MATLAB LSB图像信息隐藏 最低位平面验证 以及PSNR SSIM评价

​
一、算法原理

1.位平面定义
定义：对于一幅用多个比特表示其灰度值的图像来说，其中的每个比特可看作表示了一个二值的平面，也称为图像的位平面。

2. LSB算法介绍
LSB是Least Singificant Bit的缩写, 意思是最不重要比特位。LSB算法利用了数字图像处理中位平面的原理, 即改变图像的最低位的信息, 对图像信息产生的影响非常小,人眼的视觉感知系统往往不能察觉。以一幅256灰度的图像为例, 256灰度共需要8个位来表示, 但其中每一个位的作用是不一样的, 越高位对图像的影响越大, 反之越低的位影响越小, 甚至不能感知。LSB 算法简单实现容易, 同时可以保证数字水印的不可见性, 由于可以在最低位的每个像素上都插入数字水印信息, 因此有较大的信息嵌入量。但是由于数字水印位于图像的不重要像素位上, 因此很容易被图像过滤、量化和几何型变等操作破坏, 以致无法恢复数字水印。

3.  基本评价指标峰值信噪比 PSNR

       峰值信噪比 PSNR

PSNR（Peak Signal to Noise Ratio），即峰值信噪比，是一种比较简单的全参考图像质量评价指标，其计算公式如下：

公式中，MAX为每个像素分量的最大误差，d为每个像素分量的位深；MSE为该分量画面的均方差，SSE为该分量画面的和方差，S为该分量画面的像素数，X和Y分别表示待评价图像和参考图像（顺序无关），它们都是H行W列的图像，X(h,w)表示待评价图像第h行第w列的像素值，Y(h,w)表示参考图像第h行第w列的像素值。

上述计算过程得到的是1个分量（Y、Cb、Cr、R、G、B）的PSNR值。要计算整帧的PSNR值，应基于整帧的MSE值，它是所有分量MSE值的加权平均：