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
大熊背2 分钟前
图像处理专业书籍以及网络资源总结
人工智能·算法·microsoft
3gying7 分钟前
chromedriver
python
江理不变情9 分钟前
图像质量对比感悟
c++·人工智能
DES 仿真实践家1 小时前
【Day 11-N22】Python类(3)——Python的继承性、多继承、方法重写
开发语言·笔记·python
张较瘦_2 小时前
[论文阅读] 人工智能 + 软件工程 | 需求获取访谈中LLM生成跟进问题研究:来龙去脉与创新突破
论文阅读·人工智能
一 铭3 小时前
AI领域新趋势:从提示(Prompt)工程到上下文(Context)工程
人工智能·语言模型·大模型·llm·prompt
顾道长生'4 小时前
(Arxiv-2025)通过动态 token 剔除实现无需训练的高效视频生成
计算机视觉·音视频·视频生成
云泽野6 小时前
【Java|集合类】list遍历的6种方式
java·python·list
麻雀无能为力7 小时前
CAU数据挖掘实验 表分析数据插件
人工智能·数据挖掘·中国农业大学
时序之心7 小时前
时空数据挖掘五大革新方向详解篇!
人工智能·数据挖掘·论文·时间序列