Python實現圖片加水印

① 怎麼在手機上給手機裡面的圖片製作水印啊……

下載是要收費滴！②製作一張白紙，你可以找一個運行時有白屏的軟體，出現白屏時把它截下來(安裝水印截圖後打開在設置里把水印關掉，用它截圖)③打開圖片編輯，打開那張白紙，然後選插入圖片，把你的印章插入找好位置按確認保存！④打開剪圖工具，選擇你剛保存的圖片，打開後選項顏色底片這時你會看到整個圖片都變黑了，印章應該是亮藍色的，好了用截圖截下就行了不用保存⑤用我的電腦進入e:\nokia\screenshot\把裡面的watermark.mbm復制到e:\python\mbmtool\mbm\這個文件夾里(如果沒有這個文件夾打開mbm編輯運行一下就有了)，再把你剛截下的那張底片改名為1.png⑥打開mbm編輯按右，你會看到watermark.mbm在裡面了，選擇解包，完成後退出⑦再用我的電腦進入e:\python\mbmtool\img\文件夾里，你會看到有0.png和1.png，這就是剛解包出來的文件，打開看看吧0.png是一張紅色圖片，1.png就是作者的印章，現在你知道該怎麼做了吧？對！就用你先前截的那個1.png替換這里的1.png⑧打開mbm編輯選擇16bit\8bit把這兩個打包合成，合成後退出⑨再進入e:\python\mbmtool\mbm\把剛才打包出來的images.mbm改名為watermark.mbm替換e:\nokia\screenshot\裡面的watermark.mbm好了大功告成！⑩打開水印截圖，再設置開啟水印！截一張圖你會看到你的印章快速閃動一下，這說明成功加蓋印章了！

② 用Python爬蟲爬取的圖片怎麼知道圖片有沒有水印

看啊 眼睛是能判斷的

③ 手機怎麼製作水印

以iPhone 6s，iOS12.3為例：

需要用到的工具：lightroom。

一、在APP store下載安裝並打開lightroom。

④ 圖片怎麼快速批量去水印

批量去水印可能性不大，因為水印不同圖片大小、位置、形狀可能都是不一樣的，很難用圖片處理軟體批量去除水印的。

⑤ 手機哪個軟體可以給照片加水印，美圖秀秀不可以

需要工具：<我的電腦><剪圖工具><圖片編輯><水印截圖><MBM編輯器(需py平台支持)>操作步驟：①首先你要有自己的印章，可以去<印章手工坊>(網址太長了自己搜吧)做自己喜歡的印章，做好後點預覽，直接保存圖片，不要點下載！下載是要收費滴！②製作一張白紙，你可以找一個運行時有白屏的軟體，出現白屏時把它截下來(安裝水印截圖後打開在設置里把水印關掉，用它截圖)③打開圖片編輯，打開那張白紙，然後選插入圖片，把你的印章插入找好位置按確認保存！④打開剪圖工具，選擇你剛保存的圖片，打開後>選項>顏色>底片>這時你會看到整個圖片都變黑了，印章應該是亮藍色的，好了用截圖截下就行了不用保存⑤用我的電腦進入E:\nokia\screenshot\把裡面的watermark.mbm復制到E:\python\mbmtool\mbm\這個文件夾里(如果沒有這個文件夾打開MBM編輯運行一下就有了)，再把你剛截下的那張底片改名為1.png⑥打開MBM編輯按右，你會看到watermark.mbm在裡面了，選擇解包，完成後退出⑦再用我的電腦進入E:\python\mbmtool\img\文件夾里，你會看到有0.png和1.png，這就是剛解包出來的文件，打開看看吧0.png是一張紅色圖片，1.png就是作者的印章，現在你知道該怎麼做了吧？對！就用你先前截的那個1.png替換這里的1.png⑧打開MBM編輯>選擇16bit\8bit把這兩個打包合成，合成後退出⑨再進入E:\python\mbmtool\mbm\把剛才打包出來的images.mbm改名為watermark.mbm替換E:\nokia\screenshot\裡面的watermark.mbm好了大功告成！⑩打開水印截圖，再設置開啟水印！截一張圖你會看到你的印章快速閃動一下，這說明成功加蓋印章了！打開你的截圖看看吧！

⑥ 手機上怎麼製作圖片的水印

1、首先打開繪圖軟體→文件→新建窗口240*320
2、建後是個白屏
然後按*鍵調出工具欄..選T
3、再按#鍵調出顏色
4、選好顏色,（選的深淺決定水印的透明度）
接著按0鍵,出現輸入文本

5、輸入要的水印文字,確定後按方向鍵調整到需要水印顯示的位置,接下來調整字體大小或字體,按左鍵，字體，本機選項
6、選擇大小平滑

7、多次調整至滿意(中間過程千萬別按導航中間鍵)
8、按左鍵，文件，另存為

9、另存圖像0.png到E盤python/mbmtool/img下面[選擇24(16.7百萬色)，壓縮選擇。。默認]（安裝了mbmtool就會生成python文件夾了）。不要退出，左軟鍵，處理，反色
10、左軟鍵。。文件。。另存圖像1.png到E盤python/mbmtool/img下面[選擇24(16.7百萬色)，壓縮選擇。。默認]OK，退出手機繪圖。
11、打開mbm打包解包，左軟鍵，選擇，轉換，點24bit/8bit，然後選擇打包
12、退出軟體，水印就在e\python\mbmtool\mbm里，也就是watermark.mbm。把做好的水印移到C:\date\SurperScreenshot,會提示有覆蓋，覆蓋就可以.接著開啟截圖，
13、選項—設置—水印—開啟。

⑦ 如何用python操作word添加水印

加水印的方法！

⑧ python處理圖片數據

目錄

1.機器是如何存儲圖像的？

2.在Python中讀取圖像數據

3.從圖像數據中提取特徵的方法#1：灰度像素值特徵

4.從圖像數據中提取特徵的方法#2：通道的平均像素值

5.從圖像數據中提取特徵的方法#3：提取邊緣
是一張數字8的圖像，仔細觀察就會發現，圖像是由小方格組成的。這些小方格被稱為像素。

但是要注意，人們是以視覺的形式觀察圖像的，可以輕松區分邊緣和顏色，從而識別圖片中的內容。然而機器很難做到這一點，它們以數字的形式存儲圖像。請看下圖：

機器以數字矩陣的形式儲存圖像，矩陣大小取決於任意給定圖像的像素數。

假設圖像的尺寸為180 x 200或n x m，這些尺寸基本上是圖像中的像素數（高x寬）。

這些數字或像素值表示像素的強度或亮度，較小的數字（接近0）表示黑色，較大的數字（接近255）表示白色。通過分析下面的圖像，讀者就會弄懂到目前為止所學到的知識。

下圖的尺寸為22 x 16，讀者可以通過計算像素數來驗證：

圖片源於機器學習應用課程

剛才討論的例子是黑白圖像，如果是生活中更為普遍的彩色呢？你是否認為彩色圖像也以2D矩陣的形式存儲？

彩色圖像通常由多種顏色組成，幾乎所有顏色都可以從三原色（紅色，綠色和藍色）生成。

因此，如果是彩色圖像，則要用到三個矩陣（或通道）——紅、綠、藍。每個矩陣值介於0到255之間，表示該像素的顏色強度。觀察下圖來理解這個概念：

圖片源於機器學習應用課程

左邊有一幅彩色圖像（人類可以看到），而在右邊，紅綠藍三個顏色通道對應三個矩陣，疊加三個通道以形成彩色圖像。

請注意，由於原始矩陣非常大且可視化難度較高，因此這些不是給定圖像的原始像素值。此外，還可以用各種其他的格式來存儲圖像，RGB是最受歡迎的，所以筆者放到這里。讀者可以在此處閱讀更多關於其他流行格式的信息。

用Python讀取圖像數據

下面開始將理論知識付諸實踐。啟動Python並載入圖像以觀察矩陣：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
from skimage.io import imread, imshow
image = imread('image_8_original.png', as_gray=True)
imshow(image)

#checking image shape
image.shape, image

（28，28）

矩陣有784個值，而且這只是整個矩陣的一小部分。用一個LIVE編碼窗口，不用離開本文就可以運行上述所有代碼並查看結果。

下面來深入探討本文背後的核心思想，並探索使用像素值作為特徵的各種方法。

方法#1：灰度像素值特徵

從圖像創建特徵最簡單的方法就是將原始的像素用作單獨的特徵。

考慮相同的示例，就是上面那張圖（數字『8』），圖像尺寸為28×28。

能猜出這張圖片的特徵數量嗎？答案是與像素數相同！也就是有784個。

那麼問題來了，如何安排這784個像素作為特徵呢？這樣，可以簡單地依次追加每個像素值從而生成特徵向量。如下圖所示：

下面來用Python繪制圖像，並為該圖像創建這些特徵：

image = imread('puppy.jpeg', as_gray=True)

image.shape, imshow(image)

（650，450）

該圖像尺寸為650×450，因此特徵數量應為297,000。可以使用NumPy中的reshape函數生成，在其中指定圖像尺寸：

#pixel features

features = np.reshape(image, (660*450))

features.shape, features

(297000,)
array([0.96470588, 0.96470588, 0.96470588, ..., 0.96862745, 0.96470588,
0.96470588])

這里就得到了特徵——長度為297,000的一維數組。很簡單吧？在實時編碼窗口中嘗試使用此方法提取特徵。

但結果只有一個通道或灰度圖像，對於彩色圖像是否也可以這樣呢？來看看吧！

方法#2：通道的平均像素值

在讀取上一節中的圖像時，設置了參數『as_gray = True』，因此在圖像中只有一個通道，可以輕松附加像素值。下面刪除參數並再次載入圖像：

image = imread('puppy.jpeg')
image.shape

(660, 450, 3)

這次，圖像尺寸為（660，450，3），其中3為通道數量。可以像之前一樣繼續創建特徵，此時特徵數量將是660*450*3 = 891,000。

或者，可以使用另一種方法：

生成一個新矩陣，這個矩陣具有來自三個通道的像素平均值，而不是分別使用三個通道中的像素值。

下圖可以讓讀者更清楚地了解這一思路：

這樣一來，特徵數量保持不變，並且還能考慮來自圖像全部三個通道的像素值。

image = imread('puppy.jpeg')
feature_matrix = np.zeros((660,450))
feature_matrix.shape

(660, 450)

現有一個尺寸為（660×450×3）的三維矩陣，其中660為高度，450為寬度，3是通道數。為獲取平均像素值，要使用for循環：

for i in range(0,iimage.shape[0]):
for j in range(0,image.shape[1]):
feature_matrix[i][j] = ((int(image[i,j,0]) + int(image[i,j,1]) + int(image[i,j,2]))/3)

新矩陣具有相同的高度和寬度，但只有一個通道。現在，可以按照與上一節相同的步驟進行操作。依次附加像素值以獲得一維數組：

features = np.reshape(feature_matrix, (660*450))
features.shape

(297000,)

方法#3：提取邊緣特徵

請思考，在下圖中，如何識別其中存在的對象：

識別出圖中的對象很容易——狗、汽車、還有貓，那麼在區分的時候要考慮哪些特徵呢？形狀是一個重要因素，其次是顏色，或者大小。如果機器也能像這樣識別形狀會怎麼樣？

類似的想法是提取邊緣作為特徵並將其作為模型的輸入。稍微考慮一下，要如何識別圖像中的邊緣呢？邊緣一般都是顏色急劇變化的地方，請看下圖：

筆者在這里突出了兩個邊緣。這兩處邊緣之所以可以被識別是因為在圖中，可以分別看到顏色從白色變為棕色，或者由棕色變為黑色。如你所知，圖像以數字的形式表示，因此就要尋找哪些像素值發生了劇烈變化。

假設圖像矩陣如下：

圖片源於機器學習應用課程

該像素兩側的像素值差異很大，於是可以得出結論，該像素處存在顯著的轉變，因此其為邊緣。現在問題又來了，是否一定要手動執行此步驟？

當然不！有各種可用於突出顯示圖像邊緣的內核，剛才討論的方法也可以使用Prewitt內核（在x方向上）來實現。以下是Prewitt內核：

獲取所選像素周圍的值，並將其與所選內核（Prewitt內核）相乘，然後可以添加結果值以獲得最終值。由於±1已經分別存在於兩列之中，因此添加這些值就相當於獲取差異。

還有其他各種內核，下面是四種最常用的內核：

圖片源於機器學習應用課程

現在回到筆記本，為同一圖像生成邊緣特徵：

#importing the required libraries
import numpy as np
from skimage.io import imread, imshow
from skimage.filters import prewitt_h,prewitt_v
import matplotlib.pyplot as plt
%matplotlib inline

#reading the image
image = imread('puppy.jpeg',as_gray=True)

#calculating horizontal edges using prewitt kernel
edges_prewitt_horizontal = prewitt_h(image)
#calculating vertical edges using prewitt kernel
edges_prewitt_vertical = prewitt_v(image)

imshow(edges_prewitt_vertical, cmap='gray')

⑨ 學python以後可以做什麼

Python是一款流行的計算機編程語言，具有簡單、易學、免費、開源、可移植、可擴展、可嵌入以及面向對象等特點，擁有強大的庫，簡潔的幾行代碼即可實現強大的功能，應用范圍廣泛，可廣泛應用於以下領域：
1. Web開發
最火的Python
web框架Django，支持非同步高並發的Tornado框架，短小精悍的flask，bottle，Django官方的標語把Django定義為the
framework for perfectionist with deadlines(大意是一個為完全主義者開發的高效率web框架)
2. 網路編程
支持高並發的Twisted網路框架，py3引入的asyncio使非同步編程變的非常簡單
3. 爬蟲開發
爬蟲領域，Python幾乎是霸主地位，Scrapy/Request/BeautifuSoap/urllib等，想爬啥就爬啥
4. 雲計算開發
目前最火最知名的雲計算框架就是OpenStack，Python現在的火，很大一部分就是因為雲計算市場近幾年的爆發
5. 人工智慧
MASA和Google早期大量使用Python，為什麼Python積累了豐富的科學運算庫，當AI時代來臨後，Python從眾多編程語言中脫穎而出，各種人工智慧演算法都基於Python編寫，由其PyTorch之後，Python作為AI時代頭牌語言的位置基本確立!
6. 自動化運維
問問中國的每個運維人員，運維人員必須會的語言是什麼?10個人詳細會給你一個相同的答案，它的名字叫Python
7. 金融分析
金融公司使用的很多分析程序、高頻交易軟體就是用的Python，目前，Python是金融分析、量化交易領域里用的最多的語言
8. 科學運算
97年開始，NASA就在大量使用Python在進行各種復雜的科學運算，隨著NumPy，SciPy，Matplotlib，Enthought
librarys等眾多程序庫的開發，使得Python越來越適合做科學計算、繪制高質量的2D和3D圖像。和科學計算領域最流行的商業軟體Matlab相比，Python是一門通用的程序設計語言，比Matlab所採用的腳本語言的應用范圍更廣泛
9. 游戲開發
在網路游戲開發中Python也有很多應用。相比Lua or
C++，Python比Lua有更高階的抽象能力，可以用更少的代碼描述游戲業務邏輯，與Lua相比，Python更適合作為一種Host語言，即程序的入口點是在Python那一端會比較好，然後用C/C++在非常必要的時候寫一些擴展。Python非常適合編寫1萬行以上的項目，而且能夠很好的把網游項目的規模控制在10萬行代碼以內。
10. 桌面軟體
雖然大家很少使用桌面軟體了，但是Python在圖形界面開發上也很強大，你可以用tkinter/PyQT框架開發各種桌面軟體!