图像隐写，如何在图像中隐藏二维码-Toy模板网

这篇具有很好参考价值的文章主要介绍了图像隐写，如何在图像中隐藏二维码。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

一、前言

在某个App中有一个加密水印的功能，当帖子的主人开启了之后。如果有人截图，那么这张截图中就是添加截图用户、帖子ID、截图时间等信息，而且我们无法用肉眼看出这些水印。

这可以通过今天要介绍的隐写技术来实现，我们会通过这种技术，借助Python语言和OpenCV模块来实现在图像中隐藏二维码的操作。而且这个二维码无法通过肉眼看出。

二、隐写

隐写是一种类似于加密却又不同于加密的技术。通常情况下，加密是对数据本身进行一个转换，得到的结果是一堆人无法解读的数据，比如“你好”进行md5加密后的结果是“7eca689f0d3389d9dea66ae112e5cfd7”，如果光看“7eca689f0d3389d9dea66ae112e5cfd7”我们不知道内容，但是我们知道这应该是加密后的数据。隐写的目的同样是让只有接收方才能获取数据，但是隐写通常更加隐蔽，隐写更注重于不让第三方知道我发送的数据中有额外信息。

就像我们在电影中经常看到的一些剧情，一场看似普通的对话却隐含了许多外人不知道的信息，这实际上就是一种隐写。再比如“This is a pig”，看上去像一个普通的句子，如果通信双方规定“T、i、s”这些占三线格上两个的字母表示0，而“p、g”这种占三线格下两格的字母表示1，那么这句话就可以翻译成“0000000101”。而今天我们要介绍的是“最低有效位”隐写。

三、位平面分解

在介绍“最低有效位”隐写之前，需要了解一些图像相关的知识。这里包括数字图像、位平面、位平面分解。

3.1 图像

在计算机中，图像被表示为一个数字矩阵，每个数字被称为一个像素，它们的取值在[0, 255]区间，可以用8个二进制来表示。

这个矩阵大小由图像分辨率决定，如果是480×480分辨率的图像，那么这个矩阵大小就是480×480。如果是彩色图像，会用三个大小相同的矩阵合起来表示，它们分别表示图像R（红色）、G（绿色）、B（蓝色）的程度，也就是俗称的RGB图像。

我们可以用OpenCV来读取图像，OpenCV的安装如下：

pip install opencv-python

安装完成后就可以读取图像：

# 导入模块
import cv2
# 读取图像
img = cv2.imread('test.jpg')
# 输出图像
print(img)

其中test.jpg就是我们的图像名称或者图像路径。上面代码输出结果如下：

[[[ 72 220 234]
  [ 72 220 234]
  [ 73 221 235] 
  ...
  [ 87 147 176]
  [ 87 147 176]
  [ 87 147 176]]]

因为输出过长，这里省略了一部分内容。

3.2 位平面

在前面我们说了一个图像是一个数字矩阵，比如：

[[2, 2]
[3, 4]]

我们可以理解为一张简单的图像，现在我们把图像的像素值写成二进制形式：

[[0000 0010, 0000 0010],
[0000 0011, 0000 0100]]

我们把四个像素的最高位取出，得到新的图像：

[[0, 0]
[0, 0]]

这个过程的图示如下：

二维码隐写,# Python小案例,opencv,python,计算机视觉

这里取出来的图像就叫位平面，因为是取出第7位（从左到右依次是7-0）组成的图像，所以叫第7位平面，也叫最高位平面。而第0位平面也叫“最低有效位”位平面。

如果取出第1位，得到的图像为：

[[1, 1],
[1, 0]]

这个图像叫第1位平面。这里需要注意一点，就是每个位平面的实际值应该乘一个权重，这个权重位i^{2，即第7位平面的权重位7}2。

3.3 位平面分解

下面我们看看如何分解位平面，分解位平面可以用cv2.bitwise_and函数来实现。我们需要传入一个图像以及一个分解因子，各个位平面的分解因子如下：

分解因子	作用
0x80	分解第7位平面
0x40	分解第6位平面
0x20	分解第5位平面
0x10	分解第4位平面
0x08	分解第3位平面
0x04	分解第2位平面
0x02	分解第1位平面
0x11	分解第0位平面

比如分解第7位平面的操作为：

import cv2
# 读取图像
img = cv2.imread('test.jpg', 0)
# 分解第7位平面
layer = cv2.bitwise_and(img, 0x80)

其它位平面的分解只需要对照表进行修改即可。

3.4 位平面合成

假如我们以及分解出来8个位平面，分别是M0、M1、…、M7。我们只需要将各个位平面乘上对应的权重，然后相加就能恢复原图，即：

$\sum_{i=0}^{7}{i^2 × M_i}$

如果我们只对M1-M7进行合成，得到的A`与A的差距最多为1，因此我们可以让A`≈A。此时图像A`的第0个位平面可以用于隐藏数据。

四、图像隐写

这里我们使用一种叫“最低有效位”位平面隐写的技术来实现二维码的隐藏。其原理就是把图像“最低有效位”位平面设置为0，此时图像与原图像像素相差最大为0，人肉眼无法看出区别。然后我们可以在图像的最低有效位任意设置值，此时图像与原图像素相差最大仍是1。这样我们就可以用“最低有效位”位平面来隐写数据。

在前面我们合成原图时用M1-M7，而M0位平面则全为0，这时我们可以用最低有效位存储数据。假如我们的数据矩阵为M，该矩阵为一个0-1矩阵。而二维码就是一个黑白矩阵，我们可以把黑当作0，白当作1，这样我们让M为一个二维码的矩阵。现在我们通过下面的公式来合成：

$A_{隐写} = M + \sum_{i=1}^{7}{i^2 × M_i}$

这个A就是带有隐写信息的图像。代码实现如下：

import cv2
# ①读取图像
img = cv2.imread('test.jpg', 0)
# ②把最低有效位清空
img -= cv2.bitwise_and(img, 0x01)
# ③准备需要隐写的信息M
M = cv2.imread('qrcode.jpg', 0)
M = cv2.resize(M, img.shape)
# 把二维码转换成0-1矩阵
_, M = cv2.threshold(M, 30, 1, cv2.THRESH_BINARY)
# ④将要隐写的数据设置到图像最低有效位
img += M
# ⑥以无损的方式保存隐写后的
cv2.imwrite('dst.png', img, [int(cv2.IMWRITE_JPEG_QUALITY), 100])