add_water.py

原創 Zain Lau 2020-07-01 16:39 
#coding:utf-8
from PIL import Image
import os
import sys




#創建底圖
target = Image.new('RGBA', (300, 300), (0, 0, 0, 0))
#打開頭像
#nike_image = Image.open("./image1.png")
nike_image = Image.open("./0.png")
nike_image = nike_image.resize((300, 300))
#打開裝飾
#hnu_image = Image.open("./hnu.png")
hnu_image = Image.open("./water1.png")
hnu_image = hnu_image.resize((300, 300))
# 分離透明通道
#r,g,b,a = hnu_image.split()
r,g,b = hnu_image.split()
# 將頭像貼到底圖
import pdb
pdb.set_trace()
nike_image.convert("RGBA")
target.paste(nike_image, (0,0))

#將裝飾貼到底圖
hnu_image.convert("RGBA")
target.paste(hnu_image,(0,0), mask=r*0.1)

# 保存圖片
target.save("f.png")

image_process.py

#coding:utf-8
# code for week2,recognize_computer_vision.py
# houchangligong,zhaomingming,20200520,
import numpy as np
import cv2

def generate_data():
    # 本函數生成0-9，10個數字的圖片矩陣
    image_data=[]
    num_0 =np.array(
    [[0,0,1,1,0,0],
    [0,1,0,0,1,0],
    [0,1,0,0,1,0],
    [0,1,0,0,1,0],
    [0,0,1,1,0,0],
    [0,0,0,0,0,0]])
    image_data.append(num_0)
    num_1 = np.array(
    [[0,0,0,1,0,0],
    [0,0,1,1,0,0],
    [0,0,0,1,0,0],
    [0,0,0,1,0,0],
    [0,0,1,1,1,0],
    [0,0,0,0,0,0]])
    image_data.append(num_1)
    num_2 = np.array(
    [[0,0,1,1,0,0],
    [0,1,0,0,1,0],
    [0,0,0,1,0,0],
    [0,0,1,0,0,0],
    [0,1,1,1,1,0],
    [0,0,0,0,0,0]])
    image_data.append(num_2)
    num_3 = np.array(
    [[0,0,1,1,0,0],
    [0,0,0,0,1,0],
    [0,0,1,1,0,0],
    [0,0,0,0,1,0],
    [0,0,1,1,0,0],
    [0,0,0,0,0,0]])
    image_data.append(num_3)
    num_4 = np.array(
    [
    [0,0,0,0,1,0],
    [0,0,0,1,1,0],
    [0,0,1,0,1,0],
    [0,1,1,1,1,1],
    [0,0,0,0,1,0],
    [0,0,0,0,0,0]])
    image_data.append(num_4)
    num_5 = np.array(
    [
    [0,1,1,1,0,0],
    [0,1,0,0,0,0],
    [0,1,1,1,0,0],
    [0,0,0,0,1,0],
    [0,1,1,1,0,0],
    [0,0,0,0,0,0]])
    image_data.append(num_5)
    num_6 = np.array(
    [[0,0,1,1,0,0],
    [0,1,0,0,0,0],
    [0,1,1,1,0,0],
    [0,1,0,0,1,0],
    [0,0,1,1,0,0],
    [0,0,0,0,0,0]])
    image_data.append(num_6)
    num_7 = np.array(
    [
    [0,1,1,1,1,0],
    [0,0,0,0,1,0],
    [0,0,0,1,0,0],
    [0,0,0,1,0,0],
    [0,0,0,1,0,0],
    [0,0,0,0,0,0]])
    image_data.append(num_7)
    num_8 = np.array(
    [[0,0,1,1,0,0],
    [0,1,0,0,1,0],
    [0,0,1,1,0,0],
    [0,1,0,0,1,0],
    [0,0,1,1,0,0],
    [0,0,0,0,0,0]])
    image_data.append(num_8)
    num_9 = np.array(
    [[0,0,1,1,1,0],
    [0,1,0,0,1,0],
    [0,0,1,1,1,0],
    [0,1,0,0,1,0],
    [0,0,0,0,1,0],
    [0,0,0,0,0,0]])
    image_data.append(num_9)
    return image_data
    
if __name__=="__main__":
    
    image_data = generate_data()
    # 打印出0的圖像
    print("數字0對應的圖片是:")
    print(image_data[0])
    cv2.imwrite("0.png",image_data[0]*255)
    
    print("-"*20)
    import pdb
    pdb.set_trace()
    
    # 打印出8的圖像
    print("數字8對應的圖片是:")
    print(image_data[8])
    print("-"*20)

week1_class_code.py

#!/usr/bin/env python
# coding: utf-8

# In[9]:


a=[1,2,3]


# In[10]:


print("Hello friends，welcome week1's class  .........",29*"-","%s"%(a))


# In[11]:


import cv2
import numpy as np


# # 直接用生成矩陣的方式生成圖片

# In[12]:


img0 = np.array([[0,0,1],[0,1,0],[1,0,0]])
#img0 = np.array([[0,0,1],[0,1,0],[1,0,0]])


# # 查看矩陣數值以及大小

# In[13]:


print(img0)


# In[17]:


print(img0.shape)
print("img0 size = %s,%s"%(img0.shape[0],img0.shape[1]))


# In[227]:


import matplotlib.pyplot as plt
plt.imshow(img0,cmap = 'gray' )


# # 彩色圖像的顏色空間轉換

# In[ ]:


# https://blog.csdn.net/zhang_cherry/article/details/88951259


# # 從攝像頭採集圖像

# In[189]:


#cap = cv2.VideoCapture(0)
cap = cv2.VideoCapture("../How Computer Vision Works.mp4")


# In[226]:


ret,frame = cap.read()
print(cap.isOpened())
plt.imshow(cv2.cvtColor(frame,cv2.COLOR_BGR2RGB))


# In[173]:


cap.release()


# In[ ]:





# # 從文件讀取圖像數據

# In[139]:


img  = cv2.imread("lena.jpg")


# In[144]:


print(img.shape)


# In[ ]:


# range of instrest


# In[ ]:


roi = img[100:200,300:400]


# In[230]:


# 黑白圖像


# In[ ]:


#  彩色圖像


# In[231]:


img_RGB = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2RGB


# In[ ]:


cv2.cvtColor(img_BGR, cv2.COLOR_BGR2GRAY)


# In[ ]:


cv2.cvtColor(img_BGR, cv2.COLOR_BGR2HSV


# In[ ]:


# 膚色檢測


# In[235]:


# 二值化


# In[242]:


plt.imshow(cv2.threshold(img,128,200,cv2.THRESH_BINARY))


# In[228]:


# 圖像的放大與縮小


# In[243]:


plt.imshow(cv2.resize(img,(300,500)))


# In[247]:


# 移動：
M = np.float32([[1,0,30],[0,1,30]])

plt.imshow(cv2.warpAffine(img,M,(500,300)))


# In[229]:


# 圖像的旋轉與拉伸


# In[260]:


pts1 = np.float32([[50,50],[200,50],[50,200]])
pts2 = np.float32([[10,100],[200,50],[100,250]])
M = cv2.getAffineTransform(pts1,pts2)
print(M)
theta=1
M = np.float32([[np.cos(theta),-np.sin(theta),500],[np.sin(theta),np.cos(theta),100]])
cols=800
rows=800
dst = cv2.warpAffine(img,M,(cols,rows))
plt.imshow(dst)


# In[ ]:


pts1 = np.float32([[56,65],[368,52],[28,387],[389,390]])
pts2 = np.float32([[0,0],[300,0],[0,300],[300,300]])
M = cv2.getPerspectiveTransform(pts1,pts2)
dst = cv2.warpPerspective(img,M,(300,300))


# In[261]:


# 圖像模糊與銳化


# In[ ]:


lena_gaussian_blur = cv2.GaussianBlur(lena_RGB, (5, 5), 1, 0)  # 高斯模糊


# In[ ]:


cv2.Canny(pil_img3,30,150)


# In[ ]:


kernel = np.ones((9,9),np.float32)/81
result = cv2.filter2D(img,-1,kernel)


# In[ ]:


# 形態學運算


# In[ ]:





# In[ ]:





# In[ ]:


# 灰度直方圖


# In[ ]:





# In[ ]:





# In[ ]:


# 直方圖均衡化


# In[ ]:





# In[ ]:





# In[ ]:


# 加水印，保護版權


# In[ ]:





# In[ ]:





# In[ ]:





# In[ ]:





# In[ ]:





# In[3]:


import torch


# In[10]:


import matplotlib


# In[11]:


get_ipython().system(u'pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple')


# In[13]:


from image_process import *
image_data = generate_data()


# # matplotlib 使用例子
# https://www.cnblogs.com/yanghailin/p/11611333.html,

# In[14]:


import matplotlib.pyplot as plt


# In[ ]:


i=0


# In[120]:


print(image_data[i%10])
plt.imshow(image_data[i%10],cmap = 'gray')
i=i+1


# In[83]:


plt.imshow(cv2.imread('lena.jpg'))


# In[129]:


img  = cv2.imread("lena.jpg")




# # add watermask

# In[234]:


wm = cv2.imread("water1.png")
wm = cv2.resize(wm,(300,300))
wm = 255-wm
img1 = cv2.resize(img,(300,300))
img1 = cv2.cvtColor(img1, cv2.COLOR_BGR2RGB)
print(wm.shape)
plt.imshow(cv2.add(wm,img1))

plt.imshow(cv2.addWeighted(wm,1,img1,0.2,0))


#plt.imshow(wm)


# In[ ]:





# In[ ]:





# In[ ]:





# In[ ]:





# In[ ]:





# In[ ]:





# In[ ]:





# In[ ]:





# In[ ]:





# In[ ]:





# In[ ]:





# In[ ]:





# In[ ]:

week1_class_code_after_class.py

#!/usr/bin/env python
# coding: utf-8

# In[9]:


a=[1,2,3]


# In[10]:


print("Hello friends，welcome week1's class  .........",29*"-","%s"%(a))


# In[11]:


import cv2
import numpy as np


# # 直接用生成矩陣的方式生成圖片

# In[12]:


img0 = np.array([[0,0,1],[0,1,0],[1,0,0]])
#img0 = np.array([[0,0,1],[0,1,0],[1,0,0]])


# # 查看矩陣數值以及大小

# In[13]:


print(img0)


# In[17]:


print(img0.shape)
print("img0 size = %s,%s"%(img0.shape[0],img0.shape[1]))


# In[7]:


import matplotlib.pyplot as plt
# import matplotlib.pylab as plt
plt.imshow(img0,cmap = 'gray' )
# color map 
#plt.imshow(img0)

# pycharm要加一句：plt.show() 
# 加一個%matplotlib inline就會顯示


# # 彩色圖像的顏色空間轉換

# In[ ]:


# https://blog.csdn.net/zhang_cherry/article/details/88951259


# # 從攝像頭採集圖像

# In[98]:


# read camera
#cap = cv2.VideoCapture(0)
# read video
#cap  = cv2.VideoCapture("/Users/zhaomingming/Documents/HTC/核心課/CVFundamentals/week1/How Computer Vision Works.mp4")
#cap = cv2.VideoCapture("../How Computer Vision Works.mp4")
cap = cv2.VideoCapture("How Computer Vision Works.mp4")



# In[99]:


print(cap.isOpened())


# In[ ]:


return_value=True
while return_value:
    return_value,frame = cap.read()
    print(cap.isOpened())

    # frame 圖像幀
    #cv2.cvtColor()
    #cv2.COLOR_BGR2RGB
    plt.imshow(frame,cmap = 'gray')
 
    #plt.imshow(cv2.cvtColor(frame,cv2.COLOR_BGR2RGB))


# # frame 的大小是多少？

# In[66]:


print(frame.shape)


# In[75]:


# 關閉capture
cap.release()


# In[ ]:





# # 從文件讀取圖像數據

# In[8]:


img  = cv2.imread("lena.jpg")

#cv2.cvtColor()
#cv2.COLOR_BGR2RGB
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)


# In[86]:


print(img.shape)


# In[87]:


# range of instrest


# In[88]:


roi = img[100:200,300:400]


# In[89]:


plt.imshow(img)
#plt.imshow(roi)


# In[230]:


# 黑白圖像


# In[96]:


img_gray=cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img_gray.shape


# In[95]:


plt.imshow(img_gray,cmap='gray')


# In[ ]:


#  彩色圖像


# In[ ]:





# # rgb2hsv

# In[10]:


import cv2
img_BGR = cv2.imread('lena.jpg')
img_hsv=cv2.cvtColor(img_BGR,cv2.COLOR_BGR2HSV)
plt.imshow(img_hsv,cmap='')


# In[ ]:


# 膚色檢測


# In[5]:


# 二值化
import cv2
img =  cv2.imread('lena.jpg')


# In[6]:


plt.imshow(cv2.threshold(img,128,200,cv2.THRESH_BINARY))


# In[228]:


# 圖像的放大與縮小


# In[15]:


# 列，行
img =cv2.resize(img,(50,30))
plt.imshow(img)
img.shape


# In[18]:


# 列，行
img =  cv2.imread('lena.jpg')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
img =cv2.resize(img,(500,300))
plt.imshow(img)
img.shape


# In[22]:


# roi
img_roi =img[100:300,0:200]
plt.imshow(img_roi)


# In[31]:


import numpy as np
# 移動：
M = np.float32([[1,0,300],[0,1,200]])

print(img[0+50,0])
img_1=cv2.warpAffine(img,M,(1000,1000))

plt.imshow(img_1)
print(img_1[200+50,300])


# In[229]:


# 圖像的旋轉變換與拉伸變換


# In[56]:


#pts1 = np.float32([[50,50],[200,50],[50,200]])
#pts2 = np.float32([[10,100],[200,50],[100,250]])
#M = cv2.getAffineTransform(pts1,pts2)
#print(M)
#180/3.14
theta=0.5
#M = np.float32([[np.cos(theta),-np.sin(theta),100],[np.sin(theta),np.cos(theta),200]])
M = np.float32([[0.1,0,100],[0,2,100]])
# 變換矩陣，平移，斜切，旋轉
# affine
cols=800
rows=800
dst = cv2.warpAffine(img,M,(cols,rows))
plt.imshow(dst)


# In[59]:


pts1 = np.float32([[56,65],[368,52],[28,387],[389,390]])
pts2 = np.float32([[0,0],[100,0],[0,300],[300,300]])
M = cv2.getPerspectiveTransform(pts1,pts2)
print(M)
# 拉伸變換後者透視變換
dst = cv2.warpPerspective(img,M,(300,300))
plt.imshow(dst)


# In[261]:


# 圖像模糊與銳化


# In[62]:


img= cv2.GaussianBlur(img, (11, 11), 1, 0)  # 高斯模糊
plt.imshow(img)


# In[ ]:


cv2.Canny(pil_img3,30,150)


# # 圖像濾波/卷積

# In[139]:


kernel = np.ones((3,3),np.float32)/8
kernel=-kernel
kernel[0,:]=[-1,-1,-1]
kernel[1,:]=[0,0,0]
kernel[2,:]=[1,1,1]


print(kernel)
plt.imshow(img)


# In[140]:


#dst=cv.filter2D(src, ddepth, kernel[, dst[, anchor[, delta[, borderType]]]])；當ddepth=-1時，表示輸出圖像與原圖像有相同的深度。
print(img.shape)
result = cv2.filter2D(img,-1,kernel)
result.shape
print(result[0,0])
plt.imshow(result*255)


# In[118]:


result = cv2.filter2D(result,-1,kernel)

plt.imshow(result)
result.shape


# In[101]:


# 形態學運算


# In[ ]:





# In[ ]:





# In[ ]:


# 灰度直方圖


# In[ ]:





# In[ ]:





# In[ ]:


# 直方圖均衡化


# In[ ]:





# In[ ]:





# In[ ]:


# 加水印，保護版權


# In[ ]:





# In[ ]:





# In[ ]:





# In[ ]:





# In[ ]:





# In[3]:


import torch


# In[10]:


import matplotlib


# In[11]:


get_ipython().system(u'pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple')


# In[13]:


from image_process import *
image_data = generate_data()


# # matplotlib 使用例子
# https://www.cnblogs.com/yanghailin/p/11611333.html,

# In[14]:


import matplotlib.pyplot as plt


# In[ ]:


i=0


# In[120]:


print(image_data[i%10])
plt.imshow(image_data[i%10],cmap = 'gray')
i=i+1


# In[83]:


plt.imshow(cv2.imread('lena.jpg'))


# In[148]:


img  = cv2.imread("lena.jpg")
img= cv2.cvtColor(img, cv2.COLOR_BGR2RGB)



# # add watermask

# In[152]:


wm = cv2.imread("water1.png")
wm = cv2.resize(wm,(300,300))
wm = 255-wm
img1 = cv2.resize(img,(300,300))
#img1 = cv2.cvtColor(img1, cv2.COLOR_BGR2RGB)
print(wm.shape)
plt.imshow(cv2.add(wm,img1))

plt.imshow(cv2.addWeighted(wm,0.9,img1,0.5,0))


#plt.imshow(wm)
發表評論
所有評論
還沒有人評論，想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章

OpenCV 【十八】

OpenCV 【十八】

osc_hzf6peqc 2024-05-14 01:40:18

OpenCV入門基礎操作（一）----圖像的讀取、顯示與保存

OPENCV入門基礎操作（一） 圖像的處理 讀入圖像 顯示圖像 保存圖像 直接上整體代碼示例 圖像的處理 剛開始學習opencv 圖像處理，希望能夠多多提出寶貴意見，我也在一步一步地學習下去。堅持！ 這一講主要就是一

osc_bv96h8zs 2024-05-13 21:17:21

利用 appium opencv 和 pyautogui 實現圖像識別 + 自動操作

  此次踩坑過多，先做一次簡單記錄，然後再不斷完善。 問題描述： 1、先是 appium 啓動後，執行 python 代碼模塊到 session.find_element(MobileBy.IMAGE, image_test) 時，會報錯提

原創 2024-03-18 14:04:09

動手實踐丨輕量級目標檢測與分割算法開發和部署(RK3568)

本文分享自華爲雲社區《自動駕駛(AIOT) - 輕量級目標檢測與分割算法開發和部署(RK3568)【玩轉華爲雲】》，作者：HouYanSong。 本文將在ModelArts平臺上開發輕量級目標檢測與分割算法，並使用ModelBox框架在RK

原創 2024-02-26 23:10:28

我宣佈，這是我找到的史上AI最全論文體系！

在碎片化閱讀充斥眼球的時代，越來越少的人會去關注每篇論文背後的探索和思考。 搞AI，不少人都進入一個誤區，那就是隻鑽研自己的代碼是否精進，而沒有注意提升自己的閱讀能力。實際上，一個專業的學術研究員或者AI研究員可能需要花費幾百個小

osc_m6gaz63w 2024-05-13 21:33:50

文心大模型“你說我畫”：PaddleHub與PaddleSpeech的協同實踐

在人工智能領域中，自然語言處理和計算機視覺是兩個非常活躍的研究方向。隨着深度學習技術的發展，這兩個領域之間的交叉融合產生了許多令人興奮的應用場景。其中，“你說我畫”就是這樣一個結合自然語言處理和計算機視覺技術的創新應用。 “你說我畫”的核心

原創 2024-04-22 11:29:20

深度解析大模型推理框架：原理、應用與實踐

在當今數據驅動的時代，大模型推理框架已經成爲人工智能領域的重要支柱。本文將通過簡明扼要、清晰易懂的方式，帶領讀者深入瞭解大模型推理框架的原理、應用領域和實踐經驗，幫助讀者更好地掌握這一技術，並在實際工作中發揮其價值。 一、大模型推理框架簡介

原創 2024-04-11 23:28:49

大模型應用與邊緣端推理：前沿技術與實現方案

一、大模型概述 在人工智能領域，模型的大小和複雜度是衡量其性能的重要指標。大模型通常指的是參數數量龐大、結構複雜的深度學習模型，如GPT-3、BERT等。它們通過訓練大量的數據，能夠捕捉到更豐富的語義信息，從而在各種任務中表現出色。 二、大

原創 2024-03-29 11:59:34

大模型推理框架：從理論到實踐的全面解析

在數據驅動的時代，深度學習技術已經滲透到各個行業，從圖像識別到自然語言處理，從推薦系統到智能客服，其應用無處不在。然而，深度學習模型的訓練和推理過程往往涉及大量數據和複雜計算，傳統的計算框架難以滿足需求。因此，大模型推理框架應運而生，成爲解

原創 2024-03-23 00:31:01

FastGPT：大模型應用的新里程碑

隨着人工智能技術的不斷進步，大模型在衆多領域的應用已經成爲一種趨勢。FastGPT作爲一種先進的大模型，其強大的自然語言處理能力爲衆多領域帶來了革命性的變革。本文將帶您深入瞭解FastGPT在各個領域的應用，以及大模型應用所面臨的挑戰與前景

原創 2024-03-18 12:35:42

多模態+大模型會帶來哪些“化學反應”？

導語：沒人懷疑，2024 年，AI 依然將是科技界的主角。上個月，OpenAI 推出了可以生成 60 秒高清視頻的視頻生成模型 Sora，掀起了對多模態模型的進一輪討論。多模態大模型技術的最新進展如何？這一波新技術，對於行業和消費者的體驗會

原創 2024-03-15 13:45:01

OpenAI文生視頻大模型Sora：重塑視頻內容生產

在當今信息爆炸的時代，視頻已經成爲了最爲熱門的傳播媒介之一。然而，視頻內容的生產卻是一項極其耗費人力和物力的任務。爲了解決這一問題，美國人工智能公司OpenAI最近發佈了一款名爲Sora的文生視頻大模型，旨在通過AI技術自動化視頻內容的生產

原創 2024-03-04 12:35:26

大模型如何助力開發者打造新質生產力

在當今的AI編程時代，大模型已經成爲了推動技術進步和產業變革的重要力量。大模型，即大型神經網絡，具有海量的參數和複雜的結構，能夠處理更廣泛、更復雜的任務。隨着數據集的擴大和計算能力的提升，大模型在語音識別、自然語言處理、計算機視覺等領域取得

原創 2024-02-26 12:25:04

大模型時代：探索人工智能發展的新動向

在過去的幾年裏，人工智能（AI）已經從一種科幻概念轉變爲現實世界中的實用工具，深刻地改變了我們的生活方式。然而，儘管AI取得了顯著的進步，但它的潛力遠未被完全挖掘。如今，隨着大模型技術的飛速發展，AI正邁入一個新的發展階段，這爲企業和開發者

原創 2024-02-22 12:33:52

文檔圖像大模型在智能文檔處理領域中的應用

隨着人工智能技術的不斷髮展，智能文檔處理已成爲一個備受關注的研究領域。智能文檔處理是指利用計算機技術自動從複雜的非結構化和半結構化文檔中抽取關鍵數據，並將其轉換成結構化數據的過程。在這個過程中，大模型技術發揮着越來越重要的作用。 大模型在智

原創 2024-02-19 12:29:56