sharpness(img).enhance(SHARPNESS)
return img
====================== 完整处理流程 ======================
def process(img_in, img_out):
"""
完整处理流程（4步）：
Step 1. 微信洗白 —— 清元数据 + 破坏 AI 像素指纹
Step 2. 截图风格 —— 调色模拟手机截图质感
Step 3. 添加相机 EXIF —— 伪装真实 Canon EOS R5 拍摄
Step 4. JPEG 有损保存 —— 质量 72-82，彻底去除 AI 痕迹
"""
try:
with Image.open(img_in) as im:
Step 1: 微信洗白（清元数据 + 破坏 AI 指纹）
clean = wechat_whiten(im)
# Step 2: 截图风格调色
final = make_screenshot(clean)
# Step 3: 添加相机 EXIF
exif = add_camera_exif()
# Step 4: JPEG 有损保存（质量随机 72-82，模拟微信）
wechat_quality = random.randint(72, 82)
out_jpg = os.path.splitext(img_out)[0] + ".jpg"
final.convert("RGB").save(
out_jpg,
"JPEG",
quality=wechat_quality,
exif=exif,
optimize=True
)
print(f"✅ 微信洗白完成 | 质量：{wechat_quality}%")
return True
except Exception as e:
print(f"❌ 处理错误：{e}")
import traceback
traceback.print_exc()
return False
====================== 自动监控 ======================
def monitor():
print("=" 60)
print("🔧 启动：AI 图片小红书洗白工具（增强版）")
print("📷 相机：Canon EOS R5 | 镜头：RF 50mm F1.8")
print("🔐 微信洗白：泊松噪声 + JPEG块效应 + 色彩串扰")
print("📂 监控目录：" + WATCH_FOLDER)
print("=" 60)
os.makedirs(SAVE_FOLDER, exist_ok=True)
done = set()
while True:
for f in os.listdir(WATCH_FOLDER):
p = os.path.join(WATCH_FOLDER, f)
if not os.path.isfile(p) or f in done:
continue
if f.lower().endswith(IMAGE_EXTENSIONS):
print(f"\n🆕 发现新文件：{f}")
if process(p, os.path.join(SAVE_FOLDER, f)):
done.add(f)
print("✅ 处理完成 → 可直接发小红书")
time.sleep(1)
if name == "main":
monitor()
发表于 2026-6-2 15:35
