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
DataCastle4 分钟前
第三届Bio-OS AI开源大赛启动会隆重举行
人工智能
后端小肥肠13 分钟前
躺赚必备!RPA+Coze+豆包:公众号自动发文,AI率0%亲测有效(附AI率0%提示词)
人工智能·aigc·coze
破无差18 分钟前
python实现简单的地图绘制与标记20250705
python
摘星编程24 分钟前
CloudBase AI ToolKit实战:从0到1开发一个智能医疗网站
人工智能·腾讯云·ai代码远征季#h5应用·ai医疗应用·cloudbase开发
锅挤29 分钟前
深度学习5(深层神经网络 + 参数和超参数)
人工智能·深度学习·神经网络
一支烟一朵花33 分钟前
630,百度文心大模型4.5系列开源!真香
人工智能·百度·开源·文心一言
网安INF35 分钟前
深层神经网络:原理与传播机制详解
人工智能·深度学习·神经网络·机器学习
喜欢吃豆40 分钟前
目前最火的agent方向-A2A快速实战构建(二): AutoGen模型集成指南:从OpenAI到本地部署的全场景LLM解决方案
后端·python·深度学习·flask·大模型
好开心啊没烦恼1 小时前
Python 数据分析:DataFrame,生成,用字典创建 DataFrame ,键值对数量不一样怎么办?
开发语言·python·数据挖掘·数据分析
AIbase20241 小时前
国内MCP服务平台推荐!aibase.cn上线MCP服务器集合平台
运维·服务器·人工智能