盲水印API接口技术原理及实现方式

PS：如果你只是在寻找解决问题的方法，没有耐心看完本文，可以直接调用现成的API：https://api.yonyoucloud.com/apilink/tempServicePages/97dbba20-0466-4f00-96db-2fd50ae7d9ee_true.html

 

前言

水印，一般是指图片上的文字标识，比如发表在微博时图片都会自动打上肉眼可见的博主昵称，像这种一般用于标识某张图片的出处或者用于声明版权。但是这样做会破坏掉原图，而且影响美观，比较粗暴。此文主要是讨论另一种水印——盲水印，所谓盲水印，是指人感知不到的水印，包括看不到或听不见（因为数字盲水印也能够用于音频）。其主要应用于音像作品、数字图书等，目的是在不破坏原始作品的情况下，实现版权的防护与追踪。当然这篇文章只讨论图片上的应用。盲水印隐蔽性强，给水印数据进行编码过后不易被破解出来。这是它最大的优势。

 

原理

 

盲水印的实现过程主要参考了傅里叶分析（不知道傅里叶分析的可以自行百度或者看下一这篇文章）傅立叶变换可以把数据从时域转换到频域。而且过程可逆。盲水印就是在图像的频域上添加水印数据。再通过逆变换转回时域。区别是图片是二维数据，要把图片数据由时域转到频域需要用到二维傅立叶变换。
水印添加流程图如下：

流程图

图像的二维傅立叶变换

和一维数据不同，要想对图片进行频域转换就要使用二维傅立叶变换。其实，只要实现了一维傅立叶变换，二维傅立叶变换就不会那么难：先对图像矩阵数据每一行进行傅立叶变换，再对每一列进行傅立叶变换即完成二维傅立叶变换。这里还是用一张常见的美女lena. 对lena（256*256）进行二维傅立叶变换如下图：

lena傅立叶变换并中心化的过程.png

对于分辨率很大的图片，DFT的效率很低，通常不会考虑，取而代之的是FFT，但是，FFT的条件是要保证图片的宽和高都是2的幂级数。但是通常生活中的图片一般都不满足这个条件。这时候我们就需要对图片的宽和高进行补0扩充直到满足条件为止。

图片频域数据特征如下图所示：

fft_pic.jpg

　　图片中明亮的部分就是低频部分，暗点的是高频部分。一般为了展示会把频谱图低频的部分移到中心（上面手机拍的最右边的图）。频谱图是关于中心点对称的。

　　由于傅立叶变换是可逆的，若一张图片进行补零扩大后，进行逆变换后再把它补零的部分进行裁剪就可以得到原图。

 

水印数据嵌入

为了让水印更加隐蔽，需要将水印像素按照一定的顺序打乱，再进行二维傅立叶变化，最后再让它叠加在需要加水印的图片的频域上。为了提高水印的安全性，规定这种打乱的顺序需要外界传入一个密钥，根据不同的密钥生成不同乱序的规则，而且过程是可逆的。

 

1、乱序

水印乱序.png

2、水印添加过程.png

水印的添加过程

水印的提取

因为水印的添加是在原图的频域上进行叠加。我们只需要将原图和加了水印的图片分别进行傅立叶变换，最后通过减法则可提取出加密过的水印数据。通过已知的密钥可以逆推出打乱的规则，这样当我们从水印图片中提取出水印像素时，可以还原出水印像素的原序列。最后就可以得到原水印。

提取出的水印.png

后记

图片盲水印技术其实还有很多，时间限制，文中只介绍了比较基础的一种方法，但道理都是大同小异的，如果各位读者有兴趣可以自己去了解，当然，也可以直接使用现成的盲水印API去实现上述效果