opencv实现给图像加上logo图像

要用Python和OpenCV给图片加上logo,可以按照以下步骤实现:

  1. 读取logo和image图片。

  2. 调整logo的大小以适应image。

  3. 将logo放置在image的指定位置。

  4. 将logo和image合并。

以下是实现代码:

复制代码
import cv2

# 读取logo和image图片
logo = cv2.imread('logo.png', cv2.IMREAD_UNCHANGED)  # 读取带透明通道的logo
image = cv2.imread('image.jpg')

# 检查图片是否成功读取
if logo is None or image is None:
    print("图片读取失败,请检查文件路径是否正确。")
    exit()

# 获取logo的尺寸
logo_height, logo_width, logo_channels = logo.shape

# 获取image的尺寸
image_height, image_width, image_channels = image.shape

# 调整logo的大小(例如,将logo的宽度设置为image宽度的1/5)
scale = 0.2  # 调整比例
new_width = int(image_width * scale)
new_height = int(logo_height * (new_width / logo_width))
logo = cv2.resize(logo, (new_width, new_height))

# 获取调整后logo的尺寸
logo_height, logo_width, logo_channels = logo.shape

# 计算logo在image中的位置(例如,右下角)
x_offset = image_width - logo_width - 10  # 右下角,留10像素的边距
y_offset = image_height - logo_height - 10

# 提取logo的alpha通道(透明度)
alpha_logo = logo[:, :, 3] / 255.0
alpha_image = 1.0 - alpha_logo

# 将logo叠加到image上
for c in range(0, 3):  # 遍历RGB通道
    image[y_offset:y_offset + logo_height, x_offset:x_offset + logo_width, c] = (
        alpha_logo * logo[:, :, c] +
        alpha_image * image[y_offset:y_offset + logo_height, x_offset:x_offset + logo_width, c]
    )

# 保存结果
cv2.imwrite('image_with_logo.jpg', image)

# 显示结果(可选)
cv2.imshow('Image with Logo', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码说明:

  1. 读取图片 :使用cv2.imread读取logo和image图片。注意,logo图片需要是带有透明通道的PNG格式,因此使用cv2.IMREAD_UNCHANGED读取。

  2. 调整logo大小:根据image的尺寸,调整logo的大小。

  3. 计算logo位置:将logo放置在image的右下角,并留出一定的边距。

  4. 叠加logo:使用alpha通道(透明度)将logo叠加到image上。

  5. 保存和显示结果:将结果保存为新图片,并可选地显示出来。

注意事项:

  • 确保logo图片是PNG格式,且带有透明通道。

  • 如果logo图片没有透明通道,可以跳过alpha通道的处理部分,直接将logo叠加到image上。

运行代码后,image_with_logo.jpg将是带有logo的image图片。

相关推荐
星期天要睡觉15 小时前
计算机视觉(opencv)实战二十一——基于 SIFT 和 FLANN 的指纹图像匹配与认证
人工智能·opencv·计算机视觉
victory043115 小时前
wav2vec微调进行疾病语音分类任务
人工智能·分类·数据挖掘
semantist@语校15 小时前
第二十篇|SAMU教育学院的教育数据剖析:制度阈值、能力矩阵与升学网络
大数据·数据库·人工智能·百度·语言模型·矩阵·prompt
IT_陈寒15 小时前
React 性能优化必杀技:这5个Hook组合让你的应用提速50%!
前端·人工智能·后端
剪一朵云爱着16 小时前
一文入门:机器学习
人工智能·机器学习
hi0_616 小时前
机器学习实战(一): 什么是机器学习
人工智能·机器学习·机器人·机器学习实战
ChinaRainbowSea16 小时前
9. LangChain4j + 整合 Spring Boot
java·人工智能·spring boot·后端·spring·langchain·ai编程
有Li16 小时前
基于联邦学习与神经架构搜索的可泛化重建:用于加速磁共振成像|文献速递-最新医学人工智能文献
论文阅读·人工智能·文献·医学生
桃花键神16 小时前
从传统到智能:3D 建模流程的演进与 AI 趋势 —— 以 Blender 为例
人工智能·3d·blender
星期天要睡觉16 小时前
计算机视觉(opencv)实战十七——图像直方图均衡化
人工智能·opencv·计算机视觉