一、前言

在某個(gè)App中有一個(gè)加密水印的功能，當(dāng)帖子的主人開(kāi)啟了之后。如果有人截圖，那么這張截圖中就是添加截圖用戶、帖子ID、截圖時(shí)間等信息，而且我們無(wú)法用肉眼看出這些水印。

這可以通過(guò)今天要介紹的隱寫技術(shù)來(lái)實(shí)現(xiàn)，我們會(huì)通過(guò)這種技術(shù)，借助Python語(yǔ)言和OpenCV模塊來(lái)實(shí)現(xiàn)在圖像中隱藏二維碼的操作。而且這個(gè)二維碼無(wú)法通過(guò)肉眼看出。

二、隱寫

隱寫是一種類似于加密卻又不同于加密的技術(shù)。通常情況下，加密是對(duì)數(shù)據(jù)本身進(jìn)行一個(gè)轉(zhuǎn)換，得到的結(jié)果是一堆人無(wú)法解讀的數(shù)據(jù)，比如“你好”進(jìn)行md5加密后的結(jié)果是“7eca689f0d3389d9dea66ae112e5cfd7”，如果光看“7eca689f0d3389d9dea66ae112e5cfd7”我們不知道內(nèi)容，但是我們知道這應(yīng)該是加密后的數(shù)據(jù)。隱寫的目的同樣是讓只有接收方才能獲取數(shù)據(jù)，但是隱寫通常更加隱蔽，隱寫更注重于不讓第三方知道我發(fā)送的數(shù)據(jù)中有額外信息。

就像我們?cè)陔娪爸薪?jīng)?？吹降囊恍﹦∏?，一場(chǎng)看似普通的對(duì)話卻隱含了許多外人不知道的信息，這實(shí)際上就是一種隱寫。再比如“This is a pig”，看上去像一個(gè)普通的句子，如果通信雙方規(guī)定“T、i、s”這些占三線格上兩個(gè)的字母表示0，而“p、g”這種占三線格下兩格的字母表示1，那么這句話就可以翻譯成“0000000101”。而今天我們要介紹的是“最低有效位”隱寫。

三、位平面分解

在介紹“最低有效位”隱寫之前，需要了解一些圖像相關(guān)的知識(shí)。這里包括數(shù)字圖像、位平面、位平面分解。

3.1 圖像

在計(jì)算機(jī)中，圖像被表示為一個(gè)數(shù)字矩陣，每個(gè)數(shù)字被稱為一個(gè)像素，它們的取值在[0, 255]區(qū)間，可以用8個(gè)二進(jìn)制來(lái)表示。

這個(gè)矩陣大小由圖像分辨率決定，如果是480×480分辨率的圖像，那么這個(gè)矩陣大小就是480×480。如果是彩色圖像，會(huì)用三個(gè)大小相同的矩陣合起來(lái)表示，它們分別表示圖像R（紅色）、G（綠色）、B（藍(lán)色）的程度，也就是俗稱的RGB圖像。

我們可以用OpenCV來(lái)讀取圖像，OpenCV的安裝如下：

pip install opencv-python

安裝完成后就可以讀取圖像：

# 導(dǎo)入模塊
import cv2
# 讀取圖像
img = cv2.imread('test.jpg')
# 輸出圖像
print(img)

其中test.jpg就是我們的圖像名稱或者圖像路徑。上面代碼輸出結(jié)果如下：

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

因?yàn)檩敵鲞^(guò)長(zhǎng)，這里省略了一部分內(nèi)容。

3.2 位平面

在前面我們說(shuō)了一個(gè)圖像是一個(gè)數(shù)字矩陣，比如：

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

我們可以理解為一張簡(jiǎn)單的圖像，現(xiàn)在我們把圖像的像素值寫成二進(jìn)制形式：

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

我們把四個(gè)像素的最高位取出，得到新的圖像：

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

這個(gè)過(guò)程的圖示如下：

這里取出來(lái)的圖像就叫位平面，因?yàn)槭侨〕龅?位（從左到右依次是7-0）組成的圖像，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，得到的圖像為：

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

這個(gè)圖像叫第1位平面。這里需要注意一點(diǎn)，就是每個(gè)位平面的實(shí)際值應(yīng)該乘一個(gè)權(quán)重，這個(gè)權(quán)重位i2，即第7位平面的權(quán)重位72。

3.3 位平面分解

下面我們看看如何分解位平面，分解位平面可以用cv2.bitwise_and函數(shù)來(lái)實(shí)現(xiàn)。我們需要傳入一個(gè)圖像以及一個(gè)分解因子，各個(gè)位平面的分解因子如下：

比如分解第7位平面的操作為：

import cv2
# 讀取圖像
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對(duì)照表進(jìn)行修改即可。

3.4 位平面合成

假如我們以及分解出來(lái)8個(gè)位平面，分別是M0、M1、…、M7。我們只需要將各個(gè)位平面乘上對(duì)應(yīng)的權(quán)重，然后相加就能恢復(fù)原圖，即：

如果我們只對(duì)M1-M7進(jìn)行合成，得到的A`與A的差距最多為1，因此我們可以讓A`≈A。此時(shí)圖像A`的第0個(gè)位平面可以用于隱藏?cái)?shù)據(jù)。

四、圖像隱寫

這里我們使用一種叫“最低有效位”位平面隱寫的技術(shù)來(lái)實(shí)現(xiàn)二維碼的隱藏。其原理就是把圖像“最低有效位”位平面設(shè)置為0，此時(shí)圖像與原圖像像素相差最大為0，人肉眼無(wú)法看出區(qū)別。然后我們可以在圖像的最低有效位任意設(shè)置值，此時(shí)圖像與原圖像素相差最大仍是1。這樣我們就可以用“最低有效位”位平面來(lái)隱寫數(shù)據(jù)。

在前面我們合成原圖時(shí)用M1-M7，而M0位平面則全為0，這時(shí)我們可以用最低有效位存儲(chǔ)數(shù)據(jù)。假如我們的數(shù)據(jù)矩陣為M，該矩陣為一個(gè)0-1矩陣。而二維碼就是一個(gè)黑白矩陣，我們可以把黑當(dāng)作0，白當(dāng)作1，這樣我們讓M為一個(gè)二維碼的矩陣?，F(xiàn)在我們通過(guò)下面的公式來(lái)合成：

這個(gè)A就是帶有隱寫信息的圖像。代碼實(shí)現(xiàn)如下：

import cv2
# ①讀取圖像
img = cv2.imread('test.jpg', 0)
# ②把最低有效位清空
img -= cv2.bitwise_and(img, 0x01)
# ③準(zhǔn)備需要隱寫的信息M
M = cv2.imread('qrcode.jpg', 0)
M = cv2.resize(M, img.shape)
# 把二維碼轉(zhuǎn)換成0-1矩陣
_, M = cv2.threshold(M, 30, 1, cv2.THRESH_BINARY)
# ④將要隱寫的數(shù)據(jù)設(shè)置到圖像最低有效位
img += M
# ⑥以無(wú)損的方式保存隱寫后的
cv2.imwrite('dst.png', img, [int(cv2.IMWRITE_JPEG_QUALITY), 100])

最后保存的dst.png就是我們隱寫后的圖像。

二維碼的生成可以參考詳解Python如何生成優(yōu)雅的二維碼

到此這篇關(guān)于Python實(shí)現(xiàn)在圖像中隱藏二維碼的方法詳解的文章就介紹到這了,更多相關(guān)Python圖像隱藏二維碼內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論