任务目标：

本选题需要学习经典的图像信息隐藏算法，包括基于空域的隐写算法和数字水印算法。接着你将使用某种编程语言实现这些算法，实现在图片中嵌入一些信息，例如字符串和一些文件。除此之外，还需要尝试一些基础的隐写检测方法，用于分析图像是否被嵌入了隐藏信息。最后，将这些算法封装成多个模块，并设计一个友好的 GUI 界面，使用户能方便地进行使用。

任务要求：

1、学习信息隐藏的概念，掌握基本的图像隐写算法；
2、实现 LSB 隐写、DCT 隐写和 F5 隐写，其中 LSB 隐写必须实现，其他两种隐写算法至少选择一个实现，学有余力可以实现其他更好的算法；
3、掌握并实现任意一种 LSB 隐写检测方法，例如基于值对现象的检测方法；
4、设计一个 GUI 界面集成这些功能，可以实现字符串或文件的隐写和读取；
5、还有时间的情况下，实现图片嵌入盲水印的功能。

演示须知：

本次实例使用Pycharm开发

python版本为3.6

 特色
1，通过大量调研，学习掌握了信息隐藏的概念，掌握基本的图像隐写算法；
2，实现了基于LSB的隐写术，其他隐写算法实现了原理阐释；
3，设计出了两种LSB隐写检测方法：灰度图像值对法，二次随机隐写检测；
4，实现了图像对于水印的加注以及还原水印图像的演示开发
5，功能性模块的演示部分使用了GUI实现。
 不足
对于隐写术的理解我们理解的不是很深刻，并且对于Python以及Matlab的开发能力不足，只作教学演示，没有办法投入现实应用。

演示结果：

LSB隐写结果：

如图4.1所示，使用LSB隐写后携带消息比特串后其图像不可由肉眼看出差异。

使用值对直方图检测隐写

如图4.2.2所示，我们利用LSB隐写所引发的统计的不对称性，通过值对的直方图可以清晰的看出，在经过LSB隐写处理后，图像的值对会出现一种类似于削峰的状态，即相邻的值对的值会趋于一致的情况，以此来检测图像是否被隐写过。

代码部分：

实现LSB的隐写完整代码：

from PIL import Image


def mod(x, y):
    return x % y


def bin_ord(flag):
    string = ""
    with open(flag) as f:
        txt = f.read()
        for i in range(len(txt)):
            string = string + bin(ord(txt[i])).replace('0b', '').zfill(8)
    return string


def hide(pic, flag, new_pic):
    count = 0
    im = Image.open(pic)
    width = im.size[0]
    height = im.size[1]
    string = bin_ord(flag)
    for h in range(height):
        for w in range(width):
            pixel = im.getpixel((w, h))
            x = pixel[0]
            y = pixel[1]
            z = pixel[2]
            if count == len(string):
                break
            x = x - mod(x, 2) + int(string[count])
            im.putpixel((w, h), (x, y, z))
            count = count + 1
            if count == len(string):
                break
            y = y - mod(y, 2) + int(string[count])
            im.putpixel((w, h), (x, y, z))
            count = count + 1
            if count == len(string):
                break
            z = z - mod(z, 2) + int(string[count])
            im.putpixel((w, h), (x, y, z))
            count = count + 1
    im.save(new_pic)


pic = r"C:\Users\81394\Desktop\test.png"

flag = r"C:\Users\81394\Desktop\flag.txt"

new_pic = r"C:\Users\81394\Desktop\new.png"

hide(pic, flag, new_pic)

实现LSB隐写信息提取的完整代码：

from PIL import Image


def mod(x, y):
    return x % y


def extract(pic, lenth, hide):
    binary = ""
    string = ""
    count = 0
    im = Image.open(pic)
    width = im.size[0]
    height = im.size[1]
    for h in range(height):
        for w in range(width):
            pixel = im.getpixel((w, h))
            x = pixel[0]
            y = pixel[1]
            z = pixel[2]
            if count == lenth:
                break
            binary = binary + str(mod(x, 2))
            count = count + 1
            if count == lenth:
                break
            binary = binary + str(mod(y, 2))
            count = count + 1
            if count == lenth:
                break
            binary = binary + str(mod(z, 2))
            count = count + 1
    with open(hide, "w", encoding="UTF-8") as f:
        for i in range(0, len(binary), 8):
            string = string + chr(int(binary[i:i + 8], 2))
        f.write(string)


pic = r"C:\Users\81394\Desktop\new.png"

lenth = 200

hide = r"C:\Users\81394\Desktop\hide.txt"

extract(pic, lenth, hide)

值对直方图隐写检测设计完整代码：

# encoding = utf-8
import cv2
import matplotlib.pyplot as plt


def get_gary_value(path):
    img = cv2.imread(path, 0)
    pixel_value = []
    gary_index = []
    for i in range(256):
        pixel_value.append(0)
        gary_index.append(i)
    for i in range(img.shape[0]):
        for j in range(img.shape[1]):
            pixel_value[img[i][j]] = pixel_value[img[i][j]] + 1
    return pixel_value, gary_index


def draw_histogram(value1, value2, index, title1, title2):
    plt.rcParams['font.sans-serif'] = 'SimHei'
    plt.rcParams['axes.unicode_minus'] = False
    p1 = plt.figure(figsize=(20, 30))
    ax1 = p1.add_subplot(2, 1, 1)
    plt.bar(index, value1)
    plt.title(title1)
    ax2 = p1.add_subplot(2, 1, 2)
    plt.bar(index, value2)
    plt.title(title2)
    plt.show()


def r(my_value):
    ans = 0
    k2 = []
    index = []
    for i in range(1, 128):
        h2i_star = (my_value[2 * i] + my_value[2 * i + 1]) / 2
        tmp = pow((my_value[2 * i] - h2i_star), 2) / h2i_star
        k2.append(tmp)
        index.append(i)
        ans = ans + tmp
    print(ans)
    return k2, index


if __name__ == '__main__':
    img_path1 = './image/original.png'
    img_path2 = './image/steg.png'
    value_1, index1 = get_gary_value(img_path1)
    value_2, index2 = get_gary_value(img_path2)
    draw_histogram(value_1, value_2, index1, img_path1, img_path2)
    plt.show()

隐写技术的分析

隐写技术概述

图像隐写术是关于信息隐藏，即不让计划的接收者之外的任何人知道信息的传递事件（而不只是信息的内容）的一门技巧与科学。它是用户将特定的信息隐藏在载体中，在信息传输中，监控者虽然知道用户有信息在传输信道中传输，但是无法察觉载体中隐藏特定的信息。但是，它又和图像加解密技术不同，图像加解密技术是用户利用数学或物理手段，对电子信息在传输过程中和载体中进行保护，以防止特定信息泄露的技术。

隐写术与加密的区别

	隐写术隐藏	密码方法加密
数据形式	媒体数据	密文
应用目的	保护数据传递和存储的行为不被发现	保护数据不被对手得到
安全性	抗检测能力	可证明安全性
对抗手段	隐写分析检测	密码分析

LSB隐写技术

LSB算法概念

LSB（Least Significant Bit）隐写算法，中文译名为最低有效位，是指一个二进制数字中的最低位。LSB隐写算法的基本思想是用待嵌入的隐私信息取代载体图像数据的LSB，构成载密图像。又因为LSB对图像的外部特征影响很小，所以人难以用肉眼看出载密图像的变化。然而，人眼不仅对LSB位不可感知，对比LSB位更高的某些位同样不可感知，这就意味着这些更高的位同样可以用嵌入隐秘信息。