数字图像水印处理

数字图像水印处理

一个处理数字图像水印的系统，该系统可以实现添加可见水印，添加不可见水印，识别水印，提取可见水印，提取不可见水印，打开、保存图片等功能。(这里的水印识别指的是识别自己添加的水印)

添加提取可见水印
1点击添加图片，即打开原图像显示在左侧图片显示区域

2点击添加可见水印按钮（可根据用户自定义拖动水印图片操作嵌入到原图像的相应位置中）
3点击合成图片按钮（这时会将嵌入了水印的图片保存下来）

4 点击提取可见水印按钮 ，即可以将可见水印给提取出来，保存为你选择的图片格式到你选择的图片文件位置处。

添加提取不可见水印
1点击添加图片，即打开原图像显示在左侧图片显示区域
2点击添加不可见水印按钮（可根据用户自定义拖动水印图片操作嵌入到原图像的相应位置中）
3点击合成图片按钮（这时会将嵌入了水印的图片保存下来）
4 点击提取不可见水印按钮 ，即可以将可见水印给提取出来，保存为你选择的图片格式到你选择的图片文件位置处。

---

基础知识介绍：

水印： 嵌在原图片上的，可见或者不可见的图像或者序列码等信息，多用于版权声明
可见图像数字水印
可见图像数字水印是可以看见的数字水印，就是将数字水印直接嵌入或覆盖在图像上。可见图像数字水印分为透明和不透明两种：
（1）不透明数字水印的目的是在图像中具有视觉突出效果，形成鲜明的标识，用于防止图像被其它非授权的商业用途的使用。
（2）透明数字水印的特点是在图像中不太醒目，在保证图像质量的前提下，尽量使水印标识难以剔除，进而保护文件的所有权。

不可见图像数字水印
不可见图像数字水印是不可以看见的数字水印，该数字水印一般用于嵌入图像，嵌入文字，以及规则的或不规则的序列码，为了保护作者的作品版权。

数字水印评价标准
评价水印嵌入后对媒体产品的影响程度，除了利用感知系统(人眼或人耳)定性评价以外，还可以采用定量的评价标准。通常对含水印的数字作品进行定量评价的标准有：信噪比(Signal Noise Rate，SNR)，峰值信噪比(Peak Signal Noise Rate，PSNR)和归一化相关系数(Normalized Correction)

声音频域: 一般分为高中低频，如女声高频占比较大

图像频域： 一般分为高中低频，低频表示轮廓信息，高频表示细节信息 高频越多则细节越丰富

DFT 离散傅里叶变换： 将声音/图像 按频率分不同的组 取离散点（像素点）

DCT 离散余弦变换
DCT（Discrete Cosine Transform) 离散余弦变换由N.Ahmed等人在1974年提出。它是一种正交变换的方法，是一种与傅立叶变换紧密相关的数学运算。在傅立叶级数展开式中，如果被展开的函数是实偶函数，那么其傅立叶级数中只包含余弦项（只取离散傅里叶变换的实数部分，不取复数部分），将其离散化可导出离散余弦变换。
比DFT节省计算量，可以对重要信息进行整合，因此经常用来进行数字图像水印的处理，DCT水印技术指的是先对图像进行离散余弦变换，然后对变换域的系数嵌入水印，最后再进行DCT逆变换得到嵌入水印后的图像

JPEG也是用的DCT进行图像的压缩
jpeg压缩基本原理
0 RGB->YUV
1 使用FDCT将空间域的像素点转化为频率域的系数 左上角是低频区域（轮廓），为直流系数，右下角是高频区域（细节），为交流区域 （空间域转频域，将重要信息整合）
2 量化 针对Y分量进行细量化，UI分量进行粗量化 （JPEG的有损压缩，损的是量化过程中的高频部分）
3 编码 行程编码、Z排序、Huffman编码

二维DCT变换原理
M×N矩阵的二维离散余弦变换定义为：

其中，f(m, n)是M×N矩阵中坐标为(m, n)元素的原始值，F(u, v)是经离散余弦变换后对应值。
对应的DCT逆变换定义为：

其中:

FDCT 快速离散余弦变换
如果直接进行二维图像的DCT变换，工作量非常大（以8*8的图像分块为例，进行DCT和IDCT需求1024次乘法和896次加法）。为了加快变换的速度，人们根据DCT变换的对称性和正交性，提出了快速DCT变换算法（FDCT）

---

技术实现

可见水印实现

总览:
// 可见水印嵌入：
// 0 取原图和水印的像素放到3*width*height的一维数组中
// 1 将一维数组像素转为三维数组 （RGB）
// 2 原图的三维像素 修改为水印的三维像素 一维维的改（这里只处理水印图大小的区域）
// 3 三维数组再转回一维数组像素 再生成output图
// 可见水印提取:
// 根据选定的区域，将该区域的像素矩阵取出，保存为新的图片

通过二维图像得到的一维数组getPixels中，图像文件每个坐标点分别由红、绿、蓝3个像素构成，即getPixels数组的第1（红）、2（绿）、3（蓝）个元素合成了第1个坐标点的颜色，4、5、6个元素合成了第2个坐标点的颜色。将getPixels数组中每隔3个元素抽取一个得到对应于二维图像文件的R（红）、G（绿）、B（蓝）3个二维图像像素矩阵，其相互关系如图2.1。矩阵中每个像素的取值范围为0－255。二维数组行和列坐标的转换点是

通过原图像文件宽oWidth,高oHeight数值得到的。最后通过3个二维矩阵合成1个代表图像文件的三维像素矩阵。在MathTool类中定义了一维数组转换为三维数组的方法

可见水印的嵌入
将得到的水印的三维像素矩阵，根据你操作的水印图像位置，将水印的像素矩阵替换相应位置的被加入水印的图片的像素矩阵。

可见水印的提取：
根据选定的位置，将该位置的像素矩阵取出，保存为新的水印图片。

---

不可见水印实现

总览:
	//不可见水印嵌入：
	1 提取原始图像的一个分量（如rPixels）和二值水印图像的像素wPixels
	2 对原始图像rPixels进行8*8分块，然后进行FDCT变换，得到dblk[8][8]
	3 根据水印的值是0/255 在dblk[8][8]中频（低频原图影响大）位置嵌入水印信息（如果wPixels是0则对减一个系数d，否则加上系数d）
	4 对dblk[8][8]执行IFDCT（离散余弦变换逆变换） 
	5 将逆变换完的dblk[8][8]区域替换相应的rPixels的8*8分块 最终生成带不可见水印的图
	
	// 不可见水印提取编程思路
	1 获得原始图像的r层分量(oRPixeles)和嵌入了水印的图像的r层分量(mRPixels)
	2 oRPixeles和mRPixeles进行8*8分块，并进行快速DCT变换，得odblk[8][8]和mdblk[8][8]
	3 比较odblk[8][8]和mdblk[8][8]嵌入水印的5个位置系数大小，如果mdblk大则水印信息为255，相反为0 存放到二维数组中result[wWidth][wHeight]
	4 将result[wWidth][wHeight]生成水印图像

---

完善项目也上传到了GitHub上，可以参考： 5ingwings/DIWaterMark

参考: 《图像数字水印的JAVA实现》