图片添加水印的实验原理，实验代码，实验现象

一、图片添加水印的实验原理

1. 选择水印类型

可见水印：这些水印可以直接被肉眼看到，通常用于防止未经授权的使用。它们可以是文字、标志或图案等形式，并且放置在图像的显著位置。
不可见水印：这类水印不容易被察觉，但可以通过特定算法检测到。它们主要用于版权保护，即使图像经过编辑或压缩，也能保留水印信息。

2. 确定嵌入方法

空间域嵌入：直接修改像素值来嵌入水印。例如，在图像的某些区域叠加透明度较低的文字或标志。这种方法简单直观，但对图像处理操作较为敏感。
变换域嵌入：将图像转换到另一个数学表示形式（如频率域），然后在该域中嵌入水印。常见的变换包括离散余弦变换（DCT）、离散傅里叶变换（DFT）和小波变换（DWT）。这种方式可以使水印更加鲁棒，不易被去除。

3. 设计水印嵌入策略

强度控制：决定水印嵌入的强度，即水印对图像的影响程度。过强可能导致视觉干扰，而过弱则可能难以检测。
位置选择：选择水印嵌入的位置。对于可见水印，通常选择不会遮挡主要内容的区域；对于不可见水印，则需要考虑如何分布以确保鲁棒性。
冗余性：为了提高不可见水印的检测成功率，可以在多个位置重复嵌入相同或相关的水印信息。

4. 鲁棒性和安全性考量

鲁棒性：确保水印能够在图像经历各种常见处理（如压缩、裁剪、旋转、缩放等）后仍然可检测。这要求采用适当的嵌入技术和策略。
安全性：防止第三方轻易篡改或移除水印。可以使用加密技术或者基于密钥的方法来增强水印的安全性。

5. 提取与验证

可见水印：不需要复杂的提取过程，因为它们是显而易见的。
不可见水印：需要专门的算法来检测和提取隐藏的信息。这通常涉及逆向执行嵌入时使用的变换，并根据预设规则解码水印内容。

6. 评估影响

视觉质量：检查添加水印后的图像是否保持了足够的视觉质量，没有明显的失真或干扰。
功能测试：验证水印是否能够正确地表达其意图，比如版权声明、品牌标识等功能。

二、实验代码

import cv2def insert_logo(background_img, logo_img, position):"""在背景图像中插入一个logo图像。参数:background_img (numpy.ndarray): 背景图像。logo_img (numpy.ndarray): 要插入的logo图像。position (tuple): 插入logo的位置，格式为 (y, x)。返回:numpy.ndarray: 处理后的背景图像。"""# 对logo图进行灰度化和二值化 得到 白底的掩膜logo_gray = cv2.cvtColor(logo_img, cv2.COLOR_BGR2GRAY)_, logo_binary = cv2.threshold(logo_gray, 1, 255, cv2.THRESH_BINARY_INV)# 在原图中选取和logo图同等大小的区域y, x = positionROI = background_img[y:y + logo_img.shape[0], x:x + logo_img.shape[1]]# 将ROI 和 logo的掩膜进行位与运算ROI_logo = cv2.bitwise_and(ROI, ROI, mask=logo_binary)# 将处理后的ROI区域与原始的logo融合img_logo = cv2.add(ROI_logo, logo_img)# 将融合的图像在要添加logo的原图中替换background_img[y:y + logo_img.shape[0], x:x + logo_img.shape[1]] = img_logoreturn background_img# 输入背景图和多个logo图
img = cv2.imread("./bgc.png")
logos = [{"path": "tm1.png", "position": (10, 100)},{"path": "tm2.png", "position": (20, 500)}
]# 遍历所有logo并插入到背景图中
for logo_info in logos:logo = cv2.imread(logo_info["path"])img = insert_logo(img, logo, logo_info["position"])# 显示结果图像
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()