基于lsb的灰度图像嵌入水印并提取

LSB图像隐写实验

1嵌入

首先将图片和水印进行转化为灰度图并且将水印二值化，然后将两张图片的尺寸保持一致相当于8层选一层去嵌入水印，也就是把那一层的矩阵变成水印的二值化这样就可以将其嵌入好了

2提取信息

提取信息便是将嵌入水印与原图相减去再除以2**层数，把他写进矩阵最后转化成图片

3代码

附上代码（先写了一遍最后在gpt帮助下模块化了）

import numpy as np
from PIL import Image
​
# 定义一个函数，用来打开图片并转换成灰度图
def open_and_convert(path):
    try:
        img = Image.open(path)
        img = img.convert('L')
        return img
    except FileNotFoundError:
        print(f"图片{path}不存在，请检查路径是否正确。")
        return None
​
# 定义一个函数，用来把图片二值化
def binarize(img, threshold=200):
    table = []
    for i in range(256):
        if i < threshold:
            table.append(0)
        else:
            table.append(1)
    img = img.point(table, '1')
    return img
​
# 定义一个函数，用来嵌入水印
def embed_watermark(carrier_path, watermark_path, layer):
    # 打开载体图片和水印图片，并转换成灰度图
    carrier = open_and_convert(carrier_path)
    watermark = open_and_convert(watermark_path)
    # 如果有一张图片不存在，就返回None
    if carrier is None or watermark is None:
        return None
    # 把载体图片和水印图片都调整成1000*1000的大小
    carrier = carrier.resize((1000, 1000))
    watermark = watermark.resize((1000, 1000))
    # 把载体图片和水印图片都转换成numpy数组
    carrier_array = np.array(carrier)
    watermark_array = np.array(watermark)
    # 判断层数是否在合理的范围内（0-7）
    if layer < 0 or layer > 7:
        print(f"层数{layer}不合理，请输入0-7之间的整数。")
        return None
    # 计算载体图片每个像素除以2的layer次方的余数
    remainder = carrier_array % (2 ** layer)
    # 计算水印图片每个像素乘以2的layer次方的值
    value = watermark_array * (2 ** layer)
    # 计算嵌入水印后的图片数组，即载体图片数组减去余数再加上值
    embedded_array = carrier_array - remainder + value
    # 把嵌入水印后的图片数组转换成PIL图像对象，并返回
    embedded_img = Image.fromarray(embedded_array)
    return embedded_img
​
# 定义一个函数，用来提取水印
def extract_watermark(embedded_path, original_path, layer):
    # 打开嵌入水印后的图片和原始图片，并转换成灰度图
    embedded = open_and_convert(embedded_path)
    original = open_and_convert(original_path)
    # 如果有一张图片不存在，就返回None
    if embedded is None or original is None:
        return None
    # 把嵌入水印后的图片和原始图片都调整成1000*1000的大小
    embedded = embedded.resize((1000, 1000))
    original = original.resize((1000, 1000))
    # 把嵌入水印后的图片
    embedded_array = np.array(embedded)
    original_array = np.array(original)
    # 判断层数是否在合理的范围内（0-7）
    if layer < 0 or layer > 7:
        print(f"层数{layer}不合理，请输入0-7之间的整数。")
        return None
    # 计算提取水印后的图片数组，即嵌入水印后的图片数组减去原始图片数组再除以2的layer次方
    extracted_array = (embedded_array - original_array) // (2 ** layer)
    # 把提取水印后的图片数组转换成PIL图像对象，并返回
    extracted_img = Image.fromarray(extracted_array)
    return extracted_img
​
​
# 调用嵌入水印的函数，传入载体图片路径，水印图片路径和层数
embedded_img = embed_watermark("C:/Users/冯博宇/Desktop/dlt.png", "C:/Users/冯博宇/Desktop/hhh.png", 0)
# 如果返回的不是None，就保存嵌入水印后的图片
if embedded_img is not None:
    embedded_img.save("C:/Users/冯博宇/Desktop/embedded.png")
​
# 调用提取水印的函数，传入嵌入水印后的图片路径，原始图片路径和层数
extracted_img = extract_watermark("C:/Users/冯博宇/Desktop/embedded.png", "C:/Users/冯博宇/Desktop/dlt.png", 0)
# 如果返回的不是None，就保存提取水印后的图片，并把它二值化
if extracted_img is not None:
    extracted_img.save("C:/Users/冯博宇/Desktop/extracted.png")
    extracted_img = binarize(extracted_img)
    extracted_img.save("C:/Users/冯博宇/Desktop/extracted_bin.png")

4效果

水印和原图

最后生成的一些图片这里取得0层