🌿 往期回顾可以关注主页，点击搜索
✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。
🔥 内容介绍
一、引言
在当今数字化信息时代，图像作为信息传播的重要载体，其版权保护和信息安全至关重要。图像隐写技术通过将秘密信息（如版权信息、水印等）隐藏在宿主图像中，实现信息的安全传输与版权保护。基于离散小波变换（DWT）和离散余弦变换（DCT）相结合的方法，为图像水印的隐藏与提取提供了一种有效的途径。同时，峰值信噪比（PSNR）、归一化互相关（NCC）和图像保真度（IF）等指标用于评估水印嵌入和提取的性能。
二、图像隐写技术背景
（一）图像隐写需求
随着数字图像在互联网上的广泛传播，图像内容的版权保护、数据完整性验证以及秘密信息传输等问题日益突出。传统的加密技术虽然能保护信息的机密性，但容易引起攻击者的注意。图像隐写技术则是将秘密信息隐藏在看似普通的图像中，使攻击者难以察觉，从而实现更隐蔽的信息传输与保护。
（二）现有技术挑战
早期的图像隐写方法，如最低有效位（LSB）替换法，虽然简单易行，但对图像的修改直接在空间域进行，容易被察觉，且对图像的几何变换和噪声等干扰较为敏感。因此，需要更复杂、鲁棒性更强的隐写方法，基于变换域的方法应运而生，其中 DWT 和 DCT 变换在图像隐写领域展现出独特优势。
三、DWT（离散小波变换）原理
（一）多分辨率分析
DWT 是一种信号处理技术，基于多分辨率分析理论。它将图像分解为不同频率子带，通过低通滤波器和高通滤波器对图像进行分解，得到近似分量（低频部分）和细节分量（高频部分）。例如，对一幅图像进行一级 DWT 分解，会得到四个子带：LL1（低频近似子带）、HL1（水平高频子带）、LH1（垂直高频子带）和 HH1（对角高频子带）。LL1 子带保留了图像的主要能量和大部分视觉信息，而其他三个子带包含了图像的细节信息，如边缘和纹理。
（二）优势在图像隐写中的应用
DWT 的多分辨率特性使得图像在不同尺度上的特征可以被分离和分析。在图像隐写中，水印信息可以嵌入到不同的子带中。由于人类视觉系统（HVS）对低频信息更为敏感，对高频信息相对不敏感，因此水印可以更隐蔽地嵌入到高频子带中，对图像的视觉质量影响较小。同时，DWT 变换后的系数具有良好的局部性，使得嵌入的水印对图像的局部几何变换具有一定的鲁棒性。
四、DCT（离散余弦变换）原理
（一）变换过程
DCT 是将图像从空间域转换到频率域的一种变换方法。它将图像分成多个 8×8 的块，对每个块进行离散余弦变换。DCT 变换的基本思想是将一个信号表示为不同频率的余弦函数的加权和。通过 DCT 变换，图像的能量主要集中在低频系数上，而高频系数则包含了图像的细节信息。例如，在 JPEG 图像压缩中，DCT 被广泛应用，通过对 DCT 系数进行量化和编码来实现图像压缩。
（二）在图像水印中的作用
在图像水印技术中，DCT 常用于将水印信息嵌入到图像的频率域系数中。由于 DCT 变换后低频系数对图像的视觉质量影响较大，而高频系数对图像质量影响较小但对噪声和压缩等操作敏感，因此水印信息可以根据需要选择嵌入到低频或高频系数中。低频系数嵌入可以提高水印的鲁棒性，抵抗一些几何变换和滤波操作；高频系数嵌入则能使水印更隐蔽，对图像视觉质量影响更小。
五、基于 DWT + DCT 的图像水印隐藏与提取原理
（一）水印隐藏过程
- DWT 分解：首先对宿主图像进行 DWT 分解，得到不同频率子带。选择合适的子带，如高频子带，因为高频子带对图像视觉质量影响较小，适合嵌入水印。
- DCT 变换：对选定的 DWT 子带进一步进行 DCT 变换，将图像从小波域转换到频率域。
- 水印嵌入：将水印图像进行预处理，如二值化等操作，然后将其嵌入到 DCT 变换后的系数中。常见的嵌入方法有直接修改系数法，例如根据水印信息的比特值，对 DCT 系数进行微小的调整。
- 逆变换：嵌入水印后，先进行逆 DCT 变换，将图像从频率域转换回小波域，再进行逆 DWT 变换，得到嵌入水印后的图像。
（二）水印提取过程
- DWT 分解：对嵌入水印的图像进行 DWT 分解，得到与嵌入时相同的子带。
- DCT 变换：对该子带进行 DCT 变换，恢复到频率域。
- 水印提取：根据嵌入水印时的规则，从 DCT 系数中提取水印信息。例如，如果嵌入时是通过修改系数的大小来表示水印比特值，那么提取时就通过检测系数的变化来恢复水印信息。
- 后处理：对提取的水印信息进行后处理，如二值化还原等操作，得到最终的水印图像。
六、评估指标背景原理
⛳️ 运行结果
📣 部分代码
function [z] = ncc(x,y)
v = sum(sum(x.*y));%
w = sum(sum(x.^2));
z = v./w;
