LSB最低有效位数字水印嵌入算法 含源码

最新推荐文章于 2024-03-15 13:57:32 发布
最新推荐文章于 2024-03-15 13:57:32 发布
阅读量828 收藏 4
点赞数 2
文章标签： 算法 笔记 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/misszzs2002/article/details/133069339
版权

LSB最低有效位数字水印嵌入算法 

本篇博客主要介绍了基于OpenCV的信息隐藏技术，通过在载体图像中嵌入文字信息，生成水印图像，并提供解密方法还原隐藏的信息。

算法介绍：

LSB隐写（最低有效位的隐写），是指通过改变图片中像素的最低位来实现信息的隐藏的。这种隐写方式需要图片是无压缩的位图，因此一般用于bmp和png图片。

加密过程与解密过程：

思路

  1. 创建一个单通道的灰度图像作为载体图像。
  2. 初始化参数，包括字体、缩放比例和文字位置等。
  3. 在载体图像上使用指定的字体和参数写入黑色文字。
  4. 创建水印图像并调整大小为与载体图像相同的尺寸。
  5. 遍历载体图像和水印图像的每个像素点，根据最后一位的奇偶性改变载体图像的像素值，从而嵌入水印信息。
  6. 保存生成的水印图像。
  7. 提供解密方法，遍历水印图像的每个像素点，根据像素值的奇偶性还原隐藏的信息。
  8. 保存解密后的图像。

函数设计

  1. convert_last_bit：将载体图像像素值根据水印图像的像素值的奇偶性进行调整，用于信息嵌入。

        #如果是用==0 或者 ==255 判断会导致字符边缘虚化
        #根据10进制数值是单数 2进制最后一位是1 否则是0
        #通过+1 -1 对数值进行更改 实现信息隐写

    参数：

    • a: 载体图像的像素值
    • b: 水印图像的像素值
    • 返回值：调整后的像素值 
      def convert_last_bit(a, b):
	
	if b <100 and a % 2 == 1:
		a = a - 1
	if b >200 and a % 2 == 0:
		a = a + 1
	return a

  2. create_image_with_text：创建带有指定文字的灰度图像。
    这个函数用于创建一个灰度图像，并在图像上嵌入指定的文字。函数首先创建一个尺寸为(400, 400)的灰度图像，像素值初始化为255（白色）。然后，根据函数参数设定了字体类型、缩放比例和线条粗细度。接下来，通过调用cv2.getTextSize()函数获取指定文字的尺寸大小。然后，根据图像和文字尺寸的计算，确定文字在图像上的起始位置坐标。最后，使用cv2.putText()函数将黑色文字嵌入到图像中，生成带有文字的灰度图像，并保存为文件2.png。最后，返回生成的灰度图像。

    参数：

    • text: 要嵌入的文字信息 返回值：生成的灰度图像 
      import cv2
import numpy as np

def create_image_with_text(text):
    # 创建一个尺寸为(400, 400)、像素值为255（白色）的灰度图像
    image = np.full((400, 400), 255, dtype=np.uint8)
    
    # 初始化参数
    font_face = cv2.FONT_HERSHEY_SIMPLEX  # 使用字体类型：OpenCV内置字体cv2.FONT_HERSHEY_SIMPLEX
    font_scale = 1.5  # 字体缩放比例
    thickness = 4  # 文字线条的粗细度
    
    # 获取文字的尺寸大小
    text_size, _ = cv2.getTextSize(text, font_face, font_scale, thickness)
    
    # 计算文字在图像上的起始位置坐标
    origin_x = (image.shape[1] - text_size[0]) // 3
    origin_y = (image.shape[0] + text_size[1]) // 2
    
    # 在图像上写入黑色文字
    cv2.putText(image, text, (origin_x, origin_y), font_face, font_scale, 0, thickness)
    
    # 将生成的图像保存为文件
    cv2.imwrite("2.png", image)
    
    # 返回生成的灰度图像
    return image

  3. generate：生成带有水印的图像。
    这个函数用于生成带有水印的图像。函数首先创建一个大小与载体图像相同的全零图像zero_img，用于存储生成的水印图像。然后，调用create_image_with_text函数生成水印图像watermark_img。接下来，根据载体图像和水印图像的尺寸差异，调整水印图像的大小，使其与zero_img图像大小相同。然后，使用双线性插值法将水印图像进行调整。接着，通过遍历载体图像的每个像素点，获取当前像素点的载体图像和水印图像的像素值。最后，将载体图像的最后一位比特位替换为水印图像的像素值，并将结果存入zero_img图像中。最后，将生成的水印图像保存为文件watermarked_img.png，并打印提示信息。
    参数：

    • carry_img: 载体图像，灰度图像
    • msg: 要嵌入的文字信息 功能：根据载体图像和文字信息生成水印图像，并将水印信息嵌入载体图像中 
      def generate(carry_img, msg):
    # 创建一个全零图像，尺寸与载体图像相同，用于存储生成的水印图像
    zero_img = np.zeros((carry_img.shape[0], carry_img.shape[1]), dtype=np.uint8)
    
    # 调用create_image_with_text函数生成水印图像
    watermark_img = create_image_with_text(msg)
    
    # 调整水印图像大小，使其与zero_img图像大小相同
    resize_scale_x = int(carry_img.shape[0] / watermark_img.shape[0])
    resize_scale_y = int(carry_img.shape[1] / watermark_img.shape[1])
    resized_watermark_img = cv2.resize(watermark_img, (0, 0), fx=resize_scale_x, fy=resize_scale_y)
    
    # 遍历载体图像的每个像素点
    for i in range(carry_img.shape[0]):
        for j in range(carry_img.shape[1]):
            # 获取当前像素点的载体图像和水印图像的像素值
            carry_pixel = carry_img[i, j]
            watermark_pixel = resized_watermark_img[i, j]
            
            # 将载体图像的最后一位比特位替换为水印图像的像素值，并将结果存入zero_img图像中
            zero_img[i][j] = convert_last_bit(carry_pixel, watermark_pixel)
    
    # 将生成的水印图像保存为文件
    cv2.imwrite('watermarked_img.png', zero_img)
    
    # 打印提示信息
    print('水印图片已生成')

  4. decrypt：解密水印图像还原隐藏的信息。
    这个函数用于解密带有水印的图像。函数首先创建一个大小与水印图像相同的全零图像zero_img，用于存储解密后的图像。然后，通过遍历水印图像的每个像素点，获取当前像素点的水印图像的像素值。接下来，判断当前像素值的最后一位比特位是0还是1，如果是0，则将该像素值设为0，否则设为255。然后，将处理后的像素值存入zero_img图像中。最后，将解密后的图像保存为文件decrypt.png，并打印提示信息。
    参数：

    • watermarked_img: 带有水印的图像，灰度图像 功能：根据水印图像的像素值奇偶性，还原隐藏的信息并生成解密后的图像 
      def decrypt(watermarked_img):
    # 创建一个全零图像，尺寸与水印图像相同，用于存储解密后的图像
    zero_img = np.zeros((watermarked_img.shape[0], watermarked_img.shape[1]), dtype=np.uint8)
    
    # 遍历水印图像的每个像素点
    for i in range(watermarked_img.shape[0]):
        for j in range(watermarked_img.shape[1]):
            # 获取当前像素点的水印图像的像素值
            ij_pixel = watermarked_img[i][j]
            
            # 判断当前像素值的最后一位比特位是0还是1，如果是0，则将该像素值设为0，否则设为255
            if ij_pixel % 2 == 0:
                ij_pixel = 0
            else:
                ij_pixel = 255
            
            # 将处理后的像素值存入zero_img图像中
            zero_img[i][j] = ij_pixel
    
    # 将解密后的图像保存为文件
    cv2.imwrite('decrypt.png', zero_img)
    
    # 打印提示信息
    print('解密图片已生成')

源码（单通道灰度图）

import datetime

import cv2
import numpy as np


def convert_last_bit(a, b):
	#如果是用==0 或者 ==255 判断会导致字符边缘虚化
	#根据10进制数值是单数 2进制最后一位是1 否则是0
	#通过+1 -1 对数值进行更改 实现信息隐写
	if b <100 and a % 2 == 1:
		a = a - 1
	if b >200 and a % 2 == 0:
		a = a + 1
	return a


def create_image_with_text(text):
    # 创建一个单通道（灰度）的图像
    image = np.full((400, 400), 255, dtype=np.uint8)
    # 初始化参数
    font_face = cv2.FONT_HERSHEY_SIMPLEX
    font_scale = 1.5
    thickness = 4
    text_size, _ = cv2.getTextSize(text, font_face, font_scale, thickness)
    origin_x = (image.shape[1] - text_size[0]) // 3
    origin_y = (image.shape[0] + text_size[1]) // 2
    # 在图像上写入黑色文字
    cv2.putText(image, text, (origin_x, origin_y), font_face, font_scale, 0, thickness)
    cv2.imwrite("2.png",image)
    return image




def generate(carry_img, msg):
	zero_img = np.zeros((carry_img.shape[0], carry_img.shape[1]), dtype=np.uint8)
	watermark_img = create_image_with_text(msg)
	# 调整水印图片大小与zero_img相同
	resize_scale_x = int(carry_img.shape[0] / watermark_img.shape[0])
	resize_scale_y = int(carry_img.shape[1] / watermark_img.shape[1])
	resized_watermark_img = cv2.resize(watermark_img, (0, 0), fx=resize_scale_x, fy=resize_scale_y)


	for i in range(carry_img.shape[0]):
		for j in range(carry_img.shape[1]):
			# 获取载体图像和水印图像的像素值
			carry_pixel = carry_img[i, j]
			watermark_pixel = resized_watermark_img[i, j]
			zero_img[i][j] = convert_last_bit(carry_pixel, watermark_pixel)
	cv2.imwrite('watermarked_img.png', zero_img)
	print('水印图片已生成')


def decrypt(watermarked_img):
	zero_img = np.zeros((watermarked_img.shape[0], watermarked_img.shape[1]), dtype=np.uint8)
	for i in range(watermarked_img.shape[0]):
		for j in range(watermarked_img.shape[1]):
			# 获取载体图像和水印图像的像素值
			ij_pixel = watermarked_img[i][j]
			if ij_pixel % 2 == 0:
				ij_pixel = 0
			else:
				ij_pixel = 255
			zero_img[i][j] = ij_pixel
	cv2.imwrite('decrypt.png', zero_img)
	print('解密图片已生成')


# 交互式调用
carry_img_path = input("请输入载体图像的路径：")
msg = input("请输入要嵌入的文字信息：")

# 加载载体图像
carrier_image = cv2.imread(carry_img_path, 0)

# 生成水印图像
generate(carrier_image, msg)

# 解密水印图像
watermarked_img_path = "watermarked_img.png"
watermarked_image = cv2.imread(watermarked_img_path, 0)
decrypt(watermarked_image)
print(datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S'))

源码（RGB图片B通道加密黑白水印）

import cv2
import numpy as np


def convert_last_bit(a, b):
    if b < 120 and a % 2 == 1:
        a = a - 1
    if b > 120 and a % 2 == 0:
        a = a + 1
    return a


def create_image_with_text(text):
    # 创建一个三通道（RGB）的图像
    image = np.full((400, 400, 3), 255, dtype=np.uint8)
    # 初始化参数
    font_face = cv2.FONT_HERSHEY_SIMPLEX
    font_scale = 1.5
    thickness = 4
    text_size, _ = cv2.getTextSize(text, font_face, font_scale, thickness)
    origin_x = (image.shape[1] - text_size[0]) // 3
    origin_y = (image.shape[0] + text_size[1]) // 2
    # 在图像上写入黑色文字
    cv2.putText(image, text, (origin_x, origin_y), font_face, font_scale, (0, 0, 0), thickness)
    cv2.imwrite("2.png", image)
    return image


def generate(carry_img, msg):
    zero_img = np.zeros((carry_img.shape[0], carry_img.shape[1], 3), dtype=np.uint8)
    watermark_img = create_image_with_text(msg)
    resized_watermark_img = cv2.resize(watermark_img, (carry_img.shape[1], carry_img.shape[0]))
    for i in range(carry_img.shape[0]):
        for j in range(carry_img.shape[1]):
            # 获取载体图像和水印图像的像素值
            carry_pixel = carry_img[i, j]
            watermark_pixel = resized_watermark_img[i, j]

            # 将B颜色通道的最后一位与水印像素值进行加密
            zero_img[i][j][0] = convert_last_bit(carry_pixel[0], watermark_pixel[0])

            # 其他颜色通道保持不变
            zero_img[i][j][1] = carry_pixel[1]
            zero_img[i][j][2] = carry_pixel[2]

    cv2.imwrite('watermarked_img.png', zero_img)
    print('水印图片已生成')


def decrypt(watermarked_img):
    zero_img = np.zeros((watermarked_img.shape[0], watermarked_img.shape[1]), dtype=np.uint8)
    for i in range(watermarked_img.shape[0]):
        for j in range(watermarked_img.shape[1]):
            # 获取载体图像和水印图像的像素值
            ij_pixel = watermarked_img[i][j][0]
            # 解密B颜色通道的最后一位
            if ij_pixel % 2 == 0:
                ij_pixel = 0
            else:
                ij_pixel = 255

            # 其他颜色通道保持不变
            zero_img[i][j] = ij_pixel

    cv2.imwrite('decrypt.png', zero_img)
    print('解密图片已生成')


# 交互式调用
carry_img_path = input("请输入载体图像的路径：")
msg = input("请输入要嵌入的文字信息：")

# 加载载体图像
carrier_image = cv2.imread(carry_img_path)

# 生成水印图像
generate(carrier_image, msg)

# 解密水印图像
watermarked_img_path = "watermarked_img.png"
watermarked_image = cv2.imread(watermarked_img_path)
decrypt(watermarked_image)

总结：

全靠GPT：albge.aichatos.com/#/chat/1690172938143

zhangzhong3
关注
  • 2
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
【图像隐写】LSB图像隐写【含GUI Matlab源码 713期】
Matlab领域的博客
01-20 326
LSB图像隐写 完整的代码，方可运行；可提供运行操作视频！适合小白！
数字水印源代码
05-07
dct实现数字水印的源代码 内附说明 matlab实现
LSB图像数字水印嵌入算法（含python代码）
热门推荐
qq_41821067的博客
12-12 1万+
参考： 目录理论知识LSB的优缺点LSB算法操作步骤水印嵌入水印提取代码 理论知识 在学习这篇博客的内容之前，你需要了解如下内容 1）python图像处理 PIL的使用 2）图片的属性 在灰度图像中，每个像素通常为8位，在RGB图像中，每个通道占8位，共有24位。每位的取值为0或者1，这就是为什么每个通道的最大值为255，每个像素位对图像的贡献值是不同的，这样，把整个图像分为8个位平面，从LSB（最低有效位0）到MSB（最高有效位1）。因为低位（根据一个公式）表达的信息少，所以将水印嵌入在LSB上，这样对不
基于LSB算法的水印的嵌入与提取（含攻击）--Java
qiumodezuoye的博客
04-22 1275
文章介绍了LSB算法原理以及如何实现，并进行了旋转、剪切和高斯攻击
基于matlab的lsb数字水印
qq_43287277的博客
02-04 6965
写本文的目的是记录自己做过的一些东西，深化理解，理清思路，便于回忆。 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。 算法原理：通俗来讲我们看到的...
【图像隐写】空间域LSB数字图像水印隐写（含PSNR MSE）【含Matlab源码 3938期】
Matlab武动乾坤的博客
02-23 872
空间域LSB数字图像水印隐写（含PSNR MSE） 完整的代码，方可运行；可提供运行操作视频！适合小白！
【图像隐藏】基于LSB算法实现数字水印嵌入攻击提取含直方图附Matlab代码
最新发布
m0_57702748的博客
03-15 1561
数字水印是一种将信息嵌入到数字图像中的技术，用于版权保护、内容认证和图像取证等应用。本文介绍了一种基于最小有效位（LSB）算法的数字水印嵌入攻击提取方法，并提出了一个基于直方图的特征提取方法来提高提取的鲁棒性。
【图像隐藏】基于LSB算法的数字水印嵌入攻击提取附Matlab代码
qq_59747472的博客
11-17 144
图像隐藏一直是数字水印领域的研究热点之一。数字水印技术可以在不影响原始图像质量的情况下，将一些隐秘信息嵌入到图像中，以实现身份认证、版权保护、内容完整性验证等功能。LSB（Least Significant Bit）算法是一种常用的数字水印嵌入技术，它通过修改图像像素的最低有效位来嵌入水印信息。然而，正是因为LSB算法的普遍应用，使得图像隐藏系统更容易受到攻击。攻击者可以通过一些技术手段来提取嵌入在图像中的数字水印，从而破坏数字水印的安全性。因此，对LSB算法的攻击提取技术进行研究和分析具有重要意义。
基于最低有效位算法（LSB）的数字水印源码.rar
10-11
综上所述，"基于最低有效位算法（LSB）的数字水印源码"提供了一个实用的实验平台，通过这个平台，可以深入理解和研究数字水印技术及其在实际应用中的问题和解决方案。通过分析和改进LSB算法，我们可以创建更加安全、...
基于MatLab实现LSB（最低有效位）算法源码+项目说明（完成图片数字水印隐写功能）.zip
02-20
【资源说明】 1、该资源包括项目的全部源码，下载可以直接使用！ 2、本项目适合作为计算机、数学、电子信息等专业的课程设计、...基于MatLab实现LSB（最低有效位）算法源码+项目说明（完成图片数字水印隐写功能）.zip
LSB匹配嵌入
12-21
BMP图像的LSB匹配嵌入方法，需要一个randdata1.dat 这个通txt随机写一些东西改个扩展名就行了
数字图像信息隐藏预处理技术研究
03-07
数字图像信息隐藏预处理技术研究的国内相关文献 有助于毕业设计文献参考
自己实现的数字水印源代码
09-16
lossless watermark using HVS. 这是印度一人的文章，前几天刚刚实现的。
【图像隐写】基于LSB+DCT实现数字水印嵌入提取带攻击测试matlab源码含GUI.md
08-23
【图像隐写】基于LSB+DCT实现数字水印嵌入提取带攻击测试matlab源码含GUI.md
【图像隐藏】基于LSB算法实现数字水印嵌入提取matlab代码2.zip
11-25
标题中的“【图像隐藏】基于LSB算法实现数字水印嵌入提取matlab代码2.zip”揭示了这个压缩包文件包含的内容，主要是关于图像隐藏技术的实现，具体使用了Least Significant Bit（LSB）算法，并且是通过MATLAB编程语言...
Matlab实现LSB（最低有效位）算法完成图片数字水印隐写功能（完整源码）.zip
03-07
LSB（Least Significant Bit，最低有效位）算法是一种在数字媒体中嵌入秘密信息的隐写术技术。在Matlab环境中实现LSB算法，可以用于创建数字水印，以保护图像版权或者进行秘密通信。本设计是针对计算机科学专业的...
java bmp信息隐藏,BMP 图像信息隐藏及检测
weixin_31970409的博客
03-19 434
原理简介针对文件结构的信息隐藏方法需详细掌握文件的格式，利用文件结构块之间的关系或根据块数据和块大小之间的关系来隐藏信息。BMP(Bitmap-File)图形文件是 Windows 采用的常见图形文件格式，要利用 BMP 位图进行信息隐藏首先需要详细了解 BMP 文件的格式，BMP 图像文件结构比较单一而且固定，BMP 图像由文件头、信息头、调色板区和数据区四个部分组成，而 24 位真彩色图像中...
Qt5 最低有效位隐写LSB
Alsn86的博客
05-21 547
LSB基本原理 LSB隐写LSB全称least significant bit，最低有效位 PNG文件中的图像像素一般是由RGB三原色（红绿蓝）组成，每一种颜色占用8位，取值范围为0x00~0xFF，即有256种颜色，一共包含了256的3次方的颜色，即16777216 种颜色 人类的眼睛可以区分约1000万种不同的颜色 这意味着人类的眼睛无法区分余下的颜色大约有6777216种 LSB隐写就是修改RGB颜色分量的最低二进制位（LSB），而人类的眼睛不会注意到这前后的变化,所以可以利用这一特性进行信息隐藏 载
MSB与LSB
weixin_34365417的博客
09-25 3582
Most Significant Bit， Last（Least） Significant Bit 最高有效位（MSB） 指二进制中最高值的比特。在16比特的数字音频中，其第1个比特便对16bit的字的数值有最大的影响。例如，在十进制的15，389这一数字中，相当于万数那1行（1）的数字便对数值的影响最大。比较与之相反的“最低有效位”（LSB）。MSB高位前导，LSB低位前导。 谈到字节序...
LSB最低有效位算法的鲁棒性
12-13
LSB最低有效位算法的鲁棒性是指在嵌入秘密信息后，图像的质量是否会受到影响。LSB算法的鲁棒性较低，因为在嵌入秘密信息时，需要修改图像的最低有效位，这会导致图像的质量下降。此外，如果攻击者知道LSB算法的使用，他们可以通过对图像进行分析来检测嵌入的秘密信息。因此，LSB算法不适用于对安全性要求较高的应用程序。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值