基于LSB算法的图片水印隐藏技术原理及实现

这是基于 LSB 算法的图像水印隐藏技术的基本原理、实现步骤以及示例源码：
一、基本原理
• 利用像素的最低有效位：
图像的每个像素值通常由8位二进制数表示，其中最低位（LSB）对像素颜色的影响最小，人眼几乎无法察觉。LSB算法就是将水印信息嵌入到载体图像像素值的最低有效位中，从而实现水印的隐藏。
• 替换最低位实现隐藏：
将水印图像的二进制数据逐位替换载体图像对应像素的最低位，得到含有水印信息的图像。提取时，再从含水印图像的像素最低位中逐位提取出水印信息，恢复出原始水印图像。
二、实现步骤
1.初始化载体图像和水印图像：读取载体图像和水印图像，并将它们转换为灰度图像（如果是彩色图像，可分别对 R、G、B 三个通道进行操作）。
2.嵌入水印：
• 遍历水印图像的每个像素，将其二进制表示的每一位依次嵌入到载体图像对应像素的最低位。例如，若水印图像的某像素二进制为 10101011，载体图像对应像素的二进制为 11001010，则嵌入后载体图像该像素的二进制变为 11001011。
• 若载体图像和水印图像大小不同，可通过缩放等方法使它们匹配，或者只在载体图像的局部区域嵌入水印。
3.提取水印：
• 遍历含水印图像的每个像素，提取其最低位，按顺序拼接起来，得到水印图像的二进制数据。
• 将提取出的二进制数据转换回图像格式，即可恢复出原始水印图像。
源码（Python实现）

import cv2
import numpy as np

# 嵌入水印
def embed_watermark(carrier_image_path, watermark_image_path, output_image_path):
    # 读取载体图像和水印图像
    carrier_image = cv2.imread(carrier_image_path, cv2.IMREAD_GRAYSCALE)
    watermark_image = cv2.imread(watermark_image_path, cv2.