OpenCV图像处理--为图像添加Logo

1，目的

将logo图标叠加到一张图片的右上角，要求有颜色的区域为不透明，例如将阿里影业的Logo叠加到战狼2的海报上，原始图和效果图如下。

2，思路

不同的logo有不同的处理方法，有的是黑色需要透明，有的是白色需要透明，但是，整理的思路是一致的。

如下图所示，从上向下，对要形成的效果进行分解，一共分为3层。

第一层需要第二层的两张图片，做cv2.add运算即可

第二层第一张图片需要第三层前两张图片，做cv2.bitwise_and运算即可，后一张做mask

第二层第二张图片需要第三层后两张图片，做cv2.bitwise_and运算即可，后一张做mask



在分解过程中，需要思考和明确要调用的OpenCV函数。如果一步解决不了，就拆分成多步解决。

3，步骤分析

基于上述思路，制定详细的图像处理步骤，并进行编码调试。处理步骤如下图所示。

3.1，读取logo图片，并对logo按照20%进行缩放

img_logo = cv2.imread("d:/1/ali-movie.png", cv2.IMREAD_COLOR)
img_logo = cv2.resize(img_logo, (0, 0), fx=0.2, fy=0.2, interpolation=cv2.INTER_NEAREST)

3.2，对logo进行灰度化处理，得到两个mask

img_logo_gray = cv2.cvtColor(img_logo, cv2.COLOR_BGR2GRAY)
ret, img_logo_mask = cv2.threshold(img_logo_gray, 200, 255, cv2.THRESH_BINARY)  # 二值化函数
img_logo_mask1 = cv2.bitwise_not(img_logo_mask)

3.3，提取目标图片的ROI

img_target = cv2.imread("d:/1/wolf.jpg", cv2.IMREAD_COLOR)
rows, cols, channel = img_logo.shape
rows1, cols1, channel1 = img_target.shape
img_roi = img_target[:rows, cols1 - cols:cols1].copy()

3.4，ROI和Logo图像融合

img_res0 = cv2.bitwise_and(img_roi, img_roi, mask=img_logo_mask)
img_res1 = cv2.bitwise_and(img_logo, img_logo, mask=img_logo_mask1)
img_res2 = cv2.add(img_res0, img_res1)
# img_res2 = img_res0 + img_res1
img_target[:rows, cols1 - cols:cols1] = img_res2[:, :]
cv2.imwrite("img_target.png", img_target)

4，疑难点介绍

4.1，cv2.add与矩阵相加的区别

测试程序

import numpy as np
import cv2
x = np.uint8([250])
y = np.uint8([10])
print cv2.add(x,y)   #输出# [[255]]
print x+y            #输出# [4]  (250+10)%255

测试结论

cv2.add方法和numpy矩阵相加，都可以完成两张图片的相加运算

numpy矩阵相加是模运算

cv2.add是渗透运算，如果元素之和大于255，则按照255返回，可以直接相加两张图片试试效果，代码和效果图如下所示

img_logo = cv2.imread("d:/1/ali-movie.png", cv2.IMREAD_COLOR)
img_target = cv2.imread("d:/1/wolf.jpg", cv2.IMREAD_COLOR)
print img_logo.shape, img_target.shape
img_new_add = cv2.add(img_target[:516, :798], img_logo[:516, :798])
cv2.imshow("img_new_add", img_new_add)
cv2.waitKey(0)
cv2.destroyAllWindows()

4.2，matplotlib的subplot简单介绍

代码如下，效果图如method of img deal.png所示。

代码

# 显示图片，调用matplotlib展示
plt.figure()
plt.subplot(332), plt.imshow(img_convert(img_res2), cmap='gray'), plt.title("img_res2")
plt.subplot(323), plt.imshow(img_convert(img_res0), cmap='gray'), plt.title("img_res0")
plt.subplot(324), plt.imshow(img_convert(img_res1), cmap='gray'), plt.title("img_res1")
plt.subplot(3, 4, 9), plt.imshow(img_convert(img_roi), cmap='gray'), plt.title("img_roi")
plt.subplot(3, 4, 10), plt.imshow(img_convert(img_logo_mask), cmap='gray'), plt.title("img_logo_mask")
plt.subplot(3, 4, 11), plt.imshow(img_convert(img_logo), cmap='gray'), plt.title("img_logo")
plt.subplot(3, 4, 12), plt.imshow(img_convert(img_logo_mask1), cmap='gray'), plt.title("img_logo_mask1")
plt.show()

效果图

5，源码奉上

# coding:utf8

import numpy as np
import cv2
from matplotlib import pyplot as plt

# 图像处理，将logo图标叠加到一张图片的右上角，要求有颜色的区域为不透明
def img_deal():
# 1，对logo进行缩放，按照20%进行
img_logo = cv2.imread("d:/1/ali-movie.png", cv2.IMREAD_COLOR)
img_logo = cv2.resize(img_logo, (0, 0), fx=0.2, fy=0.2, interpolation=cv2.INTER_NEAREST)
# cv2.imshow("img_logo", img_logo)

# 2，对logo做清洗，白色区域是255，其他区域置为黑色0
img_logo_gray = cv2.cvtColor(img_logo, cv2.COLOR_BGR2GRAY)
ret, img_logo_mask = cv2.threshold(img_logo_gray, 200, 255, cv2.THRESH_BINARY)  # 二值化函数
img_logo_mask1 = cv2.bitwise_not(img_logo_mask)
# cv2.imshow("img_logo_gray", img_logo_gray)
# cv2.imshow("img_logo_mask", img_logo_mask)

# 3，提取目标图片的ROI
img_target = cv2.imread("d:/1/wolf.jpg", cv2.IMREAD_COLOR)
rows, cols, channel = img_logo.shape
rows1, cols1, channel1 = img_target.shape
img_roi = img_target[:rows, cols1 - cols:cols1].copy()
# cv2.imshow("img_roi", img_roi)

# 4，ROI和Logo图像融合
img_res0 = cv2.bitwise_and(img_roi, img_roi, mask=img_logo_mask)
img_res1 = cv2.bitwise_and(img_logo, img_logo, mask=img_logo_mask1)
img_res2 = cv2.add(img_res0, img_res1)
# img_res2 = img_res0 + img_res1
img_target[:rows, cols1 - cols:cols1] = img_res2[:, :]
cv2.imwrite("img_target.png", img_target)

# 显示图片，调用opencv展示
# cv2.imshow("img_res0", img_res0)
# cv2.imshow("img_res1", img_res1)
# cv2.imshow("img_res2", img_res2)
# cv2.imshow("img_target", img_target)
# cv2.waitKey(0)
# cv2.destroyAllWindows()

# 显示图片，调用matplotlib展示
plt.figure()
titles = ["img_logo", "img_logo_gray", "img_logo_mask", "img_logo_mask1", "img_roi", "img_res0", "img_res1",
"img_res2"]
imgs = [img_logo, img_logo_gray, img_logo_mask, img_logo_mask1, img_roi, img_res0, img_res1, img_res2]
for x in xrange(len(imgs)):
plt.subplot(241 + x), plt.imshow(img_convert(imgs[x]), cmap='gray'), plt.title(titles[x])  # , plt.axis('off')
plt.show()

# 显示图片，调用matplotlib展示
plt.figure()
plt.subplot(332), plt.imshow(img_convert(img_res2), cmap='gray'), plt.title("img_res2")
plt.subplot(323), plt.imshow(img_convert(img_res0), cmap='gray'), plt.title("img_res0")
plt.subplot(324), plt.imshow(img_convert(img_res1), cmap='gray'), plt.title("img_res1")
plt.subplot(3, 4, 9), plt.imshow(img_convert(img_roi), cmap='gray'), plt.title("img_roi")
plt.subplot(3, 4, 10), plt.imshow(img_convert(img_logo_mask), cmap='gray'), plt.title("img_logo_mask")
plt.subplot(3, 4, 11), plt.imshow(img_convert(img_logo), cmap='gray'), plt.title("img_logo")
plt.subplot(3, 4, 12), plt.imshow(img_convert(img_logo_mask1), cmap='gray'), plt.title("img_logo_mask1")
plt.show()

# cv2与matplotlib的图像转换，cv2是bgr格式，matplotlib是rgb格式
def img_convert(cv2_img):
# 灰度图片直接返回
if len(cv2_img.shape) == 2:
return cv2_img
# 3通道的BGR图片
elif len(cv2_img.shape) == 3 and cv2_img.shape[2] == 3:
b, g, r = cv2.split(cv2_img)
return cv2.merge((r, g, b))
# 4通道的BGR图片
elif len(cv2_img.shape) == 3 and cv2_img.shape[2] == 4:
b, g, r, a = cv2.split(cv2_img)
return cv2.merge((r, g, b, a))
# 未知图片格式
else:
return cv2_img

# 主函数
if __name__ == "__main__":
img_deal()

6，参考页面

OpenCV-Python教程:8.图片的算术运算

http://www.jianshu.com/p/4c4b4e651989

opencv documentation

http://docs.opencv.org/3.0-alpha/index.html