【图像隐藏】基于LSB编码算法实现图像中嵌入隐藏图像附Matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

图像隐藏技术通过将秘密信息（如文本、图像、音频）嵌入到载体图像中，实现信息的隐蔽传输或存储，在版权保护、秘密通信等领域具有重要应用。其中，最低有效位（Least Significant Bit, LSB）编码算法因其实现简单、隐蔽性较好，成为图像隐藏的经典方法。本文将详细介绍如何利用 LSB 算法在载体图像中嵌入隐藏图像，并解析其原理、步骤与效果。

一、图像隐藏与 LSB 算法基础

1.1 图像隐藏的核心目标

图像隐藏的本质是在不影响载体图像视觉效果的前提下，将秘密信息（隐藏图像）嵌入其中，需满足三个核心要求：

• 隐蔽性：嵌入秘密信息后的载体图像（含密图像）与原始载体图像在视觉上无明显差异，避免引起第三方怀疑。

• 鲁棒性：含密图像经过一定程度的干扰（如压缩、噪声、裁剪）后，仍能正确提取出隐藏图像。

• 容量：载体图像能嵌入的秘密信息大小需满足实际需求（如隐藏图像的分辨率不能超过载体图像的承载能力）。

1.2 LSB 算法的原理

数字图像由像素点组成，每个像素的颜色通常由红（R）、绿（G）、蓝（B）三个通道表示，每个通道的取值范围为 0-255（8 位二进制数）。例如，一个红色像素的 RGB 值可能为（255, 0, 0），其二进制表示为：

• R：11111111

• G：00000000

• B：00000000

LSB 算法利用像素通道的最低有效位（即二进制数的最后一位）进行信息嵌入。由于最低有效位对像素颜色的影响极小（如 R 通道从 11111111 变为 11111110，对应十进制从 255 变为 254，人眼几乎无法察觉），因此能保证隐蔽性。

例如，若要在 R 通道嵌入二进制位 “1”，只需将该通道的最低位改为 1（如 11111110 → 11111111）；嵌入 “0” 则改为 0（如 11111111 → 11111110）。

二、基于 LSB 算法的图像嵌入步骤

2.1 载体图像与隐藏图像的预处理

1. 图像格式与尺寸要求：

• 载体图像需为无损格式（如 BMP、PNG），避免压缩导致像素值失真；隐藏图像可选择无损格式，尺寸需小于载体图像（通常要求隐藏图像的像素总数不超过载体图像像素总数的 1/8，因每个像素最多可嵌入 3 位信息，对应 RGB 三个通道）。

• 示例：载体图像为 512×512 像素（262144 像素），则最大可嵌入的隐藏图像尺寸约为 170×170 像素（28900 像素，28900×8 ≤ 262144×3）。

1. 图像转为二进制流：

• 将隐藏图像的每个像素按 RGB 通道拆分，每个通道的 8 位二进制数转换为 1 位二进制流（通常取每个通道的最高位，因高位包含更多图像信息）。例如，隐藏图像某像素的 R 通道值为 128（10000000），取最高位 “1” 作为待嵌入的二进制位。

• 最终得到隐藏图像的二进制流（如 “10100110...”），并在流的末尾添加结束标识（如 “11111111”），方便后续提取时判断结束位置。

2.2 嵌入过程：将隐藏图像写入载体图像

1. 遍历载体图像像素：按行优先顺序遍历载体图像的每个像素，依次处理 R、G、B 三个通道。

1. 嵌入二进制位：对每个通道，将其最低有效位替换为隐藏图像二进制流中的一位。例如：

• 载体 R 通道二进制：10101010（最低位为 0）

• 待嵌入二进制位：1

• 嵌入后 R 通道二进制：10101011（最低位变为 1）

1. 终止条件：当隐藏图像的二进制流全部嵌入，或遍历完载体图像所有像素时停止。

2.3 含密图像的生成

将嵌入完成后的像素值重新组合为 RGB 通道，保存为新的图像文件（如 PNG 格式），即得到含密图像。此时，含密图像与原始载体图像的视觉差异可忽略不计。

三、隐藏图像的提取步骤

提取过程是嵌入过程的逆操作，无需原始载体图像即可完成：

1. 读取含密图像：按行优先顺序遍历含密图像的每个像素，提取 R、G、B 三个通道的最低有效位。

1. 重组二进制流：将提取的最低有效位按顺序拼接，形成隐藏图像的二进制流，直到遇到结束标识 “11111111”。

1. 恢复隐藏图像：将二进制流按 8 位一组转换为十进制数，重组为 RGB 通道值，还原为隐藏图像的像素矩阵，最终生成隐藏图像文件。

四、实验效果与关键注意事项

4.1 实验案例

• 载体图像：512×512 像素的风景 PNG 图像（如图 1 左）。

• 隐藏图像：128×128 像素的 LOGO 图像（如图 1 中）。

• 含密图像：嵌入后与载体图像视觉无差异（如图 1 右）。

• 提取结果：提取的隐藏图像与原始隐藏图像的峰值信噪比（PSNR）为 48.2dB，接近无损恢复。

4.2 隐蔽性评估

通过计算载体图像与含密图像的均方误差（MSE） 和峰值信噪比（PSNR） 评估隐蔽性：

• MSE 越小（理想为 0），PSNR 越大（理想 > 30dB），说明差异越小。

• 实验中，LSB 算法的 MSE 通常 <1，PSNR>50dB，人眼无法区分载体与含密图像。

4.3 局限性与优化方向

1. 鲁棒性不足：含密图像经过压缩（如转为 JPG）或噪声干扰后，最低有效位易被破坏，导致隐藏图像提取失真。

• 优化：采用多比特嵌入（如修改最低 2 位），或结合纠错编码（如 CRC、汉明码）增强抗干扰能力。

1. 容量限制：受限于载体图像尺寸，无法嵌入过大的隐藏图像。

• 优化：使用自适应嵌入，在纹理复杂区域（如树叶、水面）嵌入更多比特（因复杂区域的像素变化更难察觉），在平滑区域（如天空）嵌入较少比特。

1. 安全性较低：易被第三方通过统计分析（如像素值最低位的分布异常）检测到隐藏信息。

• 优化：先对隐藏图像进行加密（如 AES 加密），再嵌入载体图像，提高安全性。

五、总结与应用场景

LSB 编码算法以其简单高效的特点，成为图像隐藏的入门级方案，适合对隐蔽性要求高、对鲁棒性要求较低的场景，如：

• 数字水印：在图像中嵌入版权信息，用于版权保护。

• 秘密通信：通过公开图像传输隐蔽信息，避免被监听。

• 数据备份：将重要小图像隐藏在日常照片中，实现隐蔽存储。

尽管存在鲁棒性不足等问题，LSB 算法仍是理解图像隐藏原理的基础。后续可结合深度学习（如用 CNN 生成更鲁棒的含密图像）或混沌加密技术，进一步提升性能。如果需要实现更复杂的图像隐藏系统，建议在 LSB 基础上引入上述优化策略，平衡隐蔽性、鲁棒性与容量。

⛳️ 运行结果

📣 部分代码;

dataInDec = targetImageInGray;

dataInDecMasked = maskLast_N_bits(dataInDec, N );

section_getImageBitStream;

givenLengthOfTextBits = bitStreamLength;

dataInDec_WithInsertedBits = insertIntoLSB_bits(dataInDecMasked, bitStreamOfImageToHide, N );

bitStream = extract_N_bitsFromLSB( dataInDec_WithInsertedBits, N, givenLengthOfTextBits );

bitStream = bitStream(1:givenLengthOfTextBits);

%intArray = bitStreamToIntArray( bitStreamOfImageToHide );

intArray = bitStreamToIntArray( bitStream );

% recover hidden image

targetImageInGray_Reconstructed = reshape(intArray, newRowSize, newColSize);

section_plotForGrayScale_ImageWithinImage;

numberOfBitsAvailableForInsertingBits = prod(size(targetImageInGray))*N;

numberOf_bytesHidden = newRowSize * newColSize;

fprintf('Number of Bytes Hidden: %d\n', numberOf_bytesHidden);

fprintf('Number of Bits Hidden: %d\n', givenLengthOfTextBits);

fprintf('Number of Bits Space Available for Hiding: %d\n', numberOfBitsAvailableForInsertingBits);

fprintf('Utility: %5.5f %%\n', (givenLengthOfTextBits/numberOfBitsAvailableForInsertingBits)*100);

🔗 参考文献

[1]邹娟,贾世杰.基于LSB图像隐藏系统的设计与实现[J].计算机技术与发展, 2007, 17(5):3.DOI:10.3969/j.issn.1673-629X.2007.05.035.

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇

5 往期回顾扫扫下方二维码