【图像隐藏】基于DCT的数字图像水印防伪附matlab代码

简介: 【图像隐藏】基于DCT的数字图像水印防伪附matlab代码

✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。

🍎个人主页:Matlab科研工作室

🍊个人信条:格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

⛄ 内容介绍

1 前言

1.1 背景

随着数字技术和互联网的发展,很多艺术作品纷纷通过网络媒体发表。但数字媒体的便利性和不安全性是互相矛盾的。不安全性体现在,数字作品可以很轻易地被复制和篡改。基于此,采用多种手段对这些作品进行版权保护是非常有意义的。而水印技术便是在这种要求下迅速发展起来的。

1.2 图像点的频率

低频:指图像强度的平缓处,也就是图像大片色块的地方,它形成了图像的基本灰度等级,对图像结构的决定作用较小

高频:指图像强度变化剧烈的地方,也就是边缘或者轮廓处。

中频:相对高低频而言,它决定了图像的基本结构。

高频决定细节,低频决定整体,因此在压缩图像时可删去高频部分。

1.2 DCT

变换全称为离散余弦变换,可将空间域上的图像变换到频率域上。

在图像的DCT系数上嵌入水印信息具有诸多优势,首先,变换是实数域变换,对实系数的处理更加方便,且不会使相位信息发生改变。第二, 变换是有损图像压缩JPEG的核心,基于DCT变换的图像水印将兼容JPEG图像压缩。最后,图像的频域系数反映了能量分布, DCT变换后图像能量集中在图像的低频部分,即 DCT图像中不为0的系数大部分集中在一起(左上角),因此编码效率很高,将水印信息嵌入图像的中频系数上具有较好的鲁棒性。

2 水印嵌入算法

水印嵌入算法是通过调整载体图像子块的中频系数的大小来实现对水印信息的编码嵌入。算法描述如下:

1) 读取原始载体图像,对进行分块,并对每块图像进行变换。

2) 在的子块中,中频系数的掩模矩阵取为

 

3 水印提取算法

⛄ 部分代码

clc, cleara = imread('fig11.jpg');% 原图像% a = rgb2gray(a);% 图像灰度化a = im2double(a);% 将数据转换为doubletmp_a = a;a = a(:,: ,2);[M1, N1] = size(a);knum1 = M1 / 8;% 将图像划分成8 * 8的子块knum2 = N1 / 8;b0 = imread('fig9.png'); % 水印图像b = rgb2gray(b0);b = im2double(b);subplot(1, 2, 1)imshow(tmp_a)title('原图像')subplot(1, 2, 2)imshow(b)title('水印图像')alpha = 0.18; %水印的嵌入强度mask1 = [1 1 1 1 0 0 0 0;% 低频掩膜矩阵         1 1 1 0 0 0 0 0;         1 1 0 0 0 0 0 0;         1 0 0 0 0 0 0 0;         0 0 0 0 0 0 0 0;         0 0 0 0 0 0 0 0;         0 0 0 0 0 0 0 0;         0 0 0 0 0 0 0 0];ind1 = find(mask1 == 1);mask2 = [0 0 0 0 1 1 0 0;         0 0 0 1 1 0 0 0;         0 0 1 1 0 0 0 0;         0 1 1 0 0 0 0 0;         1 1 0 0 0 0 0 0;         1 0 0 0 0 0 0 0;         0 0 0 0 0 0 0 0;         0 0 0 0 0 0 0 0];% 中频掩膜矩阵ind2 = find(mask2 == 1);[M2, N2] = size(b);L = M2 * N2;knum3 = ceil(M2 * N2 / 11);% 将水印图像按11个像素点一块分的块数b = b(:);% 水印图像列向量化b(L + 1 : 11 * knum3) = 0;% 补0T = dctmtx(8);% DCT变换矩阵ab = zeros(M1, N1);% 嵌入水印后的图像初始化k = 0;for i = 0 : knum1 - 1    for j = 0 : knum2 - 1        xa = a(8 * i + 1 : 8 * i + 8, 8 * j + 1 : 8 * j + 8);% 原图像的一个8 * 8子块        ya = T * xa * T';% 作DCT变换        coef1 = (mask1 + mask2) .* ya;% 提取中低频系数        if (k < knum3)            coef1(ind2) = coef1(ind2) + alpha * b(11 * k + 1 : 11 * k + 11);        end        ab(8 * i + 1 : 8 * i + 8, 8 * j + 1 : 8 * j + 8) = T' * coef1 * T;% 作DCT逆变换得到合成图像        k = k + 1;    endendacha = ab - a;% 合成图像和原图像的差k = 0;tb = zeros(11 * knum3, 1);% 提取的水印图像初始化for i = 0 : knum1 - 1    for j = 0 : knum2 - 1        xa2 = acha(8 * i + 1 : 8 * i + 8, 8 * j + 1 : 8 * j + 8);% 提取差图像的一个8 * 8子块        ya2 = T * xa2 * T';% DCT变换        coef2 = mask2 .* ya2;% 仅提取中频系数        if k < knum3            tb(11 * k + 1 : 11 * k + 11) = (1 / alpha) * coef2(ind2);% 还原水印信息        end        k = k + 1;    endendtb(L + 1 : end) = [];% 去掉补的0tb = reshape(tb, [M2, N2]);% 把列向量变回矩阵tmp_aa = tmp_a;tmp_aa(:,:,2) = ab;figure, subplot(1, 2, 1)imshow(tmp_aa)title('嵌入水印后的图像')subplot(1, 2, 2)imshow(tb)title('提取的水印图像')std = 0.005;type = "gaussian";% 噪声类型g = imnoise(tmp_aa, type , std);tmp_g = g;g = g(:,:,2);acha = g - a;% 合成图像和原图像的差k = 0;tb = zeros(11 * knum3, 1);% 提取的水印图像初始化for i = 0 : knum1 - 1    for j = 0 : knum2 - 1        xa2 = acha(8 * i + 1 : 8 * i + 8, 8 * j + 1 : 8 * j + 8);% 提取差图像的一个8 * 8子块        ya2 = T * xa2 * T';% DCT变换        coef2 = mask2 .* ya2;% 仅提取中频系数        if k < knum3            tb(11 * k + 1 : 11 * k + 11) = (1 / alpha) * coef2(ind2);% 还原水印信息        end        k = k + 1;    endendtb(L + 1 : end) = [];% 去掉补的0tb = reshape(tb, [M2, N2]);% 把列向量变回矩阵tmp_aa = tmp_a;tmp_aa(:,:,2) = g;figure, subplot(1, 2, 1)imshow(tmp_g)title('添加噪声后的图片')subplot(1, 2, 2)imshow(tb)title('提取的水印图像');

⛄ 运行结果

⛄ 参考文献

[1] 张问银,梁永全.基于DCT的一种数字图像水印策略[J].山东科技大学学报(自然科学版)(1):81-84[2023-06-30].DOI:10.3969/j.issn.1672-3767.2002.01.021.

[2] 吴和静,闵昆龙,刘芳,等.基于DCT域的图像数字水印算法及matlab实现[J].中国科技信息, 2014(9):2.DOI:10.3969/j.issn.1001-8972.2014.09.040.

[3] 徐奔.基于MATLAB的DCT域数字图像水印技术[J].计算机安全, 2003(30):3.DOI:10.3969/j.issn.1671-0428.2003.08.014.

⛳️ 代码获取关注我

❤️部分理论引用网络文献,若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料

🍅 仿真咨询

1.卷积神经网络(CNN)、LSTM、支持向量机(SVM)、最小二乘支持向量机(LSSVM)、极限学习机(ELM)、核极限学习机(KELM)、BP、RBF、宽度学习、DBN、RF、RBF、DELM实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
2.图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
3.旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划
4.无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配
5.传感器部署优化、通信协议优化、路由优化、目标定位
6.信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号
7.生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化
8.微电网优化、无功优化、配电网重构、储能配置
9.元胞自动机交通流 人群疏散 病毒扩散 晶体生长




相关文章
|
6月前
|
算法 定位技术 计算机视觉
【水下图像增强】基于波长补偿与去雾的水下图像增强研究(Matlab代码实现)
【水下图像增强】基于波长补偿与去雾的水下图像增强研究(Matlab代码实现)
719 0
|
6月前
|
机器学习/深度学习 算法 机器人
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
302 8
|
6月前
|
机器学习/深度学习 编解码 算法
基于OFDM技术的水下声学通信多径信道图像传输研究(Matlab代码实现)
基于OFDM技术的水下声学通信多径信道图像传输研究(Matlab代码实现)
306 8
|
6月前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
603 0
|
6月前
|
算法 机器人 计算机视觉
【图像处理】水下图像增强的颜色平衡与融合技术研究(Matlab代码实现)
【图像处理】水下图像增强的颜色平衡与融合技术研究(Matlab代码实现)
209 0
|
6月前
|
新能源 Java Go
【EI复现】参与调峰的储能系统配置方案及经济性分析(Matlab代码实现)
【EI复现】参与调峰的储能系统配置方案及经济性分析(Matlab代码实现)
227 0
|
6月前
|
机器学习/深度学习 数据采集 测试技术
基于CEEMDAN-VMD-BiLSTM的多变量输入单步时序预测研究(Matlab代码实现)
基于CEEMDAN-VMD-BiLSTM的多变量输入单步时序预测研究(Matlab代码实现)
257 8
|
6月前
|
机器学习/深度学习 算法 自动驾驶
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
346 8
|
6月前
|
编解码 运维 算法
【分布式能源选址与定容】光伏、储能双层优化配置接入配电网研究(Matlab代码实现)
【分布式能源选址与定容】光伏、储能双层优化配置接入配电网研究(Matlab代码实现)
495 12
|
6月前
|
人工智能 数据可视化 网络性能优化
【顶级SCI复现】虚拟电厂的多时间尺度调度:在考虑储能系统容量衰减的同时,整合发电与多用户负荷的灵活性研究(Matlab代码实现)
【顶级SCI复现】虚拟电厂的多时间尺度调度:在考虑储能系统容量衰减的同时,整合发电与多用户负荷的灵活性研究(Matlab代码实现)
218 9

热门文章

最新文章

下一篇
开通oss服务