Python 实现LSB算法进行信息隐藏 包含空域与变换域 JPEG信息隐藏算法 对PDF文件进行信息隐藏 基于卷积神经网络的隐写分析 Matlab SRM、SCA隐写分析

最新推荐文章于 2023-09-04 19:41:46 发布
最新推荐文章于 2023-09-04 19:41:46 发布 255 收藏 2
文章标签： LSB算法 JPEG信息隐藏算法 Matlab SRM SCA隐写分析 Powered by 金山文档
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/pythonyanyan/article/details/128881980
版权

空域编码图像

  • 空域编码是指在图像空间域进行编码，也就是直接针对图像像素进行编码

  • 对像素进行编码，如 LSB 算法，主要有下面两种方式

  • 光栅格式

  • 调色板格式 GIF(graphics interchange format)

  • 一个图像编码标准往往包括多类编码方法，一个图像仅仅是其一类方法的实例。例如，常见的 BMP（Bitmap）、 TIFF（ Tagged Image File Format）、 PNG（Portable Network Graphics）均支持光栅格式与调色板格式编码，对这两种格式 编码分别又支持多种具体编码方法

LSB 隐写算法

  • LSB 隐写是最基础、最简单的隐写方法，具有容量大、嵌入速度快、对载体图像质量影响小的特点

  • LSB 的大意就是最低比特位隐写。我们将深度为 8 的 BMP 图像，分为 8 个二值平面（位平面），我们将待嵌入的信息（info）直接写到最低的位平面上。换句话说，如果秘密信息与最低比特位相同，则不改动；如果秘密信息与最低比特位不同，则使用秘密信息值代替最低比特位

嵌入信息前的载体图片

嵌入信息后的载体图片

变换域编码图像

JPEG

  • Joint Photographic Experts Group（联合图像专家小组）的缩写

JPEG 编码

JSteg 隐写

  • JSteg 的算法的主要思想是将秘密消息嵌入在量化后的 DCT 系数的最低比特位上，但对原始值为 0、+1、-1 的 DCT 系数不进行嵌入，提取秘密消息时，只需将载密图像中不等于 0、l 的量化 DCT 系数的 LSB 取出即可

  • JSteg 算法步骤

  1. 选择载体图像，并且将载体图像划分为连续的 8×8 的子块。

  1. 对每个子块使用离散余弦变换之后，用相应的质量因数的量化表量化，得到对应的 8×8 量化 DCT 子块。

  1. 将需要隐藏的信息编码为二进制数据流，对 DCT 子块系数进行 Z 字形扫描，并且使用秘密信息的二进制流替换非 0 和非 1 的 DCT 系数的最低比特位。

  1. 进行熵编码等，产生 JPEG 隐密图像。

  • JSteg 的具体嵌入过程

  1. 部分解码 JPEG 图像，得到二进制存储的 AC 系数，判断该 AC 系数是否等于正负 1 或 0，若等于则跳过该 AC 系数，否则，执行下一步

  1. 判断二进制存储的 AC 系数的 LSB 是否与要嵌入的秘密信息比特相同，若相同，则不对其进行修改，否则执行下一步

  1. 用秘密信息比特替换二进制存储的 AC 系数的 LSB，将修改后的 AC 系数重新编码得到隐秘 JPEG 图像

  • JSteg 不使用 0、1 的原因

  1. DCT 系数中“0”的比例最大（一般可达到 60% 以上，取决于图像质量和压缩因子），压缩编码是利用大量出现连零实现的，如果改变 DCT 系数中“0”的话，不能很好的实现压缩

  1. DCT 系数中的“1”若变成“0”，由于接受端无法区分未使用的“0”和嵌入消息后得到的“0”，从而无法实现秘密信息的提取

F3 隐写

  • 为了改善大量 DCT 系数不隐藏信息这一状况，人们提出了 F3 隐写

  • F3 对原始值为 +1 和-1 的 DCT 系数，进行了利用。F3 隐写的规则如下

  1. 每个非 0 的 DCT 数据用于隐藏 1 比特秘密信息，为 0 的 DCT 系数不负载秘密信息

  1. 如果秘密信息与 DCT 的 LSB 相同，便不作改动；如果不同，将 DCT 系数的绝对值减小 1，符号不变

  1. 当原始值为 +1 或-1 且预嵌入秘密信息为 0 时，将这个位置归 0 并视为无效，在下一个 DCT 系数上重新嵌入

  • 编写代码实现嵌入，并观察 DCT 系数变化 代码实现

JPEG的DCT系数
{0: 32939, 1: 15730, 2: 13427, 3: 11523, 4: 9540, 5: 7957, 6: 6607, 7: 5697, 8: 4834, -1: 15294, -2: 13637, -3: 11479, -4: 9683, -5: 7979, -6: 6878, -7: 5631, -8: 4871}
Jsteg begin writing!
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
经过信息隐藏后JPEG的DCT系数变化
{0: 32939, 1: 15730, 2: 12552, 3: 12398, 4: 8739, 5: 8758, 6: 6165, 7: 6139, 8: 4487, -1: 15294, -2: 12721, -3: 12395, -4: 8891, -5: 8771, -6: 6319, -7: 6190, -8: 4463}
F3steg begin writing!
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
经过信息隐藏后JPEG的DCT系数变化
{0: 47068, 1: 13416, 2: 13519, 3: 10075, 4: 9545, 5: 7077, 6: 6650, 7: 5016, 8: 4754, -1: 13308, -2: 13668, -3: 10124, -4: 9571, -5: 7249, -6: 6591, -7: 5098, -8: 4733}
F4steg begin writing!
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
经过信息隐藏后JPEG的DCT系数变化
{0: 59320, 1: 13618, 2: 11987, 3: 9875, 4: 8328, 5: 6860, 6: 5883, 7: 4910, 8: 4239, -1: 13692, -2: 11976, -3: 9976, -4: 8428, -5: 7007, -6: 5834, -7: 4964, -8: 4190}

  • 条形图绘制

  • 未经过信息隐藏的 DCT 系数，系数近似符合拉普拉斯分布，具有几个典型特点

  • 对称性 以 0 为中心达到最大值，两侧分布近似对称

  • 单侧单调性 以 0 值为中心达到最大值，两侧单调下降

梯度下降性 小值样点较多，大值样点较少，分布曲线在两侧下降梯度逐渐减小

  • JSteg 隐写的 DCT 系数

JSteg 隐写可嵌入信息的 DCT 系数较少，隐写量较小，且相邻数值样点的个数接近，如 2 和 3，-2 和-3 形成了值对，卡方特征变化明显，因而提出了 F3 隐写

  • F3 隐写的 DCT 系数

  • F3 的设计虽然防止了相邻值出现数量接近的现象，也维持了分布函数的对称性，但使得偶数的分布增加，没有满足单调性

  • 这是因为载体绝对值为 1 的数值较多，当其被修改为 0 时，嵌入算法继续嵌入直到找到一个偶数值，或者将一个奇数值改为偶数值，这样绝对值为 1 的系数可以支持嵌入 1，但是不支持嵌入 0，需要使用或制造一个偶数

  • 另外，0 系数的数量有相应的增加，产生分布曲线向 0 收缩的现象

F4 隐写

  • 为了克服 F3 的缺陷，F4 对不同正负号的奇偶系数采用了不同的嵌入与消息表示方法

  • F4 用负偶数、正奇数代表嵌入了消息比特 1，用负奇数、正偶数代表嵌入了 0

  • 但仍然通过减小绝对值的方法进行修改，如果减小绝对值后系数为 0 则继续往下嵌入当前比特

代码实现

  • F4 隐写的 DCT 系数

  • F4 显然保持了载体分布函数的对称性，也保持了载体分布函数的单调性与梯度下降性

  • 但 F4 依然存在使含密载体分布函数形状向 0 收缩的现象

F5 隐写

F5 隐写实现了基于汉明码的矩阵编码隐写，在一个分组上最多修改 R=1 次以嵌入 $2^r-1-r$ 比特，采用的基本嵌入方法是基于 F4 隐写的

F5 的嵌入步骤

  • 获得嵌入域。若输入的是位图，则进行 JPEG 编码得到 JPEG 系数；若输入的是 JPEG 图像，则进行熵编码的解码得到 JPEG 系数

  • 位置置乱。根据口令生成的密钥位一个伪随机数发生器，基于伪随机数发生器置乱 JPEG 系数的位置

  • 编码参数确定。为了提高嵌入效率，一般希望 n 尽可能大，因此，根据载体中可用系数的数量与消息的长度确定参数 r，并计算$n=2^r-1$

  • 基于（$n=2^r-1,r$）的汉明分组码得到编码校验矩阵，开始嵌入消息：

  • ① 按置乱后的顺序取下面 n 个非零系数，在其中的 LSB 序列中按照以上编码嵌入 n-r 比特的消息；

  • ② 如果未发生修改，并且还有需要嵌入的消息，则返回 ① 继续嵌入下一分组；

  • ③ 如果进行了修改，则判断是不是有系数值收缩到 0，如果没有，并且还有需要嵌入的消息则返回 ① 继续嵌入下一分组，如果有，取出一个新的非零系数组成新的一组 n 个非零系数，在其中的 LSB 序列中按照以上编码重新嵌入以上 n-r 比特的消息，直到没有修改或收缩，最后，如果还有需要嵌入的消息，则返回 ① 继续嵌入下一分组

  • 位置逆置乱。恢复 DCT 系数原来的位置顺序

  • 熵编码。按照 JPEG 标准无损压缩 DCT 量化系数，得到 JPEG 文件

完整代码：https://download.csdn.net/download/weixin_55771290/87416129

阅读终点，创作起航，您可以撰写心得或摘录文章要点写篇博文。去创作
程序员奇奇
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Python 实现LSB算法进行信息隐藏 包含空域与变换域 JPEG信息隐藏算法 对PDF文件进行信息隐藏 基于卷积神经网络的隐
02-04
Python 实现LSB算法进行信息隐藏 包含空域与变换域 JPEG信息隐藏算法 对PDF文件进行信息隐藏 基于卷积神经网络的隐写分析 Matlab SRM、SCA隐写分析• 空域编码是指在图像空间域进行编码，也就是直接针对图像像素进行...
Python 实现LSB算法信息隐藏空域与变换域JPEG隐藏算法PDF信息隐藏基于卷积神经网络的隐写分析.rar
01-17
空域编码图像 空域编码是指在图像空间域进行编码，也就是直接针对图像像素进行编码 对像素进行编码，如LSB算法，主要有下面两种方式 光栅格式 调色板格式 GIF(graphics interchange format) 一个图像编码标准往往包括多类编码方法，一个图像仅仅是其一类方法的实例。例如，常见的BMP（Bitmap）、 TIFF（ Tagged Image File Format）、 PNG（Portable Network Graphics）均支持光栅格式与调色板格式编码，对这两种格式 编码分别又支持多种具体编码方法 LSB隐写算法 LSB隐写是最基础、最简单的隐写方法，具有容量大、嵌入速度快、对载体图像质量影响小的特点 LSB的大意就是最低比特位隐写。我们将深度为8的BMP图像，分为8个二值平面（位平面），我们将待嵌入的信息（info）直接写到最低的位平面上。换句话说，如果秘密信息与最低比特位相同，则不改动；如果秘密信息与最低比特位不同，则使用秘密信息值代替最低比特位 JPEG编码 JSteg隐写 JSteg的算法的主要思想是将秘密消息嵌入在量化后的DCT系数的最低比特位上，但对原始值为0、+1、-1的DCT系数不进行嵌入，提取秘密消息时，只需将载密图像中不等于0、l的量化DCT系数的LSB取出即可 JSteg算法步骤 选择载体图像，并且将载体图像划分为连续的8×8的子块。 对每个子块使用离散余弦变换之后，用相应的质量因数的量化表量化，得到对应的8×8量化DCT子块。 将需要隐藏的信息编码为二进制数据流，对DCT子块系数进行Z字形扫描，并且使用秘密信息的二进制流替换非0和非1的DCT系数的最低比特位。 进行熵编码等，产生JPEG隐密图像。 JSteg的具体嵌入过程 部分解码JPEG图像，得到二进制存储的AC系数，判断该AC系数是否等于正负1或0，若等于则跳过该AC系数，否则，执行下一步 判断二进制存储的AC系数的LSB是否与要嵌入的秘密信息比特相同，若相同，则不对其进行修改，否则执行下一步 用秘密信息比特替换二进制存储的AC系数的LSB，将修改后的AC系数重新编码得到隐秘JPEG图像 JSteg不使用0、1的原因 DCT系数中“0”的比例最大（一般可达到60%以上，取决于图像质量和压缩因子），压缩编码是利用大量出现连零实现的，如果改变DCT系数中“0”的话，不能很好的实现压缩 DCT系数中的“1”若变成“0”，由于接受端无法区分未使用的“0”和嵌入消息后得到的“0”，从而无法实现秘密信息的提取 代码实现F3隐写
Python实现基于卷积神经网络的LSB算法进行信息隐藏隐写分析.zip
07-05
资源包含文件：设计报告word+项目源码+文献资料等 Python 实现LSB算法进行信息隐藏 包含空域与变换域 JPEG信息隐藏算法 对PDF文件进行信息隐藏 基于卷积神经网络的隐写分析 Matlab SRM、SCA隐写分析。 详细介绍参考：https://biyezuopin.blog.csdn.net/article/details/125618949
基于MATLAB的空域替换算法的信息隐写系统(LSB/MLSB/随机替换/调色板替换)
芸兮的博客
06-09 5076
维基百科对隐写术的定义：隐写术是一门关于信息隐藏的技巧与科学，所谓信息隐藏指的是不让除预期的接收者之外的任何人知晓信息的传递事件或者信息的内容。 一般来说，隐写的信息看起来像一些其他的东西，例如一张购物清单，一篇文章，一篇图画或者其他“伪装”(cover)的消息。
python基于Django的lsb算法与rsa算法信息隐藏算法设计与实现.docx
08-01
python基于Django的lsb算法与rsa算法信息隐藏算法设计与实现.docx
基于JSteg和F3的图像RS隐写分析算法实现python源码-信息隐藏技术作业.7z
12-15
基于JSteg和F3的图像RS隐写分析算法实现python源码_信息隐藏技术作业.7z 基于JSteg和F3的图像RS隐写分析算法实现python源码_信息隐藏技术作业.7z 1、基于JSteg和F3的图像隐写算法 2、RS隐写分析算法
python图像隐写技术_Python图像处理 —— 空域信息隐藏（LSB替换）
weixin_39648297的博客
12-10 575
import numpy as npimport cv2def encode(s, width=8):bin_str = ''.join([(bin(c).replace('0b', '')).zfill(width) for c in s.encode(encoding="utf-8")])return bin_strdef decode(s):s = [np.uint8(c) for c in...
信息隐藏-空域隐藏-python-LSB
mynd天堂
04-29 5615
LSB 中文名字全称为最低有效位。 常见的信息隐藏图片格式一般为png或者bmp这类无损压缩的图片且是8位图或者24位图，8位图是使用我们的调色板 来保存颜色值，可以正好代表2的8次方256种颜色。8位即占一个字节，24位图及占3字节，我们用r,g,b来表示。 对于这些字节的最后一位我们无论其是0或者1，这于这张照片的显示来说，我们从肉眼是分辨不出来的（实际上，最后3位我们都可以进行改变且我
(基于python的毕业设计)基于lsb算法与rsa算法的信息隐藏算法实现(django)(源码+说明+演示视频).zip
06-17
(基于python的毕业设计)基于lsb算法与rsa算法的信息隐藏算法实现(django)(源码+说明+演示视频)，本科毕业设计高分项目。 【项目技术】 python+Django+mysql+B/S+LSB算法 【实现功能】 （1）信息密写，通过在软件内将...
【PDF隐写】wbStego4open，且还包括BMP、 TXT、 HTM文件隐写
03-27 7618
为数不多的pdf文件隐写
网络信息安全-图像隐写与检测综述
陈丹宇的博客
01-02 1082
LSB（Least Significant Bit）隐写算法，中文译名为最低有效位，是指一个二进制数字中的最低位。LSB隐写算法的基本思想是用待嵌入的隐私信息取代载体图像数据的LSB，构成载密图像。又因为LSB对图像的外部特征影响很小，所以人难以用肉眼看出载密图像的变化。然而，人眼不仅对LSB位不可感知，对比LSB位更高的某些位同样不可感知，这就意味着这些更高的位同样可以用嵌入隐秘信息。
基于LSB的空域信息隐藏实现
Fng的博客
07-14 2253
LSB（Least Significant Bit）算法将隐藏的信息比特按位（bit）顺序嵌入原始图像像素的最低位面（Least Significant Bit）。
LSB信息隐藏——Python实现（完整解析版）
有时候，想要一块二向箔
06-04 1177
1）了解图像平面位2）掌握LSB信息隐藏的实现。
LSB图像信息隐藏（实现及分析）
RedArvin的博客
09-12 5555
LSB图像信息隐藏+python实现 一.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）。 二.实验原理 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。 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
LSB（最低有效位隐写）方法以及python实现
最新发布
hyh14的博客
09-04 58
来源为微信公众号 隐者联盟 的中的一篇极简综述01.JPEG早期的隐写基本来源为LSB（最低有效位）方法？
Python实践项目——LSB隐写术
m0_63109538的博客
09-09 2060
Python实践项目——LSB隐写术
6、信息隐藏技术：空域下的信息隐藏
柳橙酱的博客
05-19 1522
LSB图像隐写 python代码
mandiheyanyu的博客
04-26 221
原理我直接贴个链接吧，就是把比特信息一位一位的藏在每个像素RGB的最低有效位里，反正人眼没那么敏锐，差这么点看不出来，而且像素本身最后一位是有意义的，本来就不是全零或全一，如果不知道具体藏在哪里的人很难识别并提取出隐藏信息来。LSB图片隐写(最低有效位隐写)
基于PDF文档结构的数字隐写
xiongshivigor的博客
12-07 593
PDF隐写
请用python实现lsb信息隐藏算法并改进，完成上述1和2并给出代码
05-05
1. LSB信息隐藏算法实现 LSB信息隐藏算法是一种简单的信息隐藏方法，它将消息的二进制码嵌入到像素的最低有效位中，从而实现信息隐藏。以下是一个简单的Python实现： ```python from PIL import Image def encode_image(image_path, secret_message): """将秘密消息嵌入到图像中""" # 打开图像文件 image = Image.open(image_path) # 将秘密消息转换为二进制字符串 binary_message = ''.join([format(ord(char), "08b") for char in secret_message]) # 检查是否有足够的像素来嵌入消息 if len(binary_message) > image.width * image.height: raise ValueError("不够的像素来嵌入消息！") # 将二进制消息嵌入到图像中 encoded_image = image.copy() index = 0 for x in range(image.width): for y in range(image.height): # 获取像素的RGB值 r, g, b = image.getpixel((x, y)) # 将消息嵌入到最低有效位 if index < len(binary_message): r &= 0b11111110 | int(binary_message[index]) index += 1 if index < len(binary_message): g &= 0b11111110 | int(binary_message[index]) index += 1 if index < len(binary_message): b &= 0b11111110 | int(binary_message[index]) index += 1 # 更新像素值 encoded_image.putpixel((x, y), (r, g, b)) # 检查是否已经完成嵌入 if index >= len(binary_message): return encoded_image return encoded_image def decode_image(image_path): """从图像中提取秘密消息""" # 打开图像文件 image = Image.open(image_path) # 从图像中提取秘密消息 binary_message = "" for x in range(image.width): for y in range(image.height): # 获取像素的RGB值 r, g, b = image.getpixel((x, y)) # 提取最低有效位 binary_message += str(r & 1) binary_message += str(g & 1) binary_message += str(b & 1) # 检查是否已经提取完整个消息 if len(binary_message) >= 8 and binary_message[-8:] == "00000000": # 将二进制消息转换回字符串 secret_message = "" for i in range(0, len(binary_message)-8, 8): secret_message += chr(int(binary_message[i:i+8], 2)) return secret_message # 如果未找到消息，则返回None return None ``` 使用示例： ```python # 将秘密消息嵌入到图像中 encoded_image = encode_image("image.png", "Hello, world!") # 保存嵌有秘密消息的图像 encoded_image.save("encoded_image.png") # 从图像中提取秘密消息 secret_message = decode_image("encoded_image.png") print(secret_message) ``` 2. 改进的LSB信息隐藏算法实现 改进的LSB信息隐藏算法是一种更加安全的信息隐藏方法，它在嵌入信息时考虑到了像素值的分布情况，从而使得嵌入的信息更加难以被检测到。以下是一个简单的Python实现： ```python from PIL import Image import numpy as np import math def mean_squared_error(img1, img2): """计算两张图像的均方误差""" mse = np.mean((img1 - img2) ** 2) return mse def peak_signal_to_noise_ratio(img1, img2): """计算两张图像的峰值信噪比""" mse = mean_squared_error(img1, img2) if mse == 0: return float('inf') psnr = 20 * math.log10(255.0 / math.sqrt(mse)) return psnr def encode_image(image_path, secret_message, alpha=0.1): """将秘密消息嵌入到图像中""" # 打开图像文件 image = Image.open(image_path) # 将秘密消息转换为二进制字符串 binary_message = ''.join([format(ord(char), "08b") for char in secret_message]) # 检查是否有足够的像素来嵌入消息 if len(binary_message) > image.width * image.height: raise ValueError("不够的像素来嵌入消息！") # 将二进制消息嵌入到图像中 encoded_image = image.copy() index = 0 for x in range(image.width): for y in range(image.height): # 获取像素的RGB值 r, g, b = image.getpixel((x, y)) # 计算像素的分布情况 rgb = np.array([r, g, b], dtype=np.float32) rgb_std = np.std(rgb) if rgb_std == 0: continue rgb_mean = np.mean(rgb) p = rgb_std / rgb_mean # 计算alpha值 alpha_prime = alpha * p # 将消息嵌入到最低有效位 if index < len(binary_message): if binary_message[index] == "0": r_prime = r - alpha_prime if r_prime < 0: r_prime = 0 else: r_prime = r + alpha_prime if r_prime > 255: r_prime = 255 index += 1 else: r_prime = r if index < len(binary_message): if binary_message[index] == "0": g_prime = g - alpha_prime if g_prime < 0: g_prime = 0 else: g_prime = g + alpha_prime if g_prime > 255: g_prime = 255 index += 1 else: g_prime = g if index < len(binary_message): if binary_message[index] == "0": b_prime = b - alpha_prime if b_prime < 0: b_prime = 0 else: b_prime = b + alpha_prime if b_prime > 255: b_prime = 255 index += 1 else: b_prime = b # 更新像素值 encoded_image.putpixel((x, y), (int(r_prime), int(g_prime), int(b_prime))) # 检查是否已经完成嵌入 if index >= len(binary_message): return encoded_image return encoded_image def decode_image(image_path, alpha=0.1): """从图像中提取秘密消息""" # 打开图像文件 image = Image.open(image_path) # 从图像中提取秘密消息 binary_message = "" for x in range(image.width): for y in range(image.height): # 获取像素的RGB值 r, g, b = image.getpixel((x, y)) # 计算像素的分布情况 rgb = np.array([r, g, b], dtype=np.float32) rgb_std = np.std(rgb) if rgb_std == 0: continue rgb_mean = np.mean(rgb) p = rgb_std / rgb_mean # 计算alpha值 alpha_prime = alpha * p # 提取最低有效位 if abs(r - (r - alpha_prime)) > abs(r - (r + alpha_prime)): binary_message += "1" else: binary_message += "0" if abs(g - (g - alpha_prime)) > abs(g - (g + alpha_prime)): binary_message += "1" else: binary_message += "0" if abs(b - (b - alpha_prime)) > abs(b - (b + alpha_prime)): binary_message += "1" else: binary_message += "0" # 检查是否已经提取完整个消息 if len(binary_message) >= 8 and binary_message[-8:] == "00000000": # 将二进制消息转换回字符串 secret_message = "" for i in range(0, len(binary_message)-8, 8): secret_message += chr(int(binary_message[i:i+8], 2)) return secret_message # 如果未找到消息，则返回None return None ``` 使用示例： ```python # 将秘密消息嵌入到图像中 encoded_image = encode_image("image.png", "Hello, world!", alpha=0.2) # 保存嵌有秘密消息的图像 encoded_image.save("encoded_image.png") # 从图像中提取秘密消息 secret_message = decode_image("encoded_image.png", alpha=0.2) print(secret_message) ```

“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
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

打赏作者

程序员奇奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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