用OpenCV给图像加水印,为图像添加个性

一、引言

在数字时代,保护图片的版权和标识越来越重要。无论是企业的Logo,还是个人作品的水印,都可以有效地标记和保护图像内容。本篇博客将介绍如何使用OpenCV为图片添加水印或Logo。我们将通过简单的代码示例,帮助你快速掌握这一技术,让你的图片更加独特与专业。

二、实验原理

通过将原始图片转换成灰度图,并进行二值化处理,去除背景部分,得到一个类似掩膜的图像。然后将这个二值化图像与另一张图片中要添加水印的区域进行"与"运算,使得目标物体的形状出现在要添加水印的区域。最后,将得到的目标物体图像与要添加水印的区域进行相加,就完成了添加水印的操作。

三、实验代码

3.1 功能简介

用于对两个数组(通常是图像)进行按位与(bitwise AND)操作的函数。

cv2.bitwise_and(src1, src2, mask=None, dst=None)

3.2 参数详解

src1:

第一个输入数组(图像),它可以是单通道或多通道的。
src2:

第二个输入数组(图像),它必须与 src1 有相同的尺寸和类型,或者是可以与 src1 进行广播的数组。
mask:

操作掩码,这是一个可选参数。如果提供,它必须是一个单通道的二进制数组(即只包含 0 和 255 的值)。在运算过程中,只有当掩码对应位置的值为 255 时,src1 和 src2 对应位置的像素才会进行按位与运算;否则,结果数组在该位置的像素值将被设置为 0。
dst:

输出数组,这是一个可选参数。如果提供,运算结果将存储在这个数组中;如果未提供,函数将创建一个新的数组来存储结果。

3.3 功能简介

用于对两个数组(图像)进行逐元素相加操作的函数

cv2.add(src1, src2, dst=None, mask=None, dtype=None)

3.4 参数详解

src1:

第一个输入数组(图像)。
src2:

第二个输入数组(图像),它必须与 src1 有相同的尺寸和类型,或者可以与 src1 进行广播。
dst:

输出数组,这是一个可选参数。如果提供,运算结果将存储在这个数组中;如果未提供,函数将创建一个新的数组来存储结果。
mask:

操作掩码,这是一个可选参数。如果提供,它必须是一个单通道的二进制数组(只包含0和255的值,或者布尔数组)。在运算过程中,只有当掩码对应位置的值为255(或True)时,src1和src2对应位置的像素才会进行相加运算;否则,结果数组在该位置的像素值将保持不变(或者根据dtype参数可能被设置为其他值)。
dtype:

输出数组的可选深度(数据类型),当两个输入数组具有相同深度时,这个值将被忽略。它可以是-1,此时输出数组和输入数组有相同的深度,或者它可以是cv2.CV_8U、cv2.CV_16U、cv2.CV_32F等,用于指定输出数组的数据类型。

3.5 代码实现

在奥特曼图片中添加水印

水印图片:

原图:

python 复制代码
import cv2

# 输入两张图
img = cv2.imread("./dijia.jpg")
logo = cv2.imread("./logo.png")

# 对logo图进行灰度化和二值化 得到白底的掩膜
logo_gray = cv2.cvtColor(logo, cv2.COLOR_BGR2GRAY)
_, logo_binary = cv2.threshold(logo_gray,70,255,cv2.THRESH_BINARY_INV)

# 在原图中 选取和logo图同等大小的 你想插入logo的位置
ROI = img[310:310+logo.shape[0], 340:340+logo.shape[1]]

# 将ROI和logo的掩膜进行位于运算
ROI_logo= cv2.bitwise_and(ROI,ROI,mask = logo_binary)

# 将处理后的ROI区域 与 原始的logo 融合
img_logo = cv2.add(ROI_logo,logo)

# 将融合后的图像 在要添加logo的原图中替换
img[310:310+logo.shape[0], 340:340+logo.shape[1]] = img_logo

cv2.imshow('image',img)
cv2.imshow('ROI_logo',ROI_logo)
cv2.waitKey(0)

四、实验现象

五、结语

通过本篇博客,我们一起探索了如何使用OpenCV为图片添加水印或Logo。虽然最后我给奥特曼的图片加了个水印,但这只是一个小小的示例。掌握了这个技巧,你可以将它应用到任何图片上,为你的作品增添个性与保护。希望你们在实践中收获更多,动手试试吧!

相关推荐
初恋叫萱萱12 小时前
CANN 系列深度篇:基于 ge 图引擎构建高效 AI 执行图
人工智能
qq_124987075312 小时前
基于Hadoop的信贷风险评估的数据可视化分析与预测系统的设计与实现(源码+论文+部署+安装)
大数据·人工智能·hadoop·分布式·信息可视化·毕业设计·计算机毕业设计
Coder_Boy_12 小时前
TensorFlow小白科普
人工智能·深度学习·tensorflow·neo4j
L、21812 小时前
CANN 中的图优化技术详解:如何让 AI 模型跑得更快、更省
人工智能
大模型玩家七七12 小时前
梯度累积真的省显存吗?它换走的是什么成本
java·javascript·数据库·人工智能·深度学习
新缸中之脑12 小时前
像画家一样编程
人工智能
tq108612 小时前
心主神明:传统智慧如何启示AI的可靠之道
人工智能
珠海西格电力科技12 小时前
微电网能量平衡理论的实现条件在不同场景下有哪些差异?
运维·服务器·网络·人工智能·云计算·智慧城市
新缸中之脑12 小时前
“AI 裁员“神话
人工智能
零售ERP菜鸟13 小时前
范式革命:从“信息化”到“数字化”的本质跃迁
大数据·人工智能·职场和发展·创业创新·学习方法·业界资讯