数字水印 | Python 基于离散小波变换 DWT 的图像水印嵌入（下）

🍍原文： 基于 dwt (离散小波变换) 实现彩色图像水印嵌入部分_2.0

🍍写在前面： 本文在原文的基础上进行了代码补全。

正文

修改了尺寸变换导致的图像失真问题，同时简化了部分代码。

效果确实很好😉

1 通道调序的简化

将之前的两句代码简化为了一句代码：

Img_path = 'white_bear.jpg'
Img = cv2.imread(Img_path)
Img = Img[:, :, [2, 1, 0]]  # 调整通道顺序

这里的 $\mathsf{Img}$ 是一个三维数组，其中每个维度分别代表：

• 第一个维度是图像的高度（或行数）
• 第二个维度是图像的宽度（或列数）
• 第三个维度是图像的通道数

由于 $cv2$ 读取图像通道的顺序是 $\mathsf{B},\mathsf{G},\mathsf{R}$，因此上述代码将其更改为 $\mathsf{R},\mathsf{G},\mathsf{B}$ 顺序。

2 多级小波变换

# 水印图像一级小波变换
coeffs1 = pywt.wavedec2(waterImg_new, 'db2', level=1)
[ca, (ch1, cv1, cd1)] = coeffs1

# 原始图像B通道三级小波变换
coeffs2 = pywt.wavedec2(b, 'db2', level=3)
[cA, (cH3, cV3, cD3), (cH2, cV2, cD2), (cH1, cV1, cD1)] = coeffs2

• 'db2'：是选定的小波类型。这里是 $\mathsf{Daubechies}$ 长度为 2 的整数系小波。
• level=3：是小波分解的级别。级别决定了分解的深度，也就是小波变换的层数。

3 图像尺寸裁剪

由嵌入公式可以看出，$\mathsf{cA}$ 等的形状要和 $\mathsf{ca}$ 等的形状相同，否则无法相加：

cA = cA + ca * a1
cH3 = cH3 + ch1 * a2
cV3 = cV3 + cv1 * a3
cD3 = cD3 + cd1 * a4

而每做一次小波变换，图像的尺寸都会减小到原本的 $1/2$：