一，数字水印
最低有效位（Least Significant Bit,LSB）指的是一个二进制数中的第0位（即最低位）。最低有效位信息隐藏指的是，将一个需要隐藏的二值图像信息嵌入载体图像的最低有效位，即将载体图像的最低有效位层替换为当前需要隐藏的二值图像，从而实现将二值图像隐藏的目的。由于二值图像处于载体图像的最低有效位上，所以对于载体图像的影响非常不明显，其具有较高的隐蔽性。
这种信息隐藏也被称为数字水印，通过该方式可以实现信息隐藏、版权认证、身份认证等功能。例如，如果嵌入载体图像内的信息是秘密信息，就实现了信息隐藏；如果嵌入载体图像内的信息是版权信息，就能够实现版权认证；如果嵌入载体图像内的信息是身份信息，就可以实现数字签名，等等。所以，被嵌入载体图像内的信息也被称为数字水印信息。
数字水印信息可以是文本、视频、音频等多种形式，这里我们仅讨论数字水印信息是二值图像的情况。
最低有效位水印的实现包含嵌入过程和提取过程，下面对具体的实现方法进行简单介绍。
1.嵌入过程
嵌入过程完成的操作是，将数字水印信息嵌入载体图像内，其主要步骤如下。
（1）载体图像预处理
读取原始载体图像，并获取载体图像的行数M和列数N。
（2）建立提取矩阵
建立一个M×N大小、元素值均为254的提取矩阵（数组），用来提取载体图像的高七位。
（3）保留载体图像的高七位，将最低位置零
为了实现该操作，需要将载体图像与元素值均为254的提取矩阵进行按位与运算。
将一个值在[0,255]之间的像素值P与数值254进行按位与运算，则会将像素值P的最低有效位置零，只保留其高七位。
（4）水印图像处理
有些情况下需要对水印进行简单处理。例如，当水印图像为8位灰度图的二值图像时，就需要将其转换为二进制二值图像，以方便将其嵌入载体图像的最低位。
（5）嵌入水印
将原始载体图像进行“保留高七位、最低位置零”的操作后，我们得到一幅新的图像，将新图像与水印图像进行按位或运算，就能实现将水印信息嵌入原始载体图像内的效果。
（6）显示图像
完成上述处理后，分别显示原始载体图像、水印图像、含水印图像。
2.提取过程
提取过程将完成数字水印的提取，具体步骤如下。
（1）含水印载体图像处理
读取包含水印的载体图像，获取含水印载体图像的大小M×N。
（2）建立提取矩阵
定义一个与含水印载体图像等大小的值为1的矩阵（数组）作为提取矩阵。
（3）提取水印信息
将含水印载体图像与提取矩阵进行按位与运算，提取水印信息。
（4）计算去除水印后的载体图像
有时需要删除包含在水印载体图像内的水印信息。通过将含水印载体图像的最低有效位置零，即可实现删除水印信息。
（5）显示图像
根据需要，分别显示提取出来的水印图像WG、删除水印信息的载体图像ODW。
例：编写程序，模拟数字水印的嵌入和提取过程
# 编写程序，模拟数字水印的嵌入和提取过程 import cv2 import numpy as np # 读取原始载体图像 gray1=cv2.imread("gray1.jpg",0) # 读取水印图像 watermark=cv2.imread("watermark.png",0) # 将水印图像内的值255处理为1，以方便嵌入 # 后续章节会介绍使用threshold处理 w=watermark[:,:]>0 watermark[w]=1 # 读取原始载体图像的shape值 r,c=gray1.shape # ----------------------嵌入式过程------------------------ # 生成元素值都是254的数组 t254=np.ones((r,c),dtype=np.uint8)*254 # 获取girl图像的高七位 gray1H7=cv2.bitwise_and(gray1,t254) # 将watermark嵌入girlH7内 e=cv2.bitwise_or(gray1H7,watermark) # ----------------------提取过程-------------------------- # 生成元素值都是1的数组 t1=np.ones((r,c),dtype=np.uint8) # 从载体图像内提取水印图像 wm=cv2.bitwise_and(e,t1) print(wm) # 将水印图像内的值1处理为255,以方便显示 # 后续章节会介绍使用threshold实现 w=wm[:,:]>0 wm[w]=255 # ------------------------显示--------------------------- cv2.imshow("gray1",gray1) cv2.imshow("watermark",watermark*255) #当前watermark内最大值为1 cv2.imshow("e",e) cv2.imshow("wm",wm) cv2.waitKey() cv2.destroyAllWindows()输出结果如下：
二， 脸部打码及解码
例：编写程序，使用掩码对lena图像的脸部进行打码，解码
# 编写程序，使用掩码对lena图像的脸部进行打码，解码 import cv2 import numpy as np # 读取原始载体图像 girl=cv2.imread("girl.png",0) # 读取原始载体图像的shape值 r,c=girl.shape mask=np.zeros((r,c),dtype=np.uint8) mask[130:250,120:250]=1 # 获取一个key,打码，解码所使用的密钥 key=np.random.randint(0,256,size=[r,c],dtype=np.uint8) # ===============获取打码脸================== # 使用密钥Key对原始图像girl加密 girlXorKey=cv2.bitwise_xor(girl,key) # 获取加密图像的脸部信息encryptFace encryptFace=cv2.bitwise_and(girlXorKey,mask*255) # 将图像girl内的脸部值设置为0，得到noFace1 noFace1=cv2.bitwise_and(girl,(1-mask)*255) # 得到打码的图像girl图像 maskFace=encryptFace+noFace1 # ================将打码脸解码=============== # 将脸部打码的girl于密钥key进行异或运算，得到脸部的原始信息 extractOriginal=cv2.bitwise_xor(maskFace,key) # 将解码的脸部信息extractOriginal提取出来，得到extractFace extractFace=cv2.bitwise_and(extractOriginal,mask*255) # 从脸部打码的girl内提取没有脸部信息的girl图像，得到noFace2 noFace2=cv2.bitwise_and(maskFace,(1-mask)*255) # 得到解码的girl图像 extractGirl=noFace2+extractFace # =================显示图像====================== cv2.imshow("girl",girl)#原始图像girl，本程序要对其脸部进行打码 cv2.imshow("mask",mask*255)#模板图像mask，其中白色区域的像素值为1，黑色区域的像素值为0 cv2.imshow("1-mask",(1-mask)*255)#模板图像mask的反色图 cv2.imshow("key",key)#密钥图像key，该图像使用随机数生成 cv2.imshow("girlXorKey",girlXorKey)#整体打码图像，是将图像 girl和密钥图像key进行异或运算得到的 cv2.imshow("encryptFace",encryptFace)#从整体打码图像内提取的脸部打码图像encryptFace cv2.imshow("noFace1",noFace1)#是从图像girl内提取的不包含脸部信息的图像 noFace1 cv2.imshow("maskFace",maskFace)#对图像lena的脸部进行打码的结果图像maskFace cv2.imshow("extractOriginal",extractOriginal)#提取的初步原始图像extractOriginal cv2.imshow("extractFace",extractFace)#从提取的初步原始图像extractOriginal中提取的脸部图像extractFace cv2.imshow("noFace2",noFace2)#从脸部打码的结果图像maskFace内提取的不包含脸部信息的图像noFace2 cv2.imshow("extractGirl",extractGirl)#最终的脸部解码结果图像 extractGirl cv2.waitKey() cv2.destroyAllWindows()输出结果如下：
三，用例图片
gray1.jpg
watermark.png
girl.png
扫一扫
3979
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
