OpenCV-17制作LOGO小练习

在编写代码之前我们需要理清思路:

1.引入图片

2.设计一个LOGO的图片

  1. 规划一下LOGO希望放在那个位置,在添加的位置变为黑色

  2. 利用add方法,将logo和图片叠加在一起

    import cv2
    import numpy as np

    导入图片

    dog = cv2.imread("dog.png")

    创建LOGO

    logo = np.zeros((200, 200, 3), np.uint8) # 一个纯黑LOGO背景

    绘制LOGO

    logo[20:120, 20:120] = [255, 0, 0]
    logo[80:180, 80:180] = [0, 255, 0]

    cv2.imshow("logo", logo)
    cv2.imshow("dog", dog)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

输出的LOGO图像如图所示:

接下来我们计划将LOGO放在小狗图片的左上角。

在OpenCV位运算中,还存在掩码(mask)操作。

例如cv.bitwise_and(src1, src2, dst, mask)

位运算,前面两个图片先做一个与运算,与完之后再与掩码做一个与运算。

如果结果为True,则显示前面与完结果之后的值

如果结果为False,则统一为0

且无论是and、or、not、xor在OpenCV中与掩码的操作都为与运算。

复制代码
roi = dog[0:300, 0:300]   # 浅拷贝

# roi与m进行与操作
tmp = cv2.bitwise_and(roi, roi, mask=m)    # roi与roi与操作之后还是roi,
# 在于mask进行与运算,如果结果为True,返回原图,如果为False,返回黑色。
cv2.imshow("tmp", tmp)

此时发现得到的tmp与logo进行add运算,即可把logo嵌入。

复制代码
dst = cv2.add(tmp, logo)
cv2.imshow("dst",dst)

最后我们再在dog上还原图片

复制代码
dog[:300, :300] = dst

最终我们可以得到一下带LOGO的小狗图片

综合演示代码如下所示:

复制代码
import cv2
import numpy as np

# 导入图片
dog = cv2.imread("dog.png")

# 创建LOGO
logo = np.zeros((300, 300, 3), np.uint8)  # 一个纯黑LOGO背景

# 绘制LOGO
logo[20:120, 20:120] = [255, 0, 0]
logo[80:180, 80:180] = [0, 255, 0]

# 创建一个掩码
mask = np.zeros((300, 300), np.uint8)  # 创建一个二维的与LOGO一样的的掩码
mask[20:120, 20:120] = 255
mask[80:180, 80:180] = 255

cv2.imshow("mask", mask)
m = cv2.bitwise_not(mask)  # 将创建的掩码取反
cv2.imshow("m", m)

# 选择dog添加LOGO的位置
roi = dog[0:300, 0:300]   # 浅拷贝

# roi与m进行与操作
tmp = cv2.bitwise_and(roi, roi, mask=m)    # roi与roi与操作之后还是roi,
# 在于mask进行与运算,如果结果为True,返回原图,如果为False,返回黑色。
cv2.imshow("tmp", tmp)
# 进行add拼接
dst = cv2.add(tmp, logo)
cv2.imshow("dst",dst)

# 在dog上还原
dog[:300, :300] = dst

cv2.imshow("logo", logo)
cv2.imshow("dog", dog)
cv2.waitKey(0)
cv2.destroyAllWindows()
相关推荐
数智前线几秒前
Forrester最新报告发布:OceanBase成唯一入选中国厂商
人工智能
葡萄城技术团队1 分钟前
AI 不会淘汰电子表格,反而会让电子表格成为 AI 操作系统
前端·人工智能
monsion2 分钟前
AG-UI 协议详解:Agent 与用户之间缺失的那一层
人工智能·ui·个人开发
Token炼金师4 分钟前
千卡月崩五次:loss spike、硬件故障、checkpoint 与断点续训 —— 训练可靠性的生死线
人工智能·深度学习·llm
有Li7 分钟前
通过渐进式域变换实现组织分类的无监督单域泛化文献速递/基于多模态的医学影像分割与理解
人工智能·学习·分类·数据挖掘·文献·医学生
Token炼金师8 分钟前
指令的塑形:从野生语言模型到听话助手 —— 监督微调 SFT 全链路
人工智能·深度学习·llm
新知图书10 分钟前
多模态智能体开发工具链推荐(IDE/调试工具/日志工具)
人工智能·agent·多模态·ai agent·智能体
双翌视觉13 分钟前
当光纤端面遇上AI算力:精密检测的光学成像技术与应用
人工智能·视觉检测
Sirius Wu18 分钟前
OpenClaw 并发安全完整详解
网络·人工智能·安全·ai·架构·aigc
武子康19 分钟前
🔥 codex-plugin-cc 原理全拆:四层桥接 + JSON-RPC 2.0 + JSONL + 后台任务状态机
人工智能·llm·claude