Python实现图片添加隐形水印的方法
最编程
2024-01-13 12:29:44
...
什么是盲水印
盲水印就是图片有水印但人眼看不出来,需要通过程序才能提取水印,相当于隐形“盖章”,可以用在数据泄露溯源、版权保护等场景
blind_watermark
python中有开源库blind_watermark,可以实现给图片加盲水印;
代码地址:https://github.com/guofei9987/blind_watermark
安装blind_watermark
安装方式推荐有很多种,推荐使用pip;
pip 是 Python 的包安装程序。其实,pip 就是 Python 标准库(The Python Standard Library)中的一个包,只是这个包比较特殊,用它可以来管理 Python 标准库(The Python Standard Library)中其他的包。pip 是一个命令行程序。 安装 pip 后,会向系统添加一个 pip 命令,该命令可以从命令提示符运行。
安装pip:
- 安装python; 这个是必须安装的;
-
下载pip:
> 官网地址:https://pypi.org/project/pip/#downloads; 下载完毕后,解压
-
打开命令行窗口,进入到pip解压后的目录;执行代码
python3 setup.py install
进行安装,
安装完成后,将pip加入到系统环境变量中
-
- 验证
打开命令行窗口,输入pip list 或者pip3 list
-
pip安装完成后,可以继续安装blind_watermark:
打开命令行窗口,输入执行以下代码,并回车pip install blind_watermark
等待提示第三库安装成功;
-
导入
import blind_watermark
如果提示错误 ModuleNotFoundError: No module named 'pywt',
可以通过 pip install pywavelets 来解决。
代码实现:
导入WaterMark
from blind_watermark import WaterMark
设置密码,默认是 1
bwm1 = WaterMark(password_img=1, password_wm=1)
读取原始图片
bwm1.read_img('H:/sz.jpg')
定义水印文本
wm = '@水印!'
合并文本并输出新的图片
bwm1.read_wm(wm, mode='str')
bwm1.embed('H:/sz-w.png')
读取水印;
def getWaterMark():
## 设置密码,默认是 1
bwm1 = WaterMark(password_img=1, password_wm=1)
wm_extract = bwm1.extract('H:/sz-w.png', wm_shape=len_wm, mode='str')
print(wm_extract)
除了可以添加文字水印,还可以添加图片水印
bwm1 = WaterMark(password_wm=1, password_img=1)
#读取原始图片
bwm1.read_img('H:/sz.jpg')
#读取水印图片
bwm1.read_wm('H:/sz-1.png')
## 合并
bwm1.embed('H:/sz-2.png')
#bwm1 = WaterMark(password_wm=1, password_img=1)
# notice that wm_shape is necessary
bwm1.extract(filename='H:/sz-2.png', wm_shape=(50, 30), ut_wm_name='H:/sz-11.png')
上一篇: 在网页系统中嵌入隐形水印
下一篇: 简单聊聊屏幕录制泄露追踪的检测技术
推荐阅读
-
[姿势估计] 实践记录:使用 Dlib 和 mediapipe 进行人脸姿势估计 - 本文重点介绍方法 2):方法 1:基于深度学习的方法:。 基于深度学习的方法:基于深度学习的方法利用深度学习模型,如卷积神经网络(CNN)或递归神经网络(RNN),直接从人脸图像中学习姿势估计。这些方法能够学习更复杂的特征表征,并在大规模数据集上取得优异的性能。方法二:基于二维校准信息估计三维姿态信息(计算机视觉 PnP 问题)。 特征点定位:人脸姿态估计的第一步是通过特征点定位来检测和定位人脸的关键点,如眼睛、鼻子和嘴巴。这些关键点提供了人脸的局部结构信息,可用于后续的姿势估计。 旋转表示:常见的旋转表示方法包括欧拉角和旋转矩阵。欧拉角通过三个旋转角度(通常是俯仰、偏航和滚动)描述头部的旋转姿态。旋转矩阵是一个 3x3 矩阵,表示头部从一个坐标系到另一个坐标系的变换。 三维模型重建:根据特征点的定位结果,三维人脸模型可用于姿势估计。通过将人脸的二维图像映射到三维模型上,可以估算出人脸的旋转和平移信息。这就需要建立人脸的三维模型,然后通过优化方法将模型与特征点对齐,从而获得姿势估计结果。 特征点定位 特征点定位是用于检测人脸关键部位的五官基础部分,还有其他更多的特征点表示方法,大家可以参考我上一篇文章中介绍的特征点检测方案实践:人脸校正二次定位操作来解决人脸校正的问题,客户在检测关键点的代码上略有修改,坐标转换部分客户见上图 def get_face_info(image). img_copy = image.copy image.flags.writeable = False image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) results = face_detection.process(image) # 在图像上绘制人脸检测注释。 image.flags.writeable = True image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR) box_info, facial = None, None if results.detections: for detection in results. for detection in results.detections: mp_drawing.Drawing.detection = 无 mp_drawing.draw_detection(image, detection) 面部 = detection.location_data.relative_keypoints 返回面部 在上述代码中,返回的数据是五官(6 个关键点的坐标),这是用 mediapipe 库实现的,下面我们可以尝试用另一个库:dlib 来实现。 使用 dlib 使用 Dlib 库在 Python 中实现人脸关键点检测的步骤如下: 确保已安装 Dlib 库,可使用以下命令: pip install dlib 导入必要的库: 加载 Dlib 的人脸检测器和关键点检测器模型: 读取图像并将其灰度化: 使用人脸检测器检测图像中的人脸: 对检测到的人脸进行遍历,并使用关键点检测器检测人脸关键点: 显示绘制了关键点的图像: 以下代码将参数 landmarks_part 添加到要返回的关键点坐标中。
-
如何在itextpdf中实现PDF文件的图片水印添加功能
-
Java Swing实现窗体添加背景图片的2种方法详解
-
python实现通过pil模块对图片格式进行转换的方法
-
C#实现图片添加文字并保存的方法
-
Java实现图片盲水印添加与提取的算法方法
-
在Java中添加隐形水印的方法
-
用Python实现阿里水印的方法
-
Python实现图片添加隐形水印的方法
-
Python实现数字图片盲水印的方法安装教程