一个偶然的需求，要给图片批量添加水印。一开始想到用ps做，但是无奈后面图片实在有点多了，就萌生了用python处理的想法。

在百度上找了很多的相关文章，大部分都不太行，有的要么是不能正常运行，有的是处理后效果不好。

在这个过程中，我也尝试了各种方法，填了很多坑，在这里就给大家说一说，我尝试过的方法，避免大家再次踩坑。

首先想的是用OpenCV-Python

使用opencv是因为觉得它足够强大，很多图像处理这块都是用的它，想着用opencv添加个水印，总不是什么难事儿吧！没想到却翻车了！

首先安装opencv-python：

pip install opencv-python

安装完成后，在.py脚本中导入：

import cv2

导入程序包，接下来就是读入图片和logo水印：

image = cv2.imread(img_path, cv2.IMREAD_UNCHANGED)
logo = cv2.imread(img_path, cv2.IMREAD_UNCHANGED)

cv2.imread(filepath,flags)这个函数，是用来读取图片的：

• filepath：这个参数是指定图片的文件路径
• flags：这个参数确定图片的参数
• cv2.IMREAD_COLOR：默认参数，读入一副彩色图片，忽略alpha通道，也就是如果是一张png图片的话，读入之后，png的透明部分会变成黑色，成为一张RGB图。
• cv2.IMREAD_GRAYSCALE：读入灰度图片
• cv2.IMREAD_UNCHANGED：顾名思义，读入完整图片，包括alpha通道。用这个参数，如果原图是png格式的透明图片的话，就会完整读入了，这时候是RGBA图，如果是jpg图片，那么读取后就是一张RGB图。

但是要注意这几个参数，读取图片后的这个返回对象有所不同，对于IMREAD_COLOR读取的对象，是一个三维的矩阵，IMREAD_GRAYSCALE读取的对象是一个二维矩阵，IMREAD_UNCHANGED读取PNG图返回的是个RGBA的四维矩阵，读取JPG图时是一个三维矩阵，读取灰度图时是一个二维矩阵。

一般要处理的图片都是JPG或者PNG格式的，也不确定是否是RGBA图像，因此采用IMREAD_UNCHANGED方式读入最合适，但是要额外处理下特殊情况。

image.shape保存了图像的高度，宽度，和维度：

(h, w, d) = image.shape

然后根据维度来处理，统一处理成四维图像：

if d == 3:
        # 构建一个和输入图像完全一致的叠加层，
        # 此Alpha通道具有与原始图像相同的空间尺寸，
        # 并且Alpha通道中的所有值均设置为255，指示像素完全不透明。
        image = np.dstack([image, np.ones((h, w), dtype="uint8") * 255])

接下来就是要处理logo水印了，要知道，这里将采用图像叠加的方案，把水印放在原图像上，因此首先要创建一个与原图像大小一致的叠加层，你可以理解为蒙版。

# 构建水印图片的叠加层（使得其具有与输入图像完全相同的宽度和高度），透明度全部设为0，即完全透明
overlay = np.zeros((h, w, 4), dtype="uint8")

然后通过计算位置，得出你要把logo放置在图像的哪个位置上，然后将logo图像的数据覆盖到overlay上面对应位置。

获取logo的宽和高：

(lh, lw, ld) = logo.shape

这里就将logo放在右上角距离顶部30px右侧边界52px的位置吧！

overlay[30:lh + 30, w - lw - 52:w - 52] = logo

最后一步，就是将这层放置了logo的“蒙版”叠加到原始图像上了。

这里使用了cv2.addWeighted(src1, alpha, src2, beta, gamma, dst=None)这个函数，这个函数是用来将两个图像按照权重叠加的，权重的高低，也就决定着图像的透明度，从0-1.0的范围取数，1.0就意味着权重最高，不透明。不过注意这个透明度是在原图的基础上，再去施加透明度，而不是改变原有图像的透明度的。

# 应用cv2.addWeighted构造水印的图像
cv2.addWeighted(src1=overlay, alpha=0.8, src2=image, beta=1.0, gamma=0, dst=image)

然后将图片保存，写入硬盘某个文件路径。

# 把加了水印的图片写入磁盘
cv2.imwrite(dst_img_path, image)

写到这里兴奋地不行，因为马上就能看到效果了。我找了一张大家都爱看的图片做测试：

这是原图效果。为了方便，我拿我自己的logo来进行测试吧！

？？？你问我为啥看不清字？因为这个logo字体是白色的，头条这个文章背景也是白色的，所以看不清了。我把字体改成黑色的，方便大家先看一眼测试前的logo的样子。

然后进入激动人心的结果展示了！

为了方便大家查看效果，我还是觉得放在右下角比较合适：

可以看到，放在右下角的时候，logo红色轮廓和背景地面部分的颜色叠加了，导致红色轮廓变淡了，不清晰了。

效果不是很理想，在一些颜色对比差异比较大的logo和背景图时，这个效果直接变得非常差，甚至logo本身的颜色都会直接改变了。

我尝试了各种方法调整，都无济于事。这次算是翻车了。

又尝试找了解决方案，其中有个人的思路引起了我的注意，他提到，通过掩膜法处理这个问题的效果会比较好。但是由于我也不是做opencv方向的，不是特别懂，等后面有时间我再学习尝试一下。

使用PIL处理图像添加水印效果很好

上面的方案算是失败了。在处理图像方面，除了PS这种专业性软件之外，一些简单和稍微复杂点的图像变换操作，我一直都是使用ImageMagick和GraphicsMagick这两个软件，比如一些常见的图片放大缩小，格式转换，添加文字等等。

然后我本想着GraphicsMagick有没有python对应的处理库PythonMagick和pgmagick，但是要在系统上额外安装各种库，而且本身GraphicsMagick也是需要安装的。

然后我就发现了PIL这个图像处理库，与GraphicsMagick很相似，不过更方便，不需要额外安装什么工具，这一个类库就够了。而且已经是Python平台事实上的图像处理标准库了。

首先导入这个类库：

from PIL import Image

接下来打开图片和logo，获取对应宽和高：

# 背景图像
img = Image.open(src_img)
# logo图像（需要保证像素大小要比src_img要小）
logo = Image.open(logo_img)
# 获取背景图宽和高
(W, H) = img.size
(w, h) = logo.size

如果要对logo的大小进行调整的话，建议使用thumbnail这个函数，它是等比例放大和缩小，resize函数虽然也是放大缩小，但是如果没有设置好比例，会存在拉伸的情况。

scale = 0.3
logo.thumbnail(size=map(math.floor, (w * scale, h * scale)), resample=Image.ANTIALIAS)

注意后面resample=Image.ANTIALIAS这个参数，它是指定了放大缩小按照最高质量进行，不至于处理后图片变模糊。

然后同样的，根据原图创建一个相同大小的“蒙版”层，透明度为0：

layer = Image.new('RGBA', img.size, (255, 255, 255, 0))

然后利用Image.paste(im, box=None, mask=None)这个函数把logo粘贴到这个蒙版层上。

top = H - h - 30
right = 52
layer.paste(logo_img, (W - w - right, top))

然后将logo、透明蒙版、背景进行合成，也就是三个图层叠加在一起。

这里使用Image.composite(image1, image2, mask)这个函数：

• image1：要合成的第一张图
• image2：要合成的背景图
• mask：使用mask图像作为透明度，将image1合成到image2上

result = Image.composite(layer, src_img, layer)

得到的这个图，就是带了logo的和背景图一样大小的一个图层了。

后来我发现，Image.composite函数实际上还是调用的Image.paste函数，好像不用这么麻烦的创建蒙版层。

不需要layer，直接这样就好：

pos = (W - w - right, top)
src_img.paste(logo_img, pos, logo_img)

但是这种情况仅限于logo_img是透明图像的时候，如果是非透明的是不可以的。所以前面使用layer的方式最稳妥。

好了，最后一步，保存图像：

result.save(dst_img, dst_format, quality=100)

quality参数指定保存的质量是最高，最清晰的。1-100的数字，越低越模糊。

最终处理结果看图：

可以看到，logo非常清晰，也没有因为背景的颜色而混合。这种方式反而更简单、方便，而且效果更好一些，opencv还是更适合一些深入的处理吧。

总结

PIL是一个非常强大的图像处理库，现在已经是python的标准图像处理库了，不依赖额外外部的库和工具。对一些图片效果处理、合成、放大缩小、转换格式、添加水印这些操作简直如鱼得水，和GraphicsMagick有的一拼。

有时候工具过于强大，反而不是什么好事儿，因为会增加使用的复杂性和学习成本。简单点的工具，用起来可能会更得心应手！

我是大师兄，一枚计算机专业研究僧，如果你有什么疑问，或者有什么观点，都可以在评论区发表看法，或者私信我。大家一起共同探讨。

如果你也和我一样，热衷于技术，热衷于科技、互联网，不妨点个关注吧，我会持续分享干货知识、经验和观点总结。