Python实现图片加水印

① 怎么在手机上给手机里面的图片制作水印啊……

下载是要收费滴！②制作一张白纸，你可以找一个运行时有白屏的软件，出现白屏时把它截下来(安装水印截图后打开在设置里把水印关掉，用它截图)③打开图片编辑，打开那张白纸，然后选插入图片，把你的印章插入找好位置按确认保存！④打开剪图工具，选择你刚保存的图片，打开后选项颜色底片这时你会看到整个图片都变黑了，印章应该是亮蓝色的，好了用截图截下就行了不用保存⑤用我的电脑进入e:\nokia\screenshot\把里面的watermark.mbm复制到e:\python\mbmtool\mbm\这个文件夹里(如果没有这个文件夹打开mbm编辑运行一下就有了)，再把你刚截下的那张底片改名为1.png⑥打开mbm编辑按右，你会看到watermark.mbm在里面了，选择解包，完成后退出⑦再用我的电脑进入e:\python\mbmtool\img\文件夹里，你会看到有0.png和1.png，这就是刚解包出来的文件，打开看看吧0.png是一张红色图片，1.png就是作者的印章，现在你知道该怎么做了吧？对！就用你先前截的那个1.png替换这里的1.png⑧打开mbm编辑选择16bit\8bit把这两个打包合成，合成后退出⑨再进入e:\python\mbmtool\mbm\把刚才打包出来的images.mbm改名为watermark.mbm替换e:\nokia\screenshot\里面的watermark.mbm好了大功告成！⑩打开水印截图，再设置开启水印！截一张图你会看到你的印章快速闪动一下，这说明成功加盖印章了！

② 用Python爬虫爬取的图片怎么知道图片有没有水印

看啊 眼睛是能判断的

③ 手机怎么制作水印

以iPhone 6s，iOS12.3为例：

需要用到的工具：lightroom。

一、在APP store下载安装并打开lightroom。

④ 图片怎么快速批量去水印

批量去水印可能性不大，因为水印不同图片大小、位置、形状可能都是不一样的，很难用图片处理软件批量去除水印的。

⑤ 手机哪个软件可以给照片加水印，美图秀秀不可以

需要工具：<我的电脑><剪图工具><图片编辑><水印截图><MBM编辑器(需py平台支持)>操作步骤：①首先你要有自己的印章，可以去<印章手工坊>(网址太长了自己搜吧)做自己喜欢的印章，做好后点预览，直接保存图片，不要点下载！下载是要收费滴！②制作一张白纸，你可以找一个运行时有白屏的软件，出现白屏时把它截下来(安装水印截图后打开在设置里把水印关掉，用它截图)③打开图片编辑，打开那张白纸，然后选插入图片，把你的印章插入找好位置按确认保存！④打开剪图工具，选择你刚保存的图片，打开后>选项>颜色>底片>这时你会看到整个图片都变黑了，印章应该是亮蓝色的，好了用截图截下就行了不用保存⑤用我的电脑进入E:\nokia\screenshot\把里面的watermark.mbm复制到E:\python\mbmtool\mbm\这个文件夹里(如果没有这个文件夹打开MBM编辑运行一下就有了)，再把你刚截下的那张底片改名为1.png⑥打开MBM编辑按右，你会看到watermark.mbm在里面了，选择解包，完成后退出⑦再用我的电脑进入E:\python\mbmtool\img\文件夹里，你会看到有0.png和1.png，这就是刚解包出来的文件，打开看看吧0.png是一张红色图片，1.png就是作者的印章，现在你知道该怎么做了吧？对！就用你先前截的那个1.png替换这里的1.png⑧打开MBM编辑>选择16bit\8bit把这两个打包合成，合成后退出⑨再进入E:\python\mbmtool\mbm\把刚才打包出来的images.mbm改名为watermark.mbm替换E:\nokia\screenshot\里面的watermark.mbm好了大功告成！⑩打开水印截图，再设置开启水印！截一张图你会看到你的印章快速闪动一下，这说明成功加盖印章了！打开你的截图看看吧！

⑥ 手机上怎么制作图片的水印

1、首先打开绘图软件→文件→新建窗口240*320
2、建后是个白屏
然后按*键调出工具栏..选T
3、再按#键调出颜色
4、选好颜色,（选的深浅决定水印的透明度）
接着按0键,出现输入文本

5、输入要的水印文字,确定后按方向键调整到需要水印显示的位置,接下来调整字体大小或字体,按左键，字体，本机选项
6、选择大小平滑

7、多次调整至满意(中间过程千万别按导航中间键)
8、按左键，文件，另存为

9、另存图像0.png到E盘python/mbmtool/img下面[选择24(16.7百万色)，压缩选择。。默认]（安装了mbmtool就会生成python文件夹了）。不要退出，左软键，处理，反色
10、左软键。。文件。。另存图像1.png到E盘python/mbmtool/img下面[选择24(16.7百万色)，压缩选择。。默认]OK，退出手机绘图。
11、打开mbm打包解包，左软键，选择，转换，点24bit/8bit，然后选择打包
12、退出软件，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,会提示有覆盖，覆盖就可以.接着开启截图，
13、选项—设置—水印—开启。

⑦ 如何用python操作word添加水印

加水印的方法！

⑧ python处理图片数据

目录

1.机器是如何存储图像的？

2.在Python中读取图像数据

3.从图像数据中提取特征的方法#1：灰度像素值特征

4.从图像数据中提取特征的方法#2：通道的平均像素值

5.从图像数据中提取特征的方法#3：提取边缘
是一张数字8的图像，仔细观察就会发现，图像是由小方格组成的。这些小方格被称为像素。

但是要注意，人们是以视觉的形式观察图像的，可以轻松区分边缘和颜色，从而识别图片中的内容。然而机器很难做到这一点，它们以数字的形式存储图像。请看下图：

机器以数字矩阵的形式储存图像，矩阵大小取决于任意给定图像的像素数。

假设图像的尺寸为180 x 200或n x m，这些尺寸基本上是图像中的像素数（高x宽）。

这些数字或像素值表示像素的强度或亮度，较小的数字（接近0）表示黑色，较大的数字（接近255）表示白色。通过分析下面的图像，读者就会弄懂到目前为止所学到的知识。

下图的尺寸为22 x 16，读者可以通过计算像素数来验证：

图片源于机器学习应用课程

刚才讨论的例子是黑白图像，如果是生活中更为普遍的彩色呢？你是否认为彩色图像也以2D矩阵的形式存储？

彩色图像通常由多种颜色组成，几乎所有颜色都可以从三原色（红色，绿色和蓝色）生成。

因此，如果是彩色图像，则要用到三个矩阵（或通道）——红、绿、蓝。每个矩阵值介于0到255之间，表示该像素的颜色强度。观察下图来理解这个概念：

图片源于机器学习应用课程

左边有一幅彩色图像（人类可以看到），而在右边，红绿蓝三个颜色通道对应三个矩阵，叠加三个通道以形成彩色图像。

请注意，由于原始矩阵非常大且可视化难度较高，因此这些不是给定图像的原始像素值。此外，还可以用各种其他的格式来存储图像，RGB是最受欢迎的，所以笔者放到这里。读者可以在此处阅读更多关于其他流行格式的信息。

用Python读取图像数据

下面开始将理论知识付诸实践。启动Python并加载图像以观察矩阵：

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）

矩阵有784个值，而且这只是整个矩阵的一小部分。用一个LIVE编码窗口，不用离开本文就可以运行上述所有代码并查看结果。

下面来深入探讨本文背后的核心思想，并探索使用像素值作为特征的各种方法。

方法#1：灰度像素值特征

从图像创建特征最简单的方法就是将原始的像素用作单独的特征。

考虑相同的示例，就是上面那张图（数字‘8’），图像尺寸为28×28。

能猜出这张图片的特征数量吗？答案是与像素数相同！也就是有784个。

那么问题来了，如何安排这784个像素作为特征呢？这样，可以简单地依次追加每个像素值从而生成特征向量。如下图所示：

下面来用Python绘制图像，并为该图像创建这些特征：

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

image.shape, imshow(image)

（650，450）

该图像尺寸为650×450，因此特征数量应为297,000。可以使用NumPy中的reshape函数生成，在其中指定图像尺寸：

#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])

这里就得到了特征——长度为297,000的一维数组。很简单吧？在实时编码窗口中尝试使用此方法提取特征。

但结果只有一个通道或灰度图像，对于彩色图像是否也可以这样呢？来看看吧！

方法#2：通道的平均像素值

在读取上一节中的图像时，设置了参数‘as_gray = True’，因此在图像中只有一个通道，可以轻松附加像素值。下面删除参数并再次加载图像：

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

(660, 450, 3)

这次，图像尺寸为（660，450，3），其中3为通道数量。可以像之前一样继续创建特征，此时特征数量将是660*450*3 = 891,000。

或者，可以使用另一种方法：

生成一个新矩阵，这个矩阵具有来自三个通道的像素平均值，而不是分别使用三个通道中的像素值。

下图可以让读者更清楚地了解这一思路：

这样一来，特征数量保持不变，并且还能考虑来自图像全部三个通道的像素值。

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

(660, 450)

现有一个尺寸为（660×450×3）的三维矩阵，其中660为高度，450为宽度，3是通道数。为获取平均像素值，要使用for循环：

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)

新矩阵具有相同的高度和宽度，但只有一个通道。现在，可以按照与上一节相同的步骤进行操作。依次附加像素值以获得一维数组：

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

(297000,)

方法#3：提取边缘特征

请思考，在下图中，如何识别其中存在的对象：

识别出图中的对象很容易——狗、汽车、还有猫，那么在区分的时候要考虑哪些特征呢？形状是一个重要因素，其次是颜色，或者大小。如果机器也能像这样识别形状会怎么样？

类似的想法是提取边缘作为特征并将其作为模型的输入。稍微考虑一下，要如何识别图像中的边缘呢？边缘一般都是颜色急剧变化的地方，请看下图：

笔者在这里突出了两个边缘。这两处边缘之所以可以被识别是因为在图中，可以分别看到颜色从白色变为棕色，或者由棕色变为黑色。如你所知，图像以数字的形式表示，因此就要寻找哪些像素值发生了剧烈变化。

假设图像矩阵如下：

图片源于机器学习应用课程

该像素两侧的像素值差异很大，于是可以得出结论，该像素处存在显着的转变，因此其为边缘。现在问题又来了，是否一定要手动执行此步骤？

当然不！有各种可用于突出显示图像边缘的内核，刚才讨论的方法也可以使用Prewitt内核（在x方向上）来实现。以下是Prewitt内核：

获取所选像素周围的值，并将其与所选内核（Prewitt内核）相乘，然后可以添加结果值以获得最终值。由于±1已经分别存在于两列之中，因此添加这些值就相当于获取差异。

还有其他各种内核，下面是四种最常用的内核：

图片源于机器学习应用课程

现在回到笔记本，为同一图像生成边缘特征：

#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 学python以后可以做什么

Python是一款流行的计算机编程语言，具有简单、易学、免费、开源、可移植、可扩展、可嵌入以及面向对象等特点，拥有强大的库，简洁的几行代码即可实现强大的功能，应用范围广泛，可广泛应用于以下领域：
1. Web开发
最火的Python
web框架Django，支持异步高并发的Tornado框架，短小精悍的flask，bottle，Django官方的标语把Django定义为the
framework for perfectionist with deadlines(大意是一个为完全主义者开发的高效率web框架)
2. 网络编程
支持高并发的Twisted网络框架，py3引入的asyncio使异步编程变的非常简单
3. 爬虫开发
爬虫领域，Python几乎是霸主地位，Scrapy/Request/BeautifuSoap/urllib等，想爬啥就爬啥
4. 云计算开发
目前最火最知名的云计算框架就是OpenStack，Python现在的火，很大一部分就是因为云计算市场近几年的爆发
5. 人工智能
MASA和Google早期大量使用Python，为什么Python积累了丰富的科学运算库，当AI时代来临后，Python从众多编程语言中脱颖而出，各种人工智能算法都基于Python编写，由其PyTorch之后，Python作为AI时代头牌语言的位置基本确立!
6. 自动化运维
问问中国的每个运维人员，运维人员必须会的语言是什么?10个人详细会给你一个相同的答案，它的名字叫Python
7. 金融分析
金融公司使用的很多分析程序、高频交易软件就是用的Python，目前，Python是金融分析、量化交易领域里用的最多的语言
8. 科学运算
97年开始，NASA就在大量使用Python在进行各种复杂的科学运算，随着NumPy，SciPy，Matplotlib，Enthought
librarys等众多程序库的开发，使得Python越来越适合做科学计算、绘制高质量的2D和3D图像。和科学计算领域最流行的商业软件Matlab相比，Python是一门通用的程序设计语言，比Matlab所采用的脚本语言的应用范围更广泛
9. 游戏开发
在网络游戏开发中Python也有很多应用。相比Lua or
C++，Python比Lua有更高阶的抽象能力，可以用更少的代码描述游戏业务逻辑，与Lua相比，Python更适合作为一种Host语言，即程序的入口点是在Python那一端会比较好，然后用C/C++在非常必要的时候写一些扩展。Python非常适合编写1万行以上的项目，而且能够很好的把网游项目的规模控制在10万行代码以内。
10. 桌面软件
虽然大家很少使用桌面软件了，但是Python在图形界面开发上也很强大，你可以用tkinter/PyQT框架开发各种桌面软件!