LSB水印嵌入与提取-灰度图像_Python Version

摘要

数字水印技术是一种保护图像版权的方式。LSB(Least Significant Bits, 最低有效位)技术是空域水印嵌入的一种方式。本文以灰度图像为对象，使用Python实现了任意长度位平面的水印嵌入方式，并且可以提取出水印对应的灰度图像。

1. 方法

1.1 步骤

1. 读取图像（background、watermark）
2. 对读取的图像进行嵌入
   2.1 划分对应的位平面
   2.2 将background的低位位平面替换为watermark的高位位平面
   2.3 合成图像（synthesis） ，实现嵌入
3. 进行提取并绘制结果

本实验选择的嵌入位数是3

1.2 代码

喜欢的东西都在码里，可以不用本地配置环境，使用百度的飞浆平台进行在线运行。
开源这个代码不求赞，只求你们可以注册帮我拿点算力，或者fork一下项目，我真的很需要算力，所以希望我劝各位年轻人，要讲武德，耗子尾汁，不要白嫖。好卑微的博主呜呜呜。下面第一个Link给的算力多，注册之后点第二个link可以在线运行

百度飞浆邀请注册地址

该项目在线运行地址

import numpy as np
import matplotlib.pyplot as plt
import cv2


class LSB_Embed():
    def __init__(self):
        pass

    @staticmethod
    def get_bitPlane(img):
        """
        获取灰度图像的8个位平面
        :param img: 灰度图像
        :return: 8个位平面的矩阵
        """
        h, w = img.shape

        flag = 0b00000001
        bitPlane = np.zeros(shape=(h, w, 8))
        for i in range(bitPlane.shape[-1]):
            bitplane = img & flag  # 获取图像的某一位，从最后一位开始处理
            bitplane[bitplane != 0] = 1  # 阈值处理 非0即1
            bitPlane[..., i] = bitplane  # 处理后的数据载入到某个位平面
            flag <<= 1  # 获取下一个位的信息
        return bitPlane.astype(np.uint8)

    @staticmethod
    def lsb_embed(background, watermark, embed_bit=3):
        """
        在background的低三位进行嵌入水印，具体为将watermark的高三位信息替换掉background的低三位信息
        :param background: 背景图像（灰度）
        :param watermark: 水印图像（灰度）
        :return: 嵌入水印的图像
        """
        # 1. 判断是否满足可嵌入的条件
        w_h, w_w = watermark.shape
        b_h, b_w = background.shape
        assert w_w < b_w and w_h < b_h, "请保证watermark尺寸小于background尺寸\r\n当前尺寸watermark:{}, background:{}".format(
            watermark.shape, background.shape)

        # 2. 获取位平面
        bitPlane_background = lsb.get_bitPlane(background)  # 获取的平面顺序是从低位到高位的 0 1 2 3 4 5 6 7
        bitPlane_watermark = lsb.get_bitPlane(watermark)

        # 3. 在位平面嵌入信息
        for i in range(embed_bit):
            # 信息主要集中在高位，此处将watermark的高三位信息 放置在 background低三位信息中
            bitPlane_background[0:w_h, 0:w_w, i] = bitPlane_watermark[0:w_h, 0:w_w, (8 - embed_bit) + i]

        # 4. 得到watermark_img 水印嵌入图像
        synthesis = np.zeros_like(background)
        for i in range(8):
            synthesis += bitPlane_background[..., i] * np.power(2, i)
        return synthesis.astype(np.uint8)

    @staticmethod
    def lsb_extract(synthesis, embed_bit=3):
        bitPlane_synthesis = lsb.get_bitPlane(synthesis)
        extract_watermark = np.zeros_like(synthesis)
        extract_background = np.zeros_like(synthesis)
        for i in range(8):
            if i < embed_bit:
                extract_watermark += bitPlane_synthesis[..., i] * np.power(2, (8 - embed_bit) + i)
            else:
                extract_background += bitPlane_synthesis[..., i] * np.power(2, i)
        return extract_watermark.astype(np.uint8), extract_background.astype(np.uint8)


if __name__ == '__main__':
    root = ".."
    lsb = LSB_Embed()
    # 1. 获取背景和水印
    background = cv2.imread(r"{}/datasets/background/460.pgm".format(root), cv2.IMREAD_GRAYSCALE)
    watermark = cv2.imread(r"{}/datasets/watermark/swjtu2.png".format(root), cv2.IMREAD_GRAYSCALE)
    background_backup = background.copy()
    watermark_backup = watermark.copy()
    # 2. 进行水印嵌入
    embed_bit = 2
    synthesis = lsb.lsb_embed(background, watermark, embed_bit)
    # 3. 进行水印提取
    extract_watermark, extract_background = lsb.lsb_extract(synthesis, embed_bit)
    imgs = [background_backup, watermark_backup, synthesis, extract_watermark, extract_background]
    title = ["background", "watermark", "synthesis", "extract_watermark", "extract_background"]
    for i in range(len(imgs)):
        plt.subplot(2, 3, i + 1)
        plt.imshow(imgs[i], cmap="gray")
        plt.axis("off")
        plt.title(title[i])
    plt.show()

1.3 embed_bit=3(低3位嵌入) 实验现象

1.3 实验现象分析

1. background和synthesis不仔细看是分不出来区别的，但是仔细看，能看出来swjtu的logo有些痕迹，如果减少嵌入位数，就无法看出痕迹了。
2. extract_watermark的颜色和watermark的颜色不一致。实际测试，这应该是python绘图显示的原因，当我把水印区域的数据单独截取出来进行绘制。效果如下：
   
   几乎与watermark一致，看不出来区别。
3. extract_watermark水印的其他部分是因为没有做处理导致的。在进行提取的时候，没有给予提取算法的水印尺寸这个先验信息，算法不知道哪里是水印边界，因此只有水印部分可被算法正常提取，算法将其余部分与水印部分一视同仁进行提取，因此产生了像马赛克一样的图像。

1.4 所有实验现象

1. embed_bit = 1
   

2. embed_bit = 2
   

3. embed_bit = 3
   

4. embed_bit = 4
   

5. embed_bit = 5
   

6. embed_bit = 6
   

7. embed_bit = 7
   

8. embed_bit = 8
   

2. 更新-彩色水印嵌入与提取

该文章是对灰度图进行LSB进行操作，只需进行一些微微修改，即可实现图像的嵌入与提取，点击查看link。

参考资料

[1]. github
[2]. 最低有效位LSB图像水印法[1.5x]