详细分析LSB 隐写术的原理、方法 | 附基本Demo

1. 基本知识

实现图片隐写的基本方法是利用图片的像素数据将信息嵌入其中，同时尽可能保持图片的视觉效果不变

基于 LSB（Least Significant Bit，最低有效位）隐写术：将数据嵌入到图片的像素值的最低有效位

基本原理如下：

• 编码过程：将要嵌入的信息（二进制数据）替换到图片像素值的最低有效位中
  对 RGB 图片，每个通道可以分别嵌入数据
• 解码过程：从图片像素的最低有效位中提取信息，并将其还原为原始数据

但是他也有缺点：

• 容量有限：嵌入信息的量受限于图片的分辨率和像素通道数量
• 易受图像处理（如压缩、滤波）的影响

总结的表格如下：

类别	描述
基本定义	LSB 隐写术是一种通过修改数字文件（如图像、音频或视频）中每个数据单元的最低有效位来嵌入隐写信息的方法
适用范围	最常用于图像隐写（例如 BMP、PNG 格式），因为这些格式通常无压缩或无损压缩，且对人眼不易察觉嵌入信息的细微变化
原理	利用数字文件的冗余特性（如图像像素值、音频采样值），将隐写信息存储到文件数据的最低有效位中，改变的幅度足够小以不被人察觉
示例分析	原始二进制像素值：10101101 嵌入隐写信息后：10101100 此处修改了最低位 1→0，人眼无法察觉像素值的细微变化
优点	实现简单，效率高 对文件的质量影响较小 可在无损压缩图像中保持高隐写容量
缺点	容易受到压缩算法（如 JPEG）的破坏 嵌入容量有限（仅与像素数或数据单元数相关） 安全性较低，容易被简单分析或检测工具发现
嵌入过程	1. 选择载体文件（如图像） 2. 将需要隐藏的信息转换为二进制 3. 替换载体文件数据的最低有效位为隐写信息的二进制数据
提取过程	1. 读取载体文件的最低有效位数据 2. 还原二进制数据为隐写信息
适用场景	信息隐藏与传递 数字版权保护 水印嵌入
抗攻击性	对简单篡改或噪声较敏感 可结合加密技术提高安全性（例如对嵌入信息进行加密后再写入）
扩展方法	LSB-M（多位隐写）：替换最低的多位数据以增加嵌入容量 结合压缩抗性技术，如差值扩展（DE）

具体的文字Demo如下：

在图像隐写中，图像由像素组成，每个像素通常由红、绿、蓝（RGB）三种颜色通道的值表示，每个通道用 8 位二进制数表示
例如，一个像素的 RGB 值可能是 (123, 234, 56)，其二进制表示为：
R: 01111011
G: 11101010
B: 00111000

LSB 隐写术通过修改每个通道的最低有效位（最后一位）来嵌入隐写信息。对于上述像素，嵌入数据后可能变为：
R: 01111010
G: 11101011
B: 00111001

2. Demo

1. 编码部分：
   图片数据转换为 NumPy 数组进行操作
   嵌入的数据被插入到像素值的最低有效位
   添加了 1111111111111110 作为结束标志，用于解码时识别信息终止

2. 解码部分：
   从图片中提取像素的最低有效位，重组为二进制字符串
   根据二进制字符串恢复嵌入的信息

基本的测试Demo如下：

from PIL import Image
import numpy as np

def encode_image(input_image_path, output_image_path, message):
    """
    将信息编码到图片中。
    :param input_image_path: 输入图片路径
    :param output_image_path: 输出图片路径
    :param message: 要嵌入的文本信息
    """
    # 打开图片并转换为 NumPy 数组
    image = Image.open(input_image_path)
    image_array = np.array(image)

    # 将信息转换为二进制字符串
    binary_message = ''.join(format(ord(char), '08b') for char in message)
    binary_message += '1111111111111110'  # 添加结束标志

    # 将消息嵌入图片
    flat_pixels = image_array.flatten()
    if len(binary_message) > len(flat_pixels):
        raise ValueError("信息太长，无法嵌入到图片中。")

    for i in range(len(binary_message)):
        flat_pixels[i] = (flat_pixels[i] & ~1) | int(binary_message[i])

    # 将修改后的像素数组还原为图片
    encoded_image = flat_pixels.reshape(image_array.shape)
    encoded_image = Image.fromarray(encoded_image.astype(np.uint8))
    encoded_image.save(output_image_path)
    print(f"信息已嵌入到图片中，保存为 {output_image_path}。")


def decode_image(encoded_image_path):
    """
    从图片中解码信息。
    :param encoded_image_path: 含有嵌入信息的图片路径
    :return: 解码出的文本信息
    """
    # 打开图片并转换为 NumPy 数组
    image = Image.open(encoded_image_path)
    image_array = np.array(image)

    # 提取二进制数据
    flat_pixels = image_array.flatten()
    binary_message = ''.join(str(flat_pixels[i] & 1) for i in range(flat_pixels.size))

    # 将二进制数据转换为文本
    chars = []
    for i in range(0, len(binary_message), 8):
        byte = binary_message[i:i+8]
        if byte == '11111111':  # 检测结束标志
            break
        chars.append(chr(int(byte, 2)))

    return ''.join(chars)


# 测试
if __name__ == '__main__':
    input_image = 'dog.jpg'  # 替换为实际图片路径
    output_image = 'output.png'
    secret_message = "Hello, Steganography!"

    # 编码
    encode_image(input_image, output_image, secret_message)

    # 解码
    decoded_message = decode_image(output_image)
    print("解码出的信息:", decoded_message)

截图如下：