DCT变换隐写python实现

目 录
1 信息隐藏与数字水印算法的概要设计 1
2 信息隐藏与数字水印算法的可行性分析 2
3 信息隐藏与数字水印算法的详细设计 3
4 编码及测试 4
5 组内分工 6
6 心得 7
7 附录：程序源代码 8
2信息隐藏与数字水印算法的可行性分析
DCT是正交变换，它可以将8x8图像空间表达式转换为频率域，只需要用少量的数据点表示图像；DCT 产生的系数很容易被量化，因此能获得好的块压缩；DCT算法的性能很好，它有快速算法，如采用快速傅立叶变换可以进行高效的运算，因此它在硬件和软件中都容易实现；而且DCT算法是对称的，所以利用逆DCT算法可以用来解压缩图像。在基于DCT的变换编码中，图像是先经分块（8×8或16×16）后再经DCT，这种变换是局部的，只反映了图像某一部分的信息。当然也可以对整幅图像的特点，但是运算速度比分块DCT要慢。图像经DCT后，得到的DCT图像有三个特点：
(1). 系数值全部集中到0值附近（从直方图统计的意义上），动态范围很小，这说明用较小的量化比特数即可表示DCT系数；
(2). DCT变换后图像能量集中在图像的低频部分，即DCT图像中不为零的系数大部分集中在一起（左上角），因此编码效率很高。
(3). 没有保留原图像块的精细结构，从中反映不了原图像块的边缘、轮廓等信息，这一特点是由DCT缺乏时局域性造成的。
在嵌入过程中，水印嵌入经变换后的数据块，不可见性较好；采用比较中频系数法，并参考JEPG压缩模型，提高水印的抗压缩能力；水印的嵌入位置经大量试验选择在分块DCT域的中频段，可在鲁棒性和透明性之间得到较好的协调。

3信息隐藏与数字水印算法的详细设计
（1）DCT数字水印嵌入算法流程
在图片嵌入程序中，首先读取水印图片sss.bmp，通过rgb2gray函数使其变成灰度图，然后通过im2bw函数是水印图像变成二值图，同时记录下水印图像的长rm和宽cm，以同样的方法读取载体图片cover_image.bmp。本文转载自http://www.biyezuopin.vip/onews.asp?id=13912 DCT变换把水印图片分成8X8的矩阵之后，通过after(x+i,y+j)=before(x+i,y+j)+alpha*k(1)，在结果矩阵的中频段嵌入水印，然后通过blkproc函数做DCT逆变换后输出保存在markresule.bmp图片中。

图2.DCT数字水印嵌入算法流程

markbefore=imread('sss.bmp');
markbefore2=rgb2gray(markbefore);
mark=im2bw(markbefore2);    %使水印图像变为二值图
figure(1);      %打开窗口
subplot(2,3,1);    %该窗口内的图像可以有两行三列
imshow(mark),title('水印图像');   %显示水印图像
[rm,cm]=size(mark);   %计算水印图像的长宽
cover_image=imread('carrier_image.bmp');
cover_image=rgb2gray(cover_image);
subplot(2,3,2),imshow(cover_image,[]),title('载体图像'); %[]表示显示时灰度范围为image上的灰度最小值到最大值
before=blkproc(cover_image,[8 8],'dct2');   %将载体图像的灰度层分为8×8的小块，每一块内做二维DCT变换，结果记入矩阵before
I=mark;
alpha=30;     %尺度因子,控制水印添加的强度,决定了频域系数被修改的幅度
k1=randn(1,8);  %产生两个不同的随机序列
k2=randn(1,8);
after=before;   %初始化载入水印的结果矩阵
for i=1:rm          %在中频段嵌入水印
    for j=1:cm
        x=(i-1)*8;
        y=(j-1)*8;
        if mark(i,j)==1
            k=k1;
        else
            k=k2;
        end;
        after(x+1,y+8)=before(x+1,y+8)+alpha*k(1);
        after(x+2,y+7)=before(x+2,y+7)+alpha*k(2);
        after(x+3,y+6)=before(x+3,y+6)+alpha*k(3);
        after(x+4,y+5)=before(x+4,y+5)+alpha*k(4);
        after(x+5,y+4)=before(x+5,y+4)+alpha*k(5);
        after(x+6,y+3)=before(x+6,y+3)+alpha*k(6);
        after(x+7,y+2)=before(x+7,y+2)+alpha*k(7);
        after(x+8,y+1)=before(x+8,y+1)+alpha*k(8);
    end;
end;
result=blkproc(after,[8 8],'idct2');    %将经处理的图像分为8×8的小块，每一块内做二维DCT逆变换
result = uint8(result);
imwrite(result,'markresule.bmp','bmp');      %存储添加水印后的图像
subplot(2,3,3),imshow(result,[]),title('嵌入水印的图像');    %显示添加水印后的图像
%定义一个空空间来存储提取的水印
disp('请选择对图像的攻击方式：');
disp('1.添加白噪声');
disp('2.高斯低通滤波处理');
disp('3.对图像进行部分剪切');
disp('4.将图像旋转十度');
disp('5.将图像压缩处理');
disp('6.添加椒盐噪声');
disp('7.不处理图像，直接显示提取水印');
disp('输入其它数字则直接显示提取水印');
choice=input('请输入选择：');
figure(1);
switch choice        %读入输入的选择  withmark为等待提取水印的图像
    case 1
        result_1=result;
        withmark=imnoise(result_1,'gaussian',0.02); %加入高斯白噪声
        subplot(2,3,4);
        imshow(withmark,[]);
        title('加入高斯白噪声后的图像');     %显示加了高斯白噪声的图像
    case 2
         result_2=result;
         H=fspecial('gaussian',[4,4],0.2); 
         result_2=imfilter(result_2,H); 
         subplot(2,3,4); 
         imshow(result_2,[]); 
         title('高斯低通滤波后图像'); 
         withmark=result_2;
    case 3
        result_3=result;
        result_3(1:64,1:400)=512;   %使图像上方被剪裁
        subplot(2,3,4);
        imshow(result_3);
        title('上方剪切后图像');
        withmark=result_3;
    case 4
        result_4=imrotate(result,10,'bilinear','crop');   %双线性插值算法旋转10度
        subplot(2,3,4);
        imshow(result_4);
        title('旋转10度后图像');
        withmark=result_4;
    case 5
        result_5 = result; 
        result_5=im2double(result_5); 
        cnum=10; 
        dctm=dctmtx(8); 
        P1=dctm; 
        P2=dctm.'; 
        imageDCT=blkproc(result_5,[8,8],'P1*x*P2',dctm,dctm.'); 
        DCTvar=im2col(imageDCT,[8,8],'distinct').'; 
        n=size(DCTvar,1); 
        DCTvar=(sum(DCTvar.*DCTvar)-(sum(DCTvar)/n).^2)/n; 
        [dum,order]=sort(DCTvar); 
        cnum=64-cnum; 
        mask=ones(8,8); 
        mask(order(1:cnum))=zeros(1,cnum); 
        im88=zeros(9,9); 
        im88(1:8,1:8)=mask; 
        im128128=kron(im88(1:8,1:8),ones(16)); 
        dctm=dctmtx(8); 
        P1=dctm.'; 
        P2=mask(1:8,1:8); 
        P3=dctm; 
        result_5=blkproc(imageDCT,[8,8],'P1*(x.*P2)*P3',dctm.',mask(1:8,1:8),dctm); 
        WImage5cl=mat2gray(result_5); 
        subplot(2,3,4); 
        imshow(WImage5cl); 
        title('经JPEG压缩后图像'); 
        withmark=WImage5cl;
    case 6
        result_6=result;
        withmark=imnoise(result_6,'salt & pepper',0.02); %加入椒盐躁声
        subplot(2,3,4);
        imshow(withmark,[]);
        title('加入椒盐噪声后的图像');     %显示加了椒盐噪声的图像
    case 7
        subplot(2,3,4);
        imshow(result,[]);
        title('未受攻击的水印图像');
        withmark=result;
    otherwise
        disp('输入数字选择无效，图像未受攻击，直接提取水印');
        subplot(2,3,4);
        imshow(result,[]);
        title('未受攻击的水印图像');
        withmark=result;
end
after_2=blkproc(withmark,[8,8],'dct2');   %此步开始提取水印，将灰度层分块进行DCT变换
p=zeros(1,8);        %初始化提取数值用的矩阵
mark_2 = zeros(rm,cm);
for i=1:rm
    for j=1:cm
        x=(i-1)*8;y=(j-1)*8;
        p(1)=after_2(x+1,y+8);         %将之前改变过数值的点的数值提取出来
        p(2)=after_2(x+2,y+7);
        p(3)=after_2(x+3,y+6);
        p(4)=after_2(x+4,y+5);
        p(5)=after_2(x+5,y+4);
        p(6)=after_2(x+6,y+3);
        p(7)=after_2(x+7,y+2);
        p(8)=after_2(x+8,y+1);
        if corr2(p,k1)>corr2(p,k2)  %corr2计算两个矩阵的相似度，越接近1相似度越大
            mark_2(i,j)=1;              %比较提取出来的数值与随机频率k1和k2的相似度，还原水印图样
        else
            mark_2(i,j)=0;
        end
    end
end
subplot(2,3,5);
mark_2 = uint8(mark_2);
imshow(mark_2,[]),title('提取出的水印');
subplot(2,3,6);
imshow(mark),title('原嵌入水印');
N=correlation(mark_2,mark);  
disp('原水印图像与提取水印图像互相关系数:')
disp(N);