Python合并两张图片 | 先叠透明度再合并 (附Demo)

目录

前言

用在深度学习可增加噪音,增加数据集等

推荐阅读:Pytorch 图像增强 实现翻转裁剪色调等 附代码(全)

正文

使用Pillow库来处理图像(以下两张图来自网络)

图一:

图二:

相应的代码如下:

python 复制代码
from PIL import Image


def merge_images_with_transparency(image1_path, image2_path, output_path, position=(0, 0), transparency=0.5):
    # 打开两张图片
    image1 = Image.open(image1_path).convert("RGBA")
    image2 = Image.open(image2_path).convert("RGBA")

    # 确保第二张图片不超出第一张图片的范围
    if position[0] + image2.width > image1.width or position[1] + image2.height > image1.height:
        raise ValueError("Second image exceeds the boundaries of the first image")

    # 将第二张图片缩放至与第一张图片相同的大小
    image2 = image2.resize(image1.size)

    # 创建一个与第一张图片大小相同的透明度数组
    overlay = Image.new("RGBA", image1.size, (0, 0, 0, 0))

    new_image2 = Image.new("RGBA", image2.size)

    # 修改第二张图片的透明度并将其叠加到透明度数组中
    for x in range(image2.width):
        for y in range(image2.height):
            r, g, b, a = image2.getpixel((x, y))
            new_image2.putpixel((x, y), (r, g, b, int(transparency * a)))

    overlay.paste(image2, position, image2)

    # 使用透明度来叠加两张图片
    merged_image = Image.alpha_composite(image1, new_image2)

    # 保存合并后的图片
    merged_image.save(output_path)


if __name__ == "__main__":
    image1_path = "image1.jpg"
    image2_path = "image2.jpg"
    output_path = "merged_image_with_transparency.png"

    # 调用函数合并图片,position参数可以调整第二张图片在第一张图片上的位置
    merge_images_with_transparency(image1_path, image2_path, output_path, position=(100, 100), transparency=0.5)

最终结果如下:

通过上面的代码也可看出

先叠加再修改透明度

也可先修改透明度再叠加,代码如下:

(这两种方法的效果还是有点差异的,前提是要弄成一个尺寸!)

python 复制代码
overlay.paste(image1, position, image1)

merged_image = Image.alpha_composite(overlay, new_image2)
相关推荐
Q_Q196328847528 分钟前
python+django/flask基于协同过滤算法的理财产品推荐系统
spring boot·python·django·flask·node.js·php
高洁0131 分钟前
面向强化学习的状态空间建模:RSSM的介绍和PyTorch实现(3)
人工智能·python·深度学习·神经网络·transformer
aloha_78942 分钟前
测试开发工程师面经准备(sxf)
java·python·leetcode·压力测试
apocalypsx1 小时前
深度学习-深度卷积神经网络AlexNet
人工智能·深度学习·cnn
Jonathan Star2 小时前
MediaPipe 在Python中实现人体运动识别,最常用且高效的方案是结合**姿态估计**(提取人体关键点)和**动作分类**(识别具体运动)
开发语言·python·分类
山顶听风2 小时前
分页条初始化
python
无风听海2 小时前
神经网络之特征值与特征向量
人工智能·深度学习·神经网络
NewsMash2 小时前
PyTorch之父发离职长文,告别Meta
人工智能·pytorch·python
硅农深芯3 小时前
如何使用ptqt5实现进度条的动态显示
开发语言·python·qt