东莞公司网站制作手机移动端网站建设宣传

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

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

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

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 =

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()

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 =

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

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

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

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

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

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

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

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

#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）

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

lena_decryption = cv2.bitwise_xor(lena_encryption,key)
plt.imshow(lena_decryption[:, :, ::-1])