Python+openCV:模拟数字水印的嵌入和提取

最近在学习OpenCV,看的是微信读书里的《OpenCV轻松入门:面向Python》,根据书上的例题,做了一些小程序

参考来源

《OpenCV轻松入门:面向Python》例3.15

加载原始图片

我从网上找了一张上海的图片,加载成了黑白照片


原始图
oriImg = cv2.imread("shanghai.jpg", 0)  # 0表示将图片转为黑白
r ,c = oriImg.shape
cv2.namedWindow("origin",cv2.WINDOW_NORMAL)  # 设置窗口尺寸,避免图片太大,显示不全
cv2.imshow("origin", oriImg)  # 显示图像
cv2.imwrite('OriginImg.png',oriImg)  # 保存图像

加载水印图片

水印图

水印照片的处理比原图复杂一点,主要是分为几步
1)因为我找个这个图有点小,所以我把图片放大了一点

watermark = cv2.imread("watermark.jpg", 0)
r1 ,c1 = watermark.shape
watermark = cv2.resize(watermark,(r1*6,c1*4))

2)图片处理一下,把图片转成0和1两个值

w1 = watermark[:,:]>200
watermark[w1] = 0
w2 = watermark[:,:]>200
watermark[w2] = 1

3)把水印图和原图做的一样大,方便后续处理

watermarkImg = np.zeros((r,c), dtype=np.uint8)
r1 ,c1 = watermark.shape
watermarkImg[600:600+r1,2000:2000+c1] = watermark
cv2.namedWindow("watermark",cv2.WINDOW_NORMAL)
cv2.imshow("watermark", watermarkImg)
cv2.imwrite('WatermarkImg.png',watermarkImg)
黑白水印图

水印嵌入

t254 = np.ones((r,c), dtype=np.uint8)*254 
imgH7 = cv2.bitwise_and(oriImg, t254)
resultImg = cv2.bitwise_or(imgH7, watermarkImg)
cv2.namedWindow("result",cv2.WINDOW_NORMAL)
cv2.imshow("result",resultImg)
cv2.imwrite('ResultImg.png',resultImg)
加入水印

水印解码

t1 = np.ones((r,c), dtype=np.uint8)
delImg = cv2.bitwise_and(resultImg, t1)
w3 = delImg[:,:]>0
delImg[w3] = 255
cv2.namedWindow("delete",cv2.WINDOW_NORMAL)
cv2.imshow("delete",delImg)
cv2.imwrite('DeleteImg.png',delImg)
提取水印

完整代码

import cv2
import numpy as np

# 加载原始图片
oriImg = cv2.imread("shanghai.jpg", 0)
r ,c = oriImg.shape
cv2.namedWindow("origin",cv2.WINDOW_NORMAL)  # 设置窗口尺寸
cv2.imshow("origin", oriImg)
cv2.imwrite('OriginImg.png',oriImg)

# 加载水印图片
watermark = cv2.imread("watermark.jpg", 0)
r1 ,c1 = watermark.shape
watermark = cv2.resize(watermark,(r1*6,c1*4))
w1 = watermark[:,:]>200
watermark[w1] = 0
w2 = watermark[:,:]>200
watermark[w2] = 1
watermarkImg = np.zeros((r,c), dtype=np.uint8)
r1 ,c1 = watermark.shape
watermarkImg[600:600+r1,2000:2000+c1] = watermark
cv2.namedWindow("watermark",cv2.WINDOW_NORMAL)
cv2.imshow("watermark", watermarkImg)
cv2.imwrite('WatermarkImg.png',watermarkImg)

# 水印嵌入
t254 = np.ones((r,c), dtype=np.uint8)*254 
imgH7 = cv2.bitwise_and(oriImg, t254)
resultImg = cv2.bitwise_or(imgH7, watermarkImg)
cv2.namedWindow("result",cv2.WINDOW_NORMAL)
cv2.imshow("result",resultImg)
cv2.imwrite('ResultImg.png',resultImg)

# 水印解码
t1 = np.ones((r,c), dtype=np.uint8)
delImg = cv2.bitwise_and(resultImg, t1)
w3 = delImg[:,:]>0
delImg[w3] = 255
cv2.namedWindow("delete",cv2.WINDOW_NORMAL)
cv2.imshow("delete",delImg)
cv2.imwrite('DeleteImg.png',delImg)

cv2.waitKey()
cv2.destroyAllWindows()
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 160,881评论 4 368
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 68,052评论 1 301
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 110,598评论 0 250
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,407评论 0 217
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,823评论 3 294
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,872评论 1 224
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 32,037评论 2 317
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,778评论 0 204
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,505评论 1 247
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,745评论 2 253
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,233评论 1 264
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,568评论 3 260
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,231评论 3 241
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,141评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,939评论 0 201
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,954评论 2 283
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,784评论 2 275