### Python 实现 DCT 域数字水印嵌入与提取 #### 使用离散余弦变换 (DCT) 进行水印处理的优势在于其能够提供更好的鲁棒性和透明度。通过修改图像的频率分量而非空间域中的像素值，可以在不影响视觉质量的情况下有效地嵌入信息。 #### 准备工作 为了实现这一功能，需要安装一些必要的库： ```bash pip install numpy opencv-python scikit-image ``` 这些库提供了矩阵运算、图像处理等功能的支持。 #### 图像预处理 加载并转换待处理的载体图像至适合操作的形式： ```python import cv2 from skimage import img_as_float, img_as_ubyte import numpy as np def preprocess_image(image_path): image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE) float_img = img_as_float(image) return float_img ``` 此函数负责读取灰度图并将之转化为浮点型数组以便后续计算[^1]。 #### 应用二维离散余弦变换 对输入图像应用二维DCT变换，获取频域表示形式： ```python from scipy.fftpack import dct, idct def apply_dct(image_block): transformed = dct(dct(image_block.T, norm='ortho').T, norm='ortho') return transformed ``` 这里采用了正交规范化参数`norm='ortho'`来保证能量守恒特性。 #### 水印嵌入逻辑 定义一个方法用于向指定位置注入秘密消息： ```python def embed_watermark(dct_coeffs, watermark_bit, block_size=8): h, w = dct_coeffs.shape[:2] for i in range(0, min(h,w), block_size): # 遍历每一个block for j in range(0, min(h,w), block_size): submatrix = dct_coeffs[i:i+block_size,j:j+block_size] if not all(submatrix.flatten() == 0): # 如果子块不全为零，则可以嵌入数据 # 修改特定系数以携带单个bit的信息 modified_coefficient_index = (1,1) # AC component index current_value = submatrix[modified_coefficient_index] new_value = round(current_value) + (-1)**watermark_bit * 0.1 submatrix[modified_coefficient_index] = new_value dct_coeffs[i:i+block_size,j:j+block_size] = submatrix return dct_coeffs ``` 上述代码片段展示了如何调整选定AC分量的小数值部分来编码单一比特的数据。 #### 反变换恢复图像 完成水印嵌入后需执行逆DCT得到含隐秘信息的新版本图像： ```python def inverse_transform(transformed_blocks): reconstructed = idct(idct(transformed_blocks.T, norm='ortho').T, norm='ortho') normalized_reconstructed = ((reconstructed - reconstructed.min()) / (reconstructed.max()-reconstructed.min())) uint8_image = img_as_ubyte(normalized_reconstructed) return uint8_image ``` 该步骤确保最终输出仍保持合理的亮度范围内的整数强度级别。 #### 提取隐藏的消息 当接收方收到带有隐形标记的照片时，可以通过相似的过程解析出原始植入的内容： ```python def extract_watermark(dct_coeffs, original_coeffs, threshold=0.05): extracted_bits = [] for orig, modif in zip(original_coeffs.ravel(), dct_coeffs.ravel()): diff = abs(modif - orig) bit = int(diff >= threshold and (modif > orig)) extracted_bits.append(bit) return ''.join(str(b) for b in extracted_bits) ``` 这段程序比较了未经改动前后的对应系数差异，以此判断哪些地方被用来存储额外的信息，并据此重建完整的序列。