实践-给图片右下角加opencv-logo

目录

使用掩码对lena图像的脸部进行打码、解码

给图像加密/解密


读取大图和logo原图

复制代码
lena = cv2.imread('D:\lene02.png',1)`  `# 选择了一张分辨率更大的图片,更改图片路径`
`logo = cv2.imread('D:\cv-log.png',1)`
`

用到的图片:

裁剪过的lena

提取大图右下角ROI

复制代码
h1, w1, c1 = lena.shape`
`h2, w2, c2 = logo.shape`
`#` `定位大图右下角区域roi,使其具有logo的尺寸`
`roi = lena[h1-h2:h1,w1-w2:w1]`

`# 注意:对roi的操作就是对lena原图的操作`
`cv2.imwrite('D:\lene02.png',roi)`
`plt.imshow(roi[:,:,::-1])`
`

把logo原图转换为灰度图

图片:

opencv的logo

利用cv2.cvtColor得到灰度图gray

复制代码
gray = cv2.cvtColor(logo, cv2.COLOR_BGR2GRAY)`
`cv2.imwrite('D:\cv-log.png',gray)`
`plt.imshow(gray, cmap='gray')`
`

通过二值化获取抛弃logo前景的掩码图

使用OTSU二值化方法进行二值化ret, mask1 =

复制代码
ret, mask1 = cv2. threshold(gray,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)`
`cv2.imwrite('D:\cv-log.png',mask1)`
`plt.imshow(mask1, cmap='gray')`
`

二值化也就是保留黑白

通过按位与获得只有大图背景而logo前景挖空的局部图

mask1与roi进行按位与,fg1 = cv2.bitwise_and()

复制代码
fg1 = cv2.bitwise_and(roi,roi,mask=mask1)`
`cv2.imwrite('D:\cv-log.png',fg1)`
`plt.imshow(fg1[:,:,::-1])`
`

其实也就是图片的像素叠层,logo的前景像素覆盖掉lena图片的对应像素

通过二值化获取保留logo前景的掩码图

使用BINARY_INV方法进行二值化ret, mask2 =

复制代码
ret, mask2 = cv2.threshold(gray,220,255,cv2.THRESH_BINARY_INV)`
`cv2.imwrite('D:\cv-log.png',mask2)`
`plt.imshow(mask2, cmap='gray')`
`

通过按位与获得只有logo前景而背景挖空的局部图

mask2与logo进行按位与,fg2 = cv2.bitwise_and

复制代码
fg2 = cv2.bitwise_and(logo,logo,mask=mask2)`
`cv2.imwrite('D:\cv-log.png',fg2)`
`plt.imshow(fg2[:,:,::-1])`
`

提取过后的logo

通过add()函数把两个局部图相加

roi[:]=cv2.add

复制代码
roi[:]=cv2.add(fg1,fg2)`  `#加上":"是为了确保原图的提取`
`cv2.imwrite('D:\cv-log.png',roi)`
`plt.imshow(roi[:,:,::-1])`
`

提取后的roi视图

把合成照片放回Lena照片的右下角

复制代码
lena[h1-h2:h1,w1-w2:w1]` `= roi`
`plt.imshow(lena[:,` `:,` `::-1])`
`plt.xticks([]), plt.yticks([])`
`

不打印坐标,这是原图视图

使用掩码对lena图像的脸部进行打码、解码

复制代码
lena = cv2.imread(image_path)` 
`h,w, _ = lena.shape # 图片的行(高)h、列(宽)w`
`

只显示lena脸部,其他部分打码

复制代码
mask1 = np.zeros((h,w), dtype=np.uint8)`  `#生成一个掩膜图像(任何一个数与0与运算都是0,任何一个数与1与运算都是这个数本身)`
`mask1[200:400,` `200:380]=255`              `#这个掩膜图像大小是lena.shape的大小,像素值是0或255`
`# # 或者用cv2.selectROI自己选取ROI区域`
`# TODO: lena_face = cv2.bitwise_and()`
`lena_face = cv2.bitwise_and(lena,lena,mask = mask1)`
`imgs = np.hstack([lena, lena_face])`
`plt.imshow(imgs[:,` `:,` `::-1])`
`

去掉Lena脸部

复制代码
mask2 = np.ones((h,w), dtype=np.uint8)*255`  
`mask2[200:400,` `200:380]=0` 
`# TODO:lena_no_face = cv2.bitwise_and()`
`lena_no_face = cv2.bitwise_and(lena ,lena , mask=mask2)`     

`imgs = np.hstack([lena, lena_no_face])`
`plt.imshow(imgs[:,` `:,` `::-1])`
`

给lena脸部打彩色码

复制代码
lena_no_face_color = lena.copy()`
`ROI =np.random.randint(0,`
                      `256,`
`                      size=(400-200,380-200,3),`
`                      dtype = np.uint8)`
`lena_no_face_color[200:400,` `200:380]` `= ROI`
`imgs = np.hstack([lena, lena_no_face_color])`
`plt.imshow(imgs[:,` `:,` `::-1])`
`

原理是随机的生成0-255的像素值(点)

ROI =np.random.randint(0,

256,

size=(400-200,380-200,3),

dtype = np.uint8)

给图像加密/解密

随机生成密钥图像,尺寸跟lena图像相同

复制代码
#生成一个随机密钥图像`
`key = np.random.randint(0,`
                       `256,`
`                       size=(h,w,3),`
`                       dtype = np.uint8)`
`#1、使用密钥key对lena整体加密`
`lena_encryption = cv2.bitwise_xor(lena,key)`  `# 在逻辑异或中,如果两个比特位相同,则结果为0;如果不同,则结果为1`
`plt.imshow(lena_encryption[:,` `:,` `::-1])`
`

只对lena脸部应用密钥进行解密(逻辑异或操作)

复制代码
face_only = lena_encryption.copy()`
`# face_only[200:400, 200:380] = lena_face[200:400, 200:380]`
`face_only[200:400,` `200:380]` `= cv2.bitwise_xor(face_only[200:400,` `200:380],key[200:400,` `200:380])`
`plt.imshow(face_only[:,` `:,` `::-1])`
`

使用密钥key对lena整体解密

复制代码
lena_decryption = cv2.bitwise_xor(lena_encryption,key)`
`plt.imshow(lena_decryption[:,` `:,` `::-1])`
`
相关推荐
乌旭40 分钟前
量子计算与GPU的异构加速:基于CUDA Quantum的混合编程实践
人工智能·pytorch·分布式·深度学习·ai·gpu算力·量子计算
deephub2 小时前
CLIMB自举框架:基于语义聚类的迭代数据混合优化及其在LLM预训练中的应用
人工智能·深度学习·大语言模型·聚类
思通数科AI全行业智能NLP系统3 小时前
AI视频技术赋能幼儿园安全——教师离岗报警系统的智慧守护
大数据·人工智能·安全·目标检测·目标跟踪·自然语言处理·ocr
struggle20254 小时前
deepseek-cli开源的强大命令行界面,用于与 DeepSeek 的 AI 模型进行交互
人工智能·开源·自动化·交互·deepseek
ocr_sinosecu15 小时前
OCR定制识别:解锁文字识别的无限可能
人工智能·机器学习·ocr
fish_study_csdn5 小时前
pytest 技术总结
开发语言·python·pytest
奋斗者1号5 小时前
分类数据处理全解析:从独热编码到高维特征优化
人工智能·机器学习·分类
咖啡调调。5 小时前
使用Django框架表单
后端·python·django
BO_S__5 小时前
python调用ffmpeg对截取视频片段,可批量处理
python·ffmpeg·音视频
契合qht53_shine5 小时前
深度学习 视觉处理(CNN) day_02
人工智能·深度学习·cnn