【图像隐写】LSB算法图像隐写提取【含Matlab源码 366期】

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

更多Matlab仿真内容点击👇
Matlab图像处理（进阶版）
路径规划（Matlab）
神经网络预测与分类（Matlab）
优化求解（Matlab）
语音处理（Matlab）
信号处理（Matlab）
车间调度（Matlab）

⛄一、简介

数字水印将标识信息直接嵌入数字载体，而不影响原载体的使用价值，使用者不易察觉但可以被生产方识别和辨认，可以保护信息安全，实现防伪溯源，也是信息隐藏技术的研究领域之一。LSB（least significant bits）是最为简单的数字水印制造方法，可以保证水印不被使用人所见，但可以被制造者辨认。
1 LSB算法简介
LSB全称为 Least Significant Bit（最低有效位），是一种简单而有效的数据隐藏技术。LSB隐写的基本方法是用欲嵌入的秘密信息取代载体图像的最低比特位，原来的图像的高位平面与代表秘密信息的最低平面组成含隐蔽信息的新图像。

灰度化的图像为单通道格式存储像素，每个像素值在0～255内，而像素的位平面则是对应二进制的像素的各个位。以上图为例，某个像素的值为78，其二进制01001110，从左到右位权依次降低，最左边为最高有效位（MSB，其位权为 2 7 2^72
7
），最右边位最低有效位（LSB，位权为2 0 2^02
0
）。把每个像素的相同位抽取出来组成一个新的平面，就是所谓的图的位平面。而LSB隐写算法，如其名字，是在LSB也就是最低位平面进行信息嵌入/隐藏。

需要注意的一点是，LSB嵌入的时候，载体图像格式应该为灰度图格式

以著名的Lena图为例，一下是灰度图Lena原图：

下面是其各个位平面图，从左到右、从上到下位平面依次降低：

可以看到，位平面越高包含的原图像信息越多，对图像的灰度值贡献越大，并且相邻比特的相关性也越强，反之则相反。LSB最低位平面基本上不包含图像信息了，类似随机的噪点/噪声，因此，可以在此处填入水印/秘密信息。

嵌入示意图如下：

选取不同位平面嵌入时，LSB算法的保真度：
2 算法原理
通俗来讲我们看到的图片都是由一个个小的像素点来构成的，所有像素点摆在一起，构成一个大方块，这个大方块就是我们所见的图像。灰度图像（也就是我们平时所说的黑白图像）是由一层像素点组成的，而彩色图像是由三层这样的灰度图像组成的。这里拿灰度图像举例，我们之所以能在图像上看到黑色和白色，是因为每个像素点的像素值不同。0表示纯黑，255表示纯白，灰色就是由这两个数字之间的值构成。越靠近0越黑，越靠近255越白。那为什么是0和255呢？因为计算机是二进制，它会用8个比特来表示一个像素点（也可以用更多的比特，这样图像的颜色分级就越多，同时图像也会占用更大的空间，但是普通人的眼睛并不能辨认这么多的颜色，除非你异于常人），所以最大值是255，最小是0。lsb就是基于2进制这一特点来隐藏信息的，因为人眼并不是很精密的颜色或亮度的感知器，所以把像素灰度上下微调1是不会被人眼察觉的，也就是修改8位二进制码中最小的一位。当我们把图片每个像素的最后一位按照我们的想法改变，使他表现为我们想要的信息，但用户却不能看出，也不会影响图片的内容。这就是lsb数字水印。
3 LSB算法的基本特点：
LSB是一种大容量的数据隐藏算法
LSB的鲁棒性相对较差（当stego图像遇到信号处理，比如：加噪声，有损压缩等，在提取嵌入信息时会丢失）
4 常见LSB算法的嵌入方法：
秘密信息在最低位平面连续嵌入至结束，余下部分不作任何处理（典型软件MandelSteg）
秘密信息在最低位平面连续嵌入至结束，余下部分随机化处理（也称沙化处理，典型软件PGMStealth）
秘密信息在最低位平面和次低位平面连续嵌入，并且是同时嵌入最低位平面和次低位平面
秘密信息在最低位平面嵌入，等最低位平面嵌入完全嵌入之后，再嵌入次低位平面
秘密信息在最低位平面随机嵌入
以上五种方式，当嵌入容量不同时，鲁棒性不同

⛄二、部分源代码

clc %清屏
clear %清空变量
close all %关闭已打开图像

% 读入载体图像 并显示
cover_object=imread(‘1.jpg’);
if ndims(cover_object)==3 %如果是rbg图像，则转化为灰度图像
cover_object=rgb2gray(cover_object);
end

[Mc,Nc]=size(cover_object);

figure;imshow(cover_object); %显示
title(‘载体图像’);

% 读入水印图像 并显示
message=imread(‘2.jpg’);
if ndims(message)==3 %如果是rbg图像，则转化为灰度图像
message=rgb2gray(message);
end
[Mm,Nm]=size(message);
message=double(message);
message=round(message./256); %转化为bit信息流，以便隐写
message=uint8(message);
figure;imshow(256*message); %显示
title(‘待隐藏信息’);

%调用yinxie函数实现信息隐写
watermarked_image = yinxie(cover_object,message);
figure;imshow(watermarked_image,[])
title(‘已嵌入隐写信息的图像’) %显示

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]邓加钰.基于LSB的空域彩色图像隐写技术的研究[D].西华大学

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合