使用Jupyter给图像任意位置添加“lena”的文字水印
时间: 2023-12-12 09:05:16 浏览: 21
首先,我们需要安装 Pillow 库,可以使用以下命令进行安装:
```
!pip install Pillow
```
然后,我们可以使用以下代码将 "lena" 文字水印添加到图像的任意位置:
```python
from PIL import Image, ImageDraw, ImageFont
# 打开图像文件
image = Image.open("image.jpg")
# 设置水印文字
text = "lena"
font = ImageFont.truetype("arial.ttf", 36)
# 获取绘图对象
draw = ImageDraw.Draw(image)
# 获取图像大小
image_width, image_height = image.size
# 获取水印文字大小
text_width, text_height = draw.textsize(text, font)
# 设置水印位置
x = image_width - text_width - 10
y = image_height - text_height - 10
# 绘制水印
draw.text((x, y), text, font=font)
# 保存图像
image.save("image_with_watermark.jpg")
```
需要注意的是,这里使用了 Arial 字体,如果你的系统中没有安装 Arial 字体,则需要更改字体文件路径或者使用其他字体。
相关问题
matlab实现图像添加文本水印
MATLAB可以利用图像处理工具箱中的函数实现图像添加文本水印。下面是一个简单的示例代码。
首先,我们需要读入一张图像和要添加的文本水印。
```matlab
% 读入图像和文本水印
image = imread('lena.png');
text = 'My Watermark';
```
接下来,我们需要计算文本水印的位置,并将其添加到原始图像中。
```matlab
% 计算文本水印位置
position = [10, 10];
% 添加文本水印到图像
watermarked_image = insertText(image, position, text, 'FontSize', 18, 'BoxOpacity', 0);
```
最后,我们可以将添加了水印的图像保存到文件中。
```matlab
% 保存添加水印后的图像
imwrite(watermarked_image, 'lena_watermarked.png');
```
完整代码如下:
```matlab
% 读入图像和文本水印
image = imread('lena.png');
text = 'My Watermark';
% 计算文本水印位置
position = [10, 10];
% 添加文本水印到图像
watermarked_image = insertText(image, position, text, 'FontSize', 18, 'BoxOpacity', 0);
% 保存添加水印后的图像
imwrite(watermarked_image, 'lena_watermarked.png');
```
运行完上述代码后,您将得到一张添加了文本水印的图像。
matlab给图像添加混合噪声
以下是在MATLAB中添加混合噪声的示例代码:
```matlab
% 读取图像
img = imread('lena.png');
% 添加高斯噪声
img_noise1 = imnoise(img, 'gaussian', 0, 0.01);
% 添加椒盐噪声
img_noise2 = imnoise(img, 'salt & pepper', 0.1);
% 混合噪声图像
img_noise_mix = imadd(img_noise1, img_noise2);
% 显示原始图像和添加噪声后的图像
figure;
subplot(2,2,1); imshow(img); title('Original Image');
subplot(2,2,2); imshow(img_noise1); title('Gaussian Noise');
subplot(2,2,3); imshow(img_noise2); title('Salt & Pepper Noise');
subplot(2,2,4); imshow(img_noise_mix); title('Mixed Noise');
```
在此示例中,我们首先读取了一张图像。然后,我们使用`imnoise`函数添加高斯噪声和椒盐噪声。最后,我们使用`imadd`函数将两个噪声图像混合在一起,产生一个新的混合噪声图像。最终,我们使用`subplot`和`imshow`函数显示原始图像和添加噪声后的图像。