您所在位置：主题：[讨论]信息隐藏编程
cyy_yuan
[专家分：0] 发布于 2008-05-21 16:30:00
图象隐藏算法
待隐藏的图象（A）
载体图象（B） 隐秘图象（B）
图4.1.1 信息隐藏
量化是JPEG压缩方法中造成数据损失的原因，为确保待隐藏信息不失真，可在量化后的数据中隐藏信息，而为与量化的数据相匹配，隐藏JPEG图像的量化后数据效果则最佳。此算法适用于把一个图像隐藏在另一个不小于它的图像中。
该隐藏算法的算式可表示为：
FqA’ （u,v）=FqA（u,v）+f（FqB（u,v））；
式中 FqA’ （u,v）是隐藏了信息的 A图的量化值，FqA（u,v）、 FqB（u,v）分别是 A图和 B图的量化后值，它们都是8×8 的矩阵。函数f（）是变换算法。
在找出较佳的f（）函数之前，需要比较许多与表3一样的Fq（u,v）矩阵。
表3 一个量化后的矩阵
19 5 1 0 0 0 0 0
2 -1 0 0 0 0 0 0
2 0 -1 0 0 0 0 0
2 0 0 0 0 0 0 0
1 0 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
如表3所示，图像原始数据（针对每个8×8的小块来讲）经过DCT变换再量化后的量化矩阵Fq(u,v)的数据多集中于矩阵左上角的低频部分，值大于10的数据则更少，除直流数值外往往仅低频的四、五个，中、高频多为零，且对图像的影响较小，这也正是压缩方法的压缩比远远大于其它方法的主要原因。
对于一幅图像每个8×8的小块，只需要保存左上角10个左右的数据就可以把这幅图像保存。此隐藏方法中，对于每个8×8的小块，选择隐藏表4中标有‘*‘位置的14个数据。相对应的作为载体图像，这里有64个数据位置，可用来隐藏那14个数据，原则就是尽可能地不影响载体图像的视觉效果。根据多次实验得知，首先，直流部分代表了一幅图的一个模块的基本信息是不能改动的；再者，高频部分虽说对图像的影响较低频小，这在量化的时候已经加以调节了，故量化后对高、低频改动同等数据，应该对原图的影响是大致相当地；另外，高频部分多为零，隐藏信息以后，较容易被发现，故最终把数据隐藏在低、中频的个数据里。
表4
* * * * * 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 0 0 0
0 0 0 0 0 0 0 0
具体的方法参见图4.1.2，是对表5进行 f()变换的过程,首先把待隐藏图像的Fq(u,v)矩阵中的数据分成AB两个矩阵: Fq(u,v)=A*10+B。分别用A左上角6个元素和B的14个元素构建矩阵C,C=f(FqB(u,v))。
其中矩阵C中每个元素的值的获得见表5：
表5 C矩阵
0 B(1,2) B(1,3) B(1,4) B(1,5) A(1,1) 0 0
B(2,1) B(2,2) B(2,3) B(2,4) A(1,2) 0 0 0
B(3,1) B(3,2) B(3,3) A(2,1) 0 0 0 0
B(4,1) B(4,2) A(1,3) 0 0 0 0 0
B(1,1) A(2,2) 0 0 0 0 0 0
A(3,1) 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
对Fq(v,u)进行拆分减小了隐藏数据的绝对大小,减小了对原图的影响；因为大于10的数很少，除直流外几乎没有，故把十位放在中高频部分,并采用上述顺序，可提供隐藏了数据的图像的压缩比。
为减小对原始图像的影响，可把待隐藏图像的量化所用的量化表（即矩阵Q(u,v)乘一个系数，这次实验选用2。当然，量化系数越大，对原图的影响就越小，但对待隐藏图像的失真就越大，反之亦然。每次隐藏可根据需要的不同选择不同的系数。
请问有谁会这个编程的教我一下，我会非常感谢你的啊
待隐藏的图象（A）
载体图象（B） 隐秘图象（B）
图4.1.1 信息隐藏
量化是JPEG压缩方法中造成数据损失的原因，为确保待隐藏信息不失真，可在量化后的数据中隐藏信息，而为与量化的数据相匹配，隐藏JPEG图像的量化后数据效果则最佳。此算法适用于把一个图像隐藏在另一个不小于它的图像中。
该隐藏算法的算式可表示为：
FqA’ （u,v）=FqA（u,v）+f（FqB（u,v））；
式中 FqA’ （u,v）是隐藏了信息的 A图的量化值，FqA（u,v）、 FqB（u,v）分别是 A图和 B图的量化后值，它们都是8×8 的矩阵。函数f（）是变换算法。
在找出较佳的f（）函数之前，需要比较许多与表3一样的Fq（u,v）矩阵。
表3 一个量化后的矩阵
19 5 1 0 0 0 0 0
2 -1 0 0 0 0 0 0
2 0 -1 0 0 0 0 0
2 0 0 0 0 0 0 0
1 0 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
如表3所示，图像原始数据（针对每个8×8的小块来讲）经过DCT变换再量化后的量化矩阵Fq(u,v)的数据多集中于矩阵左上角的低频部分，值大于10的数据则更少，除直流数值外往往仅低频的四、五个，中、高频多为零，且对图像的影响较小，这也正是压缩方法的压缩比远远大于其它方法的主要原因。
对于一幅图像每个8×8的小块，只需要保存左上角10个左右的数据就可以把这幅图像保存。此隐藏方法中，对于每个8×8的小块，选择隐藏表4中标有‘*‘位置的14个数据。相对应的作为载体图像，这里有64个数据位置，可用来隐藏那14个数据，原则就是尽可能地不影响载体图像的视觉效果。根据多次实验得知，首先，直流部分代表了一幅图的一个模块的基本信息是不能改动的；再者，高频部分虽说对图像的影响较低频小，这在量化的时候已经加以调节了，故量化后对高、低频改动同等数据，应该对原图的影响是大致相当地；另外，高频部分多为零，隐藏信息以后，较容易被发现，故最终把数据隐藏在低、中频的个数据里。
表4
* * * * * 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 0 0 0
0 0 0 0 0 0 0 0
具体的方法参见图4.1.2，是对表5进行 f()变换的过程,首先把待隐藏图像的Fq(u,v)矩阵中的数据分成AB两个矩阵: Fq(u,v)=A*10+B。分别用A左上角6个元素和B的14个元素构建矩阵C,C=f(FqB(u,v))。
其中矩阵C中每个元素的值的获得见表5：
表5 C矩阵
0 B(1,2) B(1,3) B(1,4) B(1,5) A(1,1) 0 0
B(2,1) B(2,2) B(2,3) B(2,4) A(1,2) 0 0 0
B(3,1) B(3,2) B(3,3) A(2,1) 0 0 0 0
B(4,1) B(4,2) A(1,3) 0 0 0 0 0
B(1,1) A(2,2) 0 0 0 0 0 0
A(3,1) 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
对Fq(v,u)进行拆分减小了隐藏数据的绝对大小,减小了对原图的影响；因为大于10的数很少，除直流外几乎没有，故把十位放在中高频部分,并采用上述顺序，可提供隐藏了数据的图像的压缩比。
为减小对原始图像的影响，可把待隐藏图像的量化所用的量化表（即矩阵Q(u,v)乘一个系数，这次实验选用2。当然，量化系数越大，对原图的影响就越小，但对待隐藏图像的失真就越大，反之亦然。每次隐藏可根据需要的不同选择不同的系数。
请问有谁会这个编程的教我一下，我会非常感谢你的啊