LSB图像信息隐藏（实现及分析）

最新推荐文章于 2024-08-08 08:46:20 发布

Lotswn

最新推荐文章于 2024-08-08 08:46:20 发布

阅读量7.4k

点赞数 7

分类专栏：信息隐藏文章标签： opencv python 信息安全

本文链接：https://blog.csdn.net/RedArvin/article/details/120253572

版权

信息隐藏专栏收录该内容

2 篇文章 0 订阅

订阅专栏

一.LSB图像信息隐藏(python实现)

1.实验目的

将信息图片存入载体图片，并从载体图片中提取出信息图片。具体操作为将信息图片的信息写入载体图片的最低位层（载体图片至少应为信息图片8倍）。

2.实验原理

（1）图像

灰度图：使用一个0（全黑）~255（全白）的数字表示一个像素点的灰度等级。
RGB图像：由三个通道组成，每个像素点上由一组数据【B（蓝色） G（绿色） R（红色）】表示，同样的表示单一颜色通道的值取值范围也为0~255。

（2）位深度：以灰度图为例，每一个像素点上有一个8位二进制串表示灰度值，灰度层的位深度就为8。

（3）位层：以灰度图为例，每个像素点的每一位组成一个位层，如每个像素点的最低位组成最低位层，而本实验就是基于改变最低位层不会使图片产生肉眼可见的变化。

3.实验内容

python下可以使用matplotlib、PIL、opencv来进行图像处理，本实验使用opencv进行操作。

首先读取载体图片和信息图片。

import cv2 as cv
import numpy as np
#0 表示读取灰度图
iM = cv.imread('lena.bmp',0) #载体图片
iN = cv.imread('hide.bmp',0) #信息图片，更换为本地路径
#获取图片的宽度和高度
MH=iM.shape[0]
MK=iM.shape[1]
NH=iN.shape[0]
NK=iN.shape[1]

隐藏函数：将信息图片的每一位信息写入载体图片

def putinfo():
    Mx=0
    My=0
#循环遍历信息图片的每一位信息    
    for i in range(0,NH):
        for j in range(0,NK):       #信息图片像素点移动
            for t in range(0,8):
                tk=iN[i][j]%2;	
                iN[i][j]=np.floor(iN[i][j]/2)
                iM[Mx][My]= (iM[Mx][My]&254) + (tk) #将信息填入载体图片（Mx，My）这一像素点的最后一位
                My=My+1              #载体图片像素点移动
                if My==MK :
                    My=0
                    Mx=Mx+1
    cv.imwrite('lena_put.bmp', iM)  #保存写有信息的图片

提取函数：从写有隐藏信息的载题图片中提取出信息图片

def getinfo():
    Mx=0
    My=0
    for i in range(0,NH):
        for j in range(0,NK):   #信息图片像素点移动
            tk=0
            for t in range(0,8):    #提取当前像素点的8个位信息
                tk=tk+((iM[Mx][My]%2)<<t)
                My=My+1         #载体图片像素点移动
                if My==MK :     
                    My=0
                    Mx=Mx+1
            iN[i][j]=tk
    cv.imwrite('info_get.bmp', iN)  #保存提取出来的信息图片

4.实验结果

图片肉眼下无差别，大小未改变

在这里插入图片描述

二.分析LSB隐写

1.卡方分析

（1）在LSB隐写中，只存在最低位上1->0(-1)，0->1(+1)两种翻转，即对于一个像素点2i要么变成2i+1要么不变，对于一个像素点2i+1要么变成2i要么不变。

$2 i < = = > 2 i + 1$

（2）令 $h_{k}$ 表示图像中像素值为k的点的数量，根据（1）可推导得

$h_{2i*}=\frac{h_{2i}+h_{2i+1}}{2}$

在隐写前后值不改变，但二者之间的具体数量会发生改变，怎么变取决于写入的秘密信息，卡方分析认为秘密信息中每个点像素点为2i或者2i+1的概率都是0.5。（这个分布完全取决于写入的秘密信息，在实际中和这个概率出入较大）

下图"lena_put"是加入秘密信息后的载体图片，"lena"是原始载体图片，明显看出2i+1比例激增。

在这里插入图片描述

（3）卡方分析中有如下两个公式，P即载体图像含有秘密信息的可能性
$r=\Sigma_{i=1}^k\frac{(h_{2i}-h_{2i*})^2}{h_{2i*}}$

$P=1-\frac{1}{2^{\frac{k-1}{2}}\Gamma(\frac{k-1}{2})}\int_0^rexp(-\frac{t}{2})t^(\frac{k-1}{2}-1)dt$

（4）代码实现

直方图实现（python）

#回值像素点个数关于像素值的直方图
def myplot(pImg,tname):
    H = pImg.shape[0]
    K = pImg.shape[1]
    count={}
    x=[]
    for i in range(100,121):        #设置统计区域
        x.append(i)
        count[i]=0
    for i in range(0,H):           #逐个像素点统计   
        for j in range(0,K):
            if(pImg[i][j] in count):
                    count[pImg[i][j]]=count[pImg[i][j]]+1
    y=list(count.values())
    plt.bar(x = x,height = y,width = 0.5,align="center",yerr=0.000001)
    plt.title(tname)
    plt.show()

iclean = cv.imread('..\img\lena.bmp', 0)  # 载体图片
myplot(iclean,'lena')

卡方分析计算概率（此处matlab代码来源网络，未找到最早出处）

x=imread('lena.bmp');      %读入图片
n=sum(hist(x,[0:255]),2);
h2i=n([2:2:254]);
h2is=(h2i+n([3:2:255]))/2;
filter=(h2is~=0);  
k=sum(filter);       
idx=zeros(1,k);
for i=1:127            
    if filter(i)==1
        idx(sum(filter(1:i)))=i;
    end
end
r=sum(((h2i(idx)-h2is(idx)).^2)./(h2is(idx)));
p=1-chi2cdf(r,k-1);