文章目录
- 先说说图像原理
- 一、安装cv2
- 二、加密
- 三、打码
先说说图像原理
哥几个又来学习了【手动狗头】
一张图片,它不仅仅是一张图片,它是由一个一个像素组成的,我们像素越多,图像也会越清晰,这就是我们常说的高清呀,超高清呀就是这样来的,同时横纵坐标的像素大小,也决定着我们图片大小
很明显这里决定着我们图片就是一个正方形
然后,其实我们看到的图,不仅仅是一张图,它是由三张图叠加起来的(可以看作三维数组),也就是我们常说的三原色
R(红)G(绿)B(蓝)几乎可以组成所有颜色
R
文章图片
G
文章图片
B
文章图片
我们也就是在这个上面去做手脚
一、安装cv2
pip install opencv-python
二、加密
import numpy as np
import cv2 as cv#主要思路就是生成一个和图像一样大的三维数组去做异或
t_path=r"C:\Users\twy\PycharmProjects\1\2.jpg"#文件路径
lena=cv.imread(t_path)#读取图像的编码
w,h,c=lena.shape#获取 宽度 高度有几张图像叠加(一般都是三张 RGB)
key=np.random.randint(0,256,size=[w,h,c],dtype=np.uint8)#在 宽度 高度 叠加 这样一个三位数组里面给每一个值生成0~255的随机值
#加密
encode=cv.bitwise_xor(lena,key)#异或处理
cv.imshow("encode1",encode)#显示
cv.imshow("222",cv.bitwise_xor(encode,key))#再做一次异或就还原了
cv.waitKey(2000)
三、打码
t_path=r"C:\Users\twy\PycharmProjects\1\2.jpg"#文件路径
#这个原理也比较简单,就是由某一个像素点的颜色来代替其他周围像素点的颜色
lena=cv.imread(t_path)#读取图片编码
w,h,c=lena.shape#获取 宽度 高度有几张图像叠加(一般都是三张 RGB)
for m in range(0,1000):#我们打码的范围
for n in range(0,1000):
if m%30==0 and n%30==0:#每30个取一个颜色,让周围的颜色都等于这一个像素
for i in range(0,30):
for j in range (0,30):
(b,g,r)=lena[m,n]#m,n是不变的(b,g,r)三层
lena[m+i,n+j]=(b,g,r)#只有i,j在变
cv.imshow("1",lena)
cv.waitKey(200000)
cv.destroyAllWindows()
如果我们改变范围…又会有什么好玩的呢【手动狗头】,我们还可以获取鼠标的位置,然后…欸,手动打码?要不再结合结合小唐的人脸识别???欸,自动给你脸部打码啊哈哈哈,Python太好玩了!
推荐阅读
- Python|机器学习1——手写数字识别
- python|python 车牌识别简单_Python利用百度云接口实现车牌识别
- 人工智能|Python用百度AI识别车牌号教程(超详细)
- 定位|车牌识别(车牌提取+调用百度api+OCR识别)
- 基础|Python实例之调用百度API实现车牌识别
- Qt自绘控件|Qt仿iOS的Switch开关实现
- Python|为什么学完Python后的薪资这么高()
- Phthon|Python datacompy 找出两个DataFrames不同的地方
- 数据可视化|Python绘制疫情地图 超简单!