基于DCT变换和Sobel边缘检测的数字图像权限控制

最新推荐文章于 2025-10-07 10:23:44 发布
原创 最新推荐文章于 2025-10-07 10:23:44 发布 · 2.1k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#dst #ios #delete #image #string #c

本文详细介绍了数字图像权限控制的实现过程，包括图像分块、DCT变换、水印添加、Sobel边缘检测等关键步骤，并通过代码展示了如何使用OpenCV库进行图像处理，最终生成认证码作为权限标识。

        之前学长带我做一个数字图像权限控制的Demo程序，其大体过程是这样的：先将一幅图像进行8X8分块的DCT变换，这时候每个分块的左上角像素的能量是最高的（最亮），这时取出每个分块的左上角的像素值组成一个新的矩阵，然后为其加水印（水印图像的尺寸与矩阵尺寸一致），再对其进行Sobel边缘检测，进行二值化，最后将二值化后的信息与用户信息进行哈希处理生成一个认证码作为该用户对图像的权限标识。

        以下是我的代码（哈希那一部分太弱智了，见笑了）：

// OpenCV_Helloworld.cpp : Defines the entry point for the console application.
//

#include "stdafx.h"

#include <cv.h>
#include <cxcore.h>
#include <highgui.h>
#include <fstream>
#include <iostream>
#include <bitset>

#define pi 3.14159



using namespace std;

/*
	src--变换源矩阵		dst--变换目的矩阵
	xbegin--需要变换的8*8矩阵的在原始矩阵中的起始行坐标  ybegin--起始列坐标
	imgwidth--图像的宽度	imgheight--图像的高度
*/
void DCT_8X8(double *src,double *dst,int imgwidth,int imgheight);
//矩阵相乘
void matXmat(double * a,double *b,double *res,int len);
//计算变换矩阵
void A(double *src,int x);
//计算逆矩阵
void AT(double *src,double *dst,int x);
//索贝尔变换
void sobel(double *src,double *dst,int len);
//将用户ID经散列后得到长度为64x64的01串
void userIdHash(string userId,unsigned int* res,unsigned int length);

int _tmain(int argc, _TCHAR* argv[])
{
		//原始图像512x512 24位
		IplImage *imgS = cvLoadImage("lena.jpg");
		//水印图像64x64   24位
		IplImage *imgWM = cvLoadImage("hnu.jpg");
        
		//cvNamedWindow("Image:",1);
        //cvShowImage("Image:",img);

		//printf("step:%d,origin:%d,bitDepth:%d,Channel:%d,width:%d,height:%d\n",img->widthStep,img->origin,img->depth,img->nChannels,img->width,img->height);
		
//对源图像进行的操作
		int step = imgS->widthStep;
		int x = imgS->width;
		int y = imgS->height;
		
		
		//将原图像由RGB彩色系统转换为YUV系统,只获取YUV中的Y
		double *YS = new double[y*x];
		//ofstream out;
		//out.open("Y.txt",ios::out|ios::trunc);

		for(int i = 0;i < y;i++)
		{
			for(int j = 0;j < x;j++)
			{

				YS[i*y+j] = ((int)((uchar*)(imgS->imageData + step * i))[j*3])*0.114 + ((int)((uchar*)(imgS->imageData + step * i))[j*3+1])*0.587 + ((int)((uchar*)(imgS->imageData + step * i))[j*3+2])*0.299;
				//out<<Y[i*x+j]<<" ";
			}
			//out<<endl<<endl<<endl<<endl;

		}

		//out.close();

		//对原图像的每个8x8分块进行DCT 变换
		double *afterDCT = new double[y*x];
		
		DCT_8X8(YS,afterDCT,x,y);
		
		//保存每个DCT变换后的8X8矩阵的左上角的值
		int xi = x/8,yj=y/8;
		int len = xi>yj?yj:xi;


		double *left_top = new double[len*len];
		for(int m=0;m<len;m++)
		{
			for(int n=0;n<len;n++)
			{
				*(left_top + m*len + n) = *(afterDCT + 8*m*x + 8*n);

			}
		}
	

		//对每个8X8的块的左上角值组成的新矩阵进行sobel边缘检测	经测试，阈值取1650比较好
		double *dstS = new double[len*len];
		unsigned int * SRC = new unsigned int[len*len];
		
		IplImage *sobelimgS = cvCreateImage(cvSize(len,len),IPL_DEPTH_8U,1);
		

		sobel(left_top,dstS,len);		
		for(int k=0;k<len;k++)
			for(int o=0;o<len;o++)
			{	
				if(*(dstS + k*len + o) > 1650)
				{
					*(sobelimgS->imageData + k*len + o) = 255;
					*(SRC + k*len + o) =1;
				}
				else
				{
					*(sobelimgS->imageData + k*len + o) = 0;
					*(SRC + k*len + o) = 0;
				}
			}
			
		char c[40];
		sprintf_s(c,"lena_%d.bmp",1650);
		cvSaveImage( c,sobelimgS);



//对水印图像进行的操作
		int h = imgWM->height;
		int w = imgWM->width;
		int sw = imgWM->widthStep;

		//将水印图像由RGB彩色系统转换为YUV系统,只获取YUV中的Y
		double *YWM = new double[h*w];
		
		//ofstream out;
		//out.open("Y.txt",ios::out|ios::trunc);

		for(int i = 0;i < h;i++)
		{
			for(int j = 0;j < w;j++)
			{

				YWM[i*h+j] = ((int)((uchar*)(imgWM->imageData + sw * i))[j*3])*0.114 + ((int)((uchar*)(imgWM->imageData + sw * i))[j*3+1])*0.587 + ((int)((uchar*)(imgWM->imageData + sw * i))[j*3+2])*0.299;
				//out<<Y[i*x+j]<<" ";
			}
			//out<<endl<<endl<<endl<<endl;

		}

		//out.close();


		//直接对图像进行sobel边缘检测
		IplImage *sobelimgWM = cvCreateImage(cvSize(imgWM->width,imgWM->width),IPL_DEPTH_8U,1);
		double * dstWM = new double[sobelimgWM->width * sobelimgWM->height];
		
		unsigned int *DST = new unsigned int[h*w];

		sobel(YWM,dstWM,sobelimgWM->width);

		for(int k=0;k<sobelimgWM->width;k++)
			for(int o=0;o<sobelimgWM->width;o++)
			{	
				if(*(dstWM + k*(sobelimgWM->width) + o) > 550)
				{
					*(sobelimgWM->imageData + k*(sobelimgWM->width) + o) = 255;
					*(DST + k*(sobelimgWM->width) + o) = 1;
				}
				else
				{
					*(sobelimgWM->imageData + k*(sobelimgWM->width) + o) = 0;
					*(DST + k*(sobelimgWM->width) + o) = 0;
				}
			}

		sprintf_s(c,"hnu_%d.bmp",550);
		cvSaveImage( c,sobelimgWM);
	
		ofstream out;
		out.open("data.txt",ios::out|ios::trunc);
		
		out<<"SRC:\n";
		for(int ii = 0;ii<len;ii++)
		{
			for(int jj = 0;jj<len;jj++)
				out<<(*(SRC + ii*len + jj))<<" ";
			out<<endl;
		}
		out<<endl<<endl<<endl<<"DST:\n";
		for(int ii = 0;ii<len;ii++)
		{
			for(int jj = 0;jj<len;jj++)
				out<<(*(DST + ii*len + jj))<<" ";
			out<<endl;
		}
		


		//认证码
		unsigned int *code = new unsigned int[len*len];
		out<<endl<<endl<<endl<<"XOR:\n";
                //加水印（异或操作）
                unsigned int temp1,temp2;
		for(int ii = 0;ii<len;ii++)
		{
			for(int jj = 0;jj<len;jj++)
			{
				temp1 = *(DST + ii*len + jj);
				temp2 = *(SRC + ii*len + jj);
				*(code + ii*len +jj) = (temp1^temp2);
				out<<(*(code + ii*len +jj))<<" ";
			}
			
			out<<endl;
		}


		//加了水印后的图像
		IplImage *imgww = cvCreateImage(cvSize(len,len),IPL_DEPTH_8U,1);

		out<<endl<<endl<<endl<<endl<<endl<<"RES:\n";
		for(int ii = 0;ii<len;ii++)
		{
			for(int jj = 0;jj<len;jj++)
			{
				out<<(*(SRC + ii*len +jj))<<" ";
			}
			out<<endl;

			for(int jj = 0;jj<len;jj++)
			{
				out<<(*(DST + ii*len +jj))<<" ";
			}
			out<<endl;

			for(int jj = 0;jj<len;jj++)
			{
				if((*(code + ii*len +jj)) == 1)
					*(imgww->imageData + len * ii + jj) = 255;
				else
					*(imgww->imageData + len * ii + jj) = 0;

				out<<(*(code + ii*len +jj))<<" ";
			}
			out<<endl<<endl<<endl;
		}


		out.close();

		sprintf_s(c,"imgWithwatermark.bmp");
		cvSaveImage( c,imgww);
		


		out.open("userHash.txt",ios::out|ios::trunc);
		//out<<0<<" "<<1<<endl;
		out<<endl;
		unsigned int * id = new unsigned int[64*64];
		for(int tt = 0;tt<64*64;tt++)
			id[tt] = 0;
			
		userIdHash("zxc_20081610125",id,64*64);

        for(int rr=0;rr<64*64;rr++)
		{
			if((*(id+rr)) == 1)
				out<<"1"<<" ";
			else
				out<<"0"<<" ";
		}
		out.close();
		//int i;cin>>i;
		delete [] id;
		//cvShowImage("sebol:",pic);
		//cvShowImage("sobel:",sobelimg);
		//cvWaitKey();
		//cvDestroyWindow("sobel:");


		cvReleaseImage(&imgS);
		cvReleaseImage(&imgWM);
		cvReleaseImage(&sobelimgS);
		cvReleaseImage(&sobelimgWM);
		//cvReleaseImage(&pic);

		delete [] YS;
		delete [] YWM;
        delete [] afterDCT;
		delete [] left_top;
		delete [] dstS;
		delete [] dstWM;

		delete [] SRC;
		delete [] DST;
		delete [] code;

		return 0;
}


void DCT_8X8(double *src,double *dst,int imgwidth,int imgheight)
{
	double a[8*8],at[8*8],temp1[8*8],temp2[8*8];
	A(a,8);
	AT(a,at,8);
	
	int i = imgwidth/8,j=imgheight/8;
	int len = i>j?j:i;


	for(int m=0;m<len;m++)
	{
		for(int n=0;n<len;n++)
		{
			
			for(int q=0;q<8;q++)
				for(int w=0;w<8;w++)
				{
					*(temp1 + q*8 + w) = *(src +(8*m+q)*imgwidth + 8*n + w);
				}
			

			matXmat(a,temp1,temp2,8);
			matXmat(temp2,at,temp1,8);

			for(int r=0;r<8;r++)
				for(int t=0;t<8;t++)
				{
					*(dst +(8*m+r)*imgwidth + 8*n + t) = *(temp1 + r*8 + t);
				}
		}
	}
}

void A(double *src,int x)
{
	for(int i=0;i<x;i++)
		for(int j =0;j<x;j++)
		{
			*(src+i*x+j) = sqrt((i==0?1:2)/(x*1.0))*cos(pi*(2.0*j+1)*i/(x*2));
		}
}

void AT(double *src,double *dst,int x)
{
	for(int i=0;i<x;i++)
		for(int j =0;j<x;j++)
		{
			*(dst+j*x+i) = *(src+i*x+j);
		}
}

void matXmat(double * a,double *b,double *res,int len)
{
	double temp;
	for(int i=0;i<len;i++)
	{
		for(int j = 0 ;j<len ; j++)
		{   
			temp = 0.0;
			for(int k=0 ; k<len;k++)
				temp+=(*(a + i*len + k)) * (*(b + k*len + j));
			

			*(res + i*len + j) = temp;
		}
	}
}

void sobel(double *src,double *dst,int len)
{
	int i,j;
	double tempx,tempy;
	for(j = 0;j<len;j++)
	{
		for(i=0;i<len;i++)
			*(dst + j*len + i) = 0;
	}

	for(j = 1;j<len-1;j++)
	{
		for(i=1;i<len-1;i++)
		{
			//x方向
			tempx = (*(src + (j-1)*len + i+1)) - (*(src + (j-1)*len + i-1)) + 2*((*(src + j*len + i+1))-(*(src + j*len + i-1))) + ((*(src + (j+1)*len + i+1))-(*(src + (j+1)*len + i-1)));
			//y方向
			tempy = (*(src + (j-1)*len + i-1)) - *(src + (j+1)*len + i-1) + 2*((*(src + (j-1)*len + i))-(*(src + (j+1)*len + i))) + (*(src + (j-1)*len + i+1)) - (*(src + (j+1)*len + i+1));
			
			//将梯度存入dst
			*(dst + j*len + i ) = sqrt(tempx*tempx + tempy*tempy);
			//cout<<*(dst + j*len + i )<<" ";
		}
		//cout<<endl;
	}
}

void userIdHash(string userId,unsigned int* res,unsigned int length)
{
	char ch;
	for(unsigned int i=0;i<userId.length();i++)
	{
		ch=userId[i];
		bitset<8> bits((int)ch);
		
		for(int j=0;j<8;j++)
		{
			if((unsigned int)(8*i+7) < length)
			{
				bool a = bits.at(7-j);
				if(a)
					*(res + 8*i +j) = 1;
				else
					*(res + 8*i +j) = 0;

					//res[8*i+j] = 1;
			}

			//cout<<*(res + 8*i +j)<<" ";
		}
	}
}

原图：


水印图：

最终结果：


基于离散余弦变换（DCT）和Sobel边缘检测的数字图像权限控制与边缘计算
GudcSql的博客
09-22 90
本文将介绍基于离散余弦变换（DCT）和Sobel边缘检测的数字图像权限控制方法，并提供相应的源代码。综上所述，基于离散余弦变换和Sobel边缘检测的数字图像权限控制与边缘计算方法可以通过结合频域分析和边缘检测，实现对数字图像的保护和处理。DCT具有压缩图像和能量集中的特性，可以减少图像数据的维度并保留图像的重要信息。Sobel边缘检测算法通过计算图像中每个像素点的水平和垂直方向上的梯度值，来检测图像的边缘。最后，根据边缘图像的结果，我们可以进行相应的权限控制操作。
opencv学习笔记——C++读入bmp图像数据后，转为mat型矩阵，并显示输出
wanty_chen的博客
04-20 1万+
在开始之前，我们先介绍一下mat类的用法：1、mat类存储图像Mat类是OpenCV里使用广泛的一个类，其中最重要的一个作用就是作为存储图像的数据结构。那么Mat类如何存储的图像呢？       我们都知道图像分为彩色图像和灰度图像，这里我有一个误区，一直认为彩色图像是一种三维矩阵，就是立方体的那种结构，一个图像分为三层。但是这种理解是错误的，其实在存储的图像不管是彩色的还是灰度图像，都是二维的矩...
数字图像处理（四）——图像编码技术（二）
朱坚强的博客
11-18 3887
变化编码 概念： 在图像变换域进行编码，相当于频域方法。 框图与步骤： 变换编码步骤：分离子图像—图像变换—系数量化（失真）—符号编码—符号解码—反变换—合并子图像 编码：分解子图像、变换、量化、符号编码 解码：符号解码、反变换、合并子图像 自适应变换编码：可以根据局部图像内容进行适应性调整 非自适应变换编码：变换编码步骤对所有子图像都是固定的 变换选择： 一般选择DCT（离散余弦变换） 理解...
数字图像处理 DCT变换
weixin_52779958的博客
04-25 1万+
一、实验目的 1、掌握使用MATLAB进行DCT变换的方法。 二、实验内容 使用 MATLAB 实现图像的DCT变换与逆变换，使用8*8的子图像进行变换编码。 三、实验步骤 1、对图像进行DCT变换并观察频谱，对DCT变换系数进行截断并使用截断后的系数进行逆变换，比较原图像与恢复后的图像。 Matlab： clear all; close all; I = imread('lena.jpg'); img_gray = im2double(rgb2gray(I)); img_dct2 = dct2(img_g
数字图像处理（DCT变换）过滤掉低频信息，保留高频信息
weixin_56180495的博客
12-16 1355
将RGB图像分成三个通道，然后对每个通道进行DCT变换，过滤掉低频信息后再进行逆DCT变换，最后重新合并三个通道以生成处理后的图像。阈值的选择对于保留哪些频域信息至关重要，它会影响到最终图像的质量和细节！
DCT变换在图像压缩中的实现
热门推荐
lwwangfang的博客
08-17 3万+
对于各种信号，都可以说它是由多个振幅与频率不同的正弦或者余弦函数组成的。并且一个信号通常由一个直流信号DC（幅值保持不变的信号）和多个交流信号AC（幅值以某种频率周期性变化的信号）组成。而离散余弦变换（DCT)，就可以将一个源信号分解为DC分量和AC分量。 对于DCT来说，其定义为： 一维变换： 二维变换：在这当中，由于DCT变换时可分离的，所以，以8*8的图像块来说，可以先对列进行一维
基于DCT变换图像去噪算法的进一步优化（100W像素30ms）
weixin_39450742的博客
07-01 2157
本篇博文来自博主Imageshop，打赏或想要查阅更多内容可以移步至Imageshop。 转载自：https://www.cnblogs.com/Imageshop/p/9584024.html侵删 　　在优化IPOL网站中基于DCT（离散余弦变换）的图像去噪算法（附源代码）一文中，我们曾经优化过基于DCT变换的图像去噪算法，在那文所提供的Demo中，处理一副1000*1000左右的灰度噪音图像耗时约450ms，如果采用所谓的快速模式耗时约150ms，说实在的，这个速度确实还是有点慢，后续曾尝试...
7、图像和视频的加密技术与椭圆曲线密码学应用
最新发布
2y3u4i5o6p的博客
10-07 17
本文深入探讨了图像和视频的加密技术，涵盖空间域与频率域的多种加密方法及其性能评估参数，并重点介绍了椭圆曲线密码学（ECC）在多媒体加密中的应用。文章对比了ECC与RSA在安全性、效率和空间占用方面的优势，分析了不同加密技术在医疗影像、在线流媒体和生物特征认证等场景下的适用性，同时展望了结合人工智能、量子加密和多模态加密的未来发展趋势，为多媒体数据安全提供了全面的技术参考与实践建议。
【Java图像处理进阶】：图像水印技术的深度探索
![图像水印技术]...通过将水印嵌入到图像中，即便图像被非法复制和分发，原创作者仍然能够通过提取水印来证明其知识产权。 ## 1.2 图像水印技术的应用场景 图像水印技术广泛应用于数字媒体版权保护
深度剖析Hisilicon IP Camera图像处理技术：专家指南帮你掌握核心技术
随着数字图像处理技术的不断发展，Hisilicon IP Camera在图像处理领域的应用越来越广泛。本文首先概述了Hisilicon IP Camera图像处理技术的基本概念与原理，随后深入探讨了其硬件架构以及图像处理流水线。文章详细...
【图像接收软件开发秘籍】：打造PC端高效图像显示与处理程序
本文针对图像接收软件开发进行了全面的概述，探讨了图像处理的基础理论、PC端实践开发以及高级功能的实现，并最终涉及软件的测试与维护策略。在图像处理基础理论方面，本文深入分析了图像文件格式、解码原理、显示...
【图像隐写】离散余弦变换DCT和PN序列数字水印嵌入和提取（含PSNR）【含Matlab源码 3939期】
订阅付费专栏Matlab（奶茶价版）或下载付费资源，可赠送奶茶价版付费专栏指定代码1份；
02-23 1115
离散余弦变换DCT和PN序列数字水印嵌入和提取（含PSNR） 完整的代码，方可运行；可提供运行操作视频！适合小白！
【Opencv学习】图像表示原理及BMP格式图像的构成
weixin_42415138的博客
08-25 2024
计算机图像表示原理 计算机图像可以分为两类：位图（Bitmap）和矢量图（Metafile）。位图可以被看做是一个表格，整个图像由许多的矩形块组成，每个矩形代表一个点，点的个数等于位图的横向矩形块的个数乘上纵向矩形块的个数，每一个点则被称为像素点，而且每个像素点都有确定的颜色，因此形成了一幅完整的图像。通常使用的图像大部分是位图，如相机拍摄的照片，因为位图可以表示图像的细节，能够较好的还原现实场景。位图的缺点是体积比较大，因此产生了很多压缩图像格式来存储位图图像，目前应用最广的是JPEG格式，另外还有GIF
用 Image 和 cv2 库读取 BMP 图 像
YYANyk的博客
03-23 5249
本次内容中包含了图片的读取和写入，以及“图片融合”、‘图片拼接’、‘图片的灰度直方图展示’
24位色BMP文件的简单分析及示例程序
大海蓝天的专栏
11-20 3847
如果你的意图是做一个显示BMP文件的程序，那么请参阅BMP文件详细格式分析，如果你仅仅是想知道怎么从一个未压缩的24位色BMP文件中把数据点阵信息读出，用来做其它的用途（当然也包括显示图像），那么这篇文章会对你有帮助。虽然有很复杂的定义，但是我们平时使用的BMP文件都多是8位色或24位色的，而这两种格式中，以24位色最为普遍。可以通过查看文件偏移量地址001C,得到图形的色数。查看地址0000起的
bmp位图格式详细介绍-1/4/8/16/24/32bit、存储格式等
wkd_007的博客
12-07 3万+
详细介绍bmp位图文件的四个部分：位图文件头、位图信息头、调色板、位图数据，并且结合位图文件数据举例说明了什么是位图文件，bmp位图看这篇文章就差不多了
OpenCV使用教程-读取图像imread使用说明
weixin_44894162的博客
08-31 3223
OpenCV 读取图像文件，相关案例！
opencv读取自定义bmp灰度图片
一【￠Ｙ】月木木
08-18 8610
项目中图片文件非常大，是很多张图片（灰度图）的数据都放在一个此文件中，其实文件的头部还是bmp头部。 用opencv里边的cvLoadImage的话只能读取第一张图片的数据，因为读取图片的数据的多少是由文件头部的宽(width)与高(height)决定的。 于是就想能不能fopen该文件然后直接定位到文件的数据部分，然后把该部分的数据copy到opencv的imageData中，就能使用ope
BMP24位照片格式
weixin_34146986的博客
10-27 1364
BMP24位照片格式：BMP24是指这个照片格式里的一个像素是由三个字节组成的，为什么是三个字节呢，因为三原色：蓝，红，绿，三个字节分别记录着三原色，所以3*8=24。什么是像素？像素就是一个点，一个带点一种颜色。将图片放大后所看到的一个个点就是像素：文件由头个内容组成，头记载着这个文件的编码格式类型，文件的基本信息，如果是txt格式的文本文件是没有文件头的，在BMP24里...
基于DCT变换的数字图像压缩技术研究
数字图像处理是计算机视觉和计算机图形学领域的...在掌握这些知识后，研究者可以进一步探索其他图像压缩技术，如基于小波变换的压缩方法、基于深度学习的图像压缩技术等，从而在数字图像处理领域获得更深入的研究成果。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值