机器视觉应用-水印-CSDN博客

本文链接：https://blog.csdn.net/chengbin20101/article/details/140638992

水印的作用

水印技术广泛应用于图像、音频、视频和文档等多媒体内容中，其主要作用包括以下几个方面：

版权保护
数字版权管理 (DRM)：通过嵌入不可见的水印，可以有效防止非法复制和传播。当发生侵权行为时，水印可以作为所有权的证明。
原创性证明：水印可以用来证明内容的原创性，帮助内容创作者维护自己的合法权益。
认证和完整性验证
认证：通过嵌入特定的水印信息，可以验证内容是否来自可信的来源，确保内容的真实性。
完整性验证：水印可以用来检测内容是否被篡改。如果水印信息被破坏，说明内容可能已经被修改。
追踪和监控
追踪盗版：通过在不同版本的内容中嵌入唯一的水印信息，可以追踪盗版内容的来源和传播路径。
监控内容分发：在内容分发过程中，可以在不同的分发渠道中嵌入不同的水印信息，以监控内容的分发情况。
品牌推广
品牌标识：在图像或视频中嵌入品牌标识或标语，可以增加品牌的曝光率和识别度，起到推广和宣传的作用。
增强用户体验：通过嵌入动态或静态的水印内容，可以为用户提供更多的信息或增强视觉效果。
秘密通信
隐写术：水印技术可以用于隐写术，将秘密信息嵌入到图像或音频中进行传输，只有特定的接收者才能提取这些信息。
防伪
防伪标记：在证件、票据、证书等重要文件中嵌入防伪水印，可以有效防止伪造和篡改，保障文件的真实性和合法性。
示例应用
图像版权保护：摄影师在发布图片时，可以在图像的频域中嵌入不可见的数字水印，这样即使图像被非法下载和使用，摄影师仍然可以通过提取水印证明其版权。
视频认证：视频流媒体平台可以在视频中嵌入动态水印，以确保视频内容的来源可信，并防止视频被非法截取和传播。
音频防伪：音乐制作公司可以在音频文件中嵌入水印，以防止音乐被非法复制和分发。

在图像处理和数字水印技术中，水印可以嵌入在频域或空域中。两者各有优缺点，适用于不同的应用场景。下面详细说明频域和空域中增加水印的区别：

频域水印
优点
鲁棒性：

频域水印通常更抗各种图像处理操作（如压缩、滤波、旋转、裁剪等），因此更适合于需要高鲁棒性的应用。
由于频域水印嵌入在频谱的中高频分量中，这些分量在许多常见的图像处理操作中变化较小。
不可见性：

频域水印一般嵌入在中高频分量中，人眼对这些分量的变化不敏感，因此水印在视觉上更难被察觉。
缺点
复杂度：

频域水印需要进行傅里叶变换或离散余弦变换等复杂的数学运算，计算量较大，嵌入和提取过程较为复杂。
存储和计算要求：

由于需要对图像进行频域变换，频域水印在计算和存储方面的要求更高。
空域水印
优点
简单性：

空域水印直接对图像的像素值进行操作，算法简单，易于实现，计算速度快。
不需要进行复杂的变换，可以直接在图像的像素级别上操作。
快速处理：

由于不需要频域变换，空域水印在处理速度上更快，适合于实时应用或处理大批量图像的场景。
缺点
鲁棒性较差：

空域水印对图像的处理操作（如压缩、滤波、旋转、裁剪等）较为敏感，水印容易被破坏。
例如，JPEG压缩会显著影响空域水印的完整性。
可见性较高：

空域水印直接修改像素值，可能会对图像的视觉质量产生影响，特别是在高频率细节区域。
总结
频域水印
适用场景：需要高鲁棒性和不可见性的应用，如版权保护、认证和追踪等。
特点：鲁棒性强，不可见性好，但实现复杂度较高，计算量大。
空域水印
适用场景：对处理速度要求较高，且不需要高鲁棒性的应用，如简单的版权声明、品牌标识等。
特点：实现简单，处理速度快，但鲁棒性和不可见性较差。
示例代码对比
下面是频域和空域水印的示例代码，分别展示两者的实现方式。

频域水印示例

import cv2
import numpy as np

def add_frequency_watermark(image_path, watermark_text):
    # 加载图像并转换为灰度图
    img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
    rows, cols = img.shape

    # 进行离散傅里叶变换（DFT）
    dft = cv2.dft(np.float32(img), flags=cv2.DFT_COMPLEX_OUTPUT)
    dft_shift = np.fft.fftshift(dft)

    # 创建水印图像
    watermark = np.zeros((rows, cols), dtype=np.float32)
    font = cv2.FONT_HERSHEY_SIMPLEX
    cv2.putText(watermark, watermark_text, (cols // 4, rows // 2), font, 1, (255,), 2, cv2.LINE_AA)

    # 水印转换为频域
    dft_watermark = cv2.dft(np.float32(watermark), flags=cv2.DFT_COMPLEX_OUTPUT)
    dft_watermark_shift = np.fft.fftshift(dft_watermark)

    # 将水印添加到原始图像的频域
    combined_dft_shift = dft_shift + dft_watermark_shift

    # 进行逆傅里叶变换（IDFT）
    combined_dft = np.fft.ifftshift(combined_dft_shift)
    img_back = cv2.idft(combined_dft)
    img_back = cv2.magnitude(img_back[:, :, 0], img_back[:, :, 1])

    # 归一化结果并保存或显示带有水印的图像
    img_back = np.uint8(cv2.normalize(img_back, None, 0, 255, cv2.NORM_MINMAX))
    cv2.imwrite('frequency_watermarked_image.png', img_back)
    cv2.imshow('Frequency Watermarked Image', img_back)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

# 使用示例
add_frequency_watermark('input_image.png', 'Watermark')

空域水印示例

import cv2
import numpy as np

def add_spatial_watermark(image_path, watermark_text):
    # 加载图像并转换为灰度图
    img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
    rows, cols = img.shape

    # 在图像的右下角添加水印
    font = cv2.FONT_HERSHEY_SIMPLEX
    cv2.putText(img, watermark_text, (cols - 100, rows - 10), font, 1, (255,), 2, cv2.LINE_AA)

    # 保存或显示带有水印的图像
    cv2.imwrite('spatial_watermarked_image.png', img)
    cv2.imshow('Spatial Watermarked Image', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

# 使用示例
add_spatial_watermark('input_image.png', 'Watermark')

为了提取嵌入在图像频域中的水印，我们需要对包含水印的图像进行与嵌入水印相似的步骤，但这次我们关注的是分离水印部分。以下是提取水印的详细步骤和完整的代码示例：

步骤
1 加载带有水印的图像并转换为灰度图。
2 进行离散傅里叶变换（DFT）。
3 提取频域中的水印。
4 进行逆傅里叶变换（IDFT）。
5 保存或显示提取的水印图像。

import cv2
import numpy as np

def extract_watermark(image_path):
    # 1. 加载带有水印的图像并转换为灰度图
    img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
    rows, cols = img.shape

    # 2. 进行离散傅里叶变换（DFT）
    dft = cv2.dft(np.float32(img), flags=cv2.DFT_COMPLEX_OUTPUT)
    dft_shift = np.fft.fftshift(dft)

    # 3. 提取频域中的水印
    # 创建一个掩膜，只选择中心区域的频率分量
    mask = np.zeros((rows, cols, 2), np.uint8)
    center_row, center_col = rows // 2, cols // 2
    mask[center_row-30:center_row+30, center_col-30:center_col+30] = 1

    # 应用掩膜来提取水印
    fshift = dft_shift * mask

    # 4. 进行逆傅里叶变换（IDFT）
    f_ishift = np.fft.ifftshift(fshift)
    img_back = cv2.idft(f_ishift)
    img_back = cv2.magnitude(img_back[:, :, 0], img_back[:, :, 1])

    # 5. 归一化结果并保存或显示提取的水印图像
    img_back = np.uint8(cv2.normalize(img_back, None, 0, 255, cv2.NORM_MINMAX))

    cv2.imwrite('extracted_watermark.png', img_back)
    cv2.imshow('Extracted Watermark', img_back)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

# 示例使用
extract_watermark('watermarked_image.png')