第三章图像数字水印的方案
3.1 图像数字水印的技术方案
在数据库中存储在国际互联网上传输的水印图像一般会被压缩，有时达到很高的压缩比。因此，数字水印算法所面临的第一个考验就是压缩。JPEG和EZW（Embedded Zero-Tree Wavelet）压缩是最常见的两种压缩方法。JPEG是基于离散余弦变换域的压缩方法，而EZW是基于小波变换域的压缩方法。前人的研究证明采用与压缩算法相同的变换域水印方法，对于压缩的稳健性较强。因此，我研究图像文件水印算法主要集中在变换域算法及利用人眼视觉特性上。
数字水印的嵌入要求即要考虑视觉透明性，又要保证嵌入水印后图像的稳健性，这两个方面存在着矛盾。保证视觉透明性，就要将水印嵌入到人眼不敏感区，也就是嵌入到图像的高频分量中。而多数图像处理方法对于图像高频部分的损坏程度较高，如有损压缩、高频滤波等。水印很容易在经历图像处理的过程中丢失。这样，则无法保证图像数字水印的稳健性。如果要获得很好的稳健性，数字水印应加在人眼敏感的低频部分，图像的大部分能量集中在低频部分，如果对于低频部分进行处理，水印固然会失去，而图像也没有了利用价值，然而，水印的嵌入会对图像的质量有非常大的影响，这又无法保证视觉透明性。
数字水印算法的实现基本分为三个部分：宿主图像的变换，水印的嵌入和水印的检测，分别描述如下。
3.2 基于DCT域的图像数字水印技术
离散余弦变换（Discrete Cosine Transform）属于正交变换图像编码方法中的一种。正交变换图像编码始于1968年。当时安德鲁斯（Andrews）等人发现大多数自然图像的高频分量相对幅度较低，可完全舍弃或者只用少数码字编码，提出不对图像本身编码，只对其二维傅立叶（DFT）系数进行编码和传输。但DFT是一种正交变换，运算量很大，常常使实时处理发生困难，第二年他们就用Walsh-Hadamard变换（WHT）取代DFT可以使运算量明显减少，这是因为WHT变换只有加减法而无需乘法。但是更有意义的是离散余弦变换和离散正旋变换的出现，它们具有快速算法，精确度高。其中最重要的是1974年提出的DCT，因为其变换矩阵的基向量很近似于托伯利兹矩阵的特征向量，而托伯利兹矩阵又体现了人类语言及图像信号的相关性。因此，DCT常常被认为是语音与图像信号变换的准最佳变换。
图像是二维的，所以在研究时主要用到二维DCT，以及二维IDCT来对图像进行处理。
3.2.1 离散余弦变换（DCT ）的定义
数字图像X （m,n ）是具有M 行N 列的一个矩阵。为了同时减弱或去除图像数据相关性，可以运用二维DCT ，将图像从空间域转换到DCT 变换域。 根据定义，二维离散余弦变换（DCT ）定义如下：
N
l n M
k m n m X l c k c MN
l k Y M m N n 2)12(cos
2)12(cos
),()()(2),(101
π
π
++=
∑∑
-=-=
式中m ，k=0,1,…,M -1; n ， l =0,1,…,N -1。
??
?-===1
,,2,110
21
)(M k k k c 其中函数??
?-===1
,,2,11
2
1
)(N k k l c
二维逆离散余弦变换（IDCT ）的定义如下：
∑∑
-=-=++=
101
2)12(cos
2)12(cos
),()()(2),(M K N L N
l n M
k m l k Y l c k c MN
n m X π
π
式中：m ，k=0,1,…,M -1; n ，l =0,1,…N -1。
3.2.2 离散余弦变换的特点
在基于DCT 的变换编码中，图像是先经分块（8×8或16×16）后再经DCT ，这种变换是局部的，只反映了图像某一部分的信息。当然也可以对整幅图像的特点，但是运算速度比分块DCT 要慢。图像经DCT 后，得到的DCT 图像有三个特点：
一是系数值全部集中到0值附近（从直方图统计的意义上），动态范围很小，这说明用较小的量化比特数即可表示DCT 系数；
二是DCT 变换后图像能量集中在图像的低频部分，即DCT 图像中不为零的系数大部分集中在一起（左上角），因此编码效率很高。
三是没有保留原图像块的精细结构，从中反映不了原图像块的边缘、轮廓等信息，这一特点是由DCT 缺乏时局域性造成的。
如下左图3—1是原始图像经过DCT 变换后的系数图像为图3—2。两条线划分出图像的低频、中频和高频分别所在的矩形区域。可以看出，图像DCT 变换后大部分参数接近于零，只有左上角的低频部分有较大的数值，中频部分参数值相对较小，而大部
分高频参数值非常小，接近于零。
图 3—1：原图像 图 3—2：变换后的系数图像
3.2.3 离散余弦变换的数字水印算法
根据离散余弦变换后的参数性质，本文采用了以ZigZag 方式重排变换域系数的方法，选出中频分量，用数字水印序列对其进行非线性调制。水印检测时，待检测图像仍按比方式选择变换域系数，与待水印进行相关运算，与阈值比较来判断是否所含水印。
离散余弦域的数字水印算法的具体实现分为三步：宿主图像的变换，数字水印的嵌入，数字水印的检测。
3.2.3.1 宿主图像的DCT 变换
对于N ×N 大小的256灰度级的宿主图像I 进行N ×N 二维离散余弦变换（DCT ）。以ZigZag 方式对于DCT 变换后的图像频率系数重新排列成一维向量Y={y 1, y 2,…y N×N }.
并取出序列中第L+1到L+M 的中频系数部分,得到Y L ={ Y L+1, Y L+2,…, Y L+M }
3.2.3.2 数字水印的嵌入
假设数字水印W 为一服从标准正态分布的随机实数序列，用数字序列表示为W={W 1 ，W 2 ，…W M }。用W 对Y 序列中第L+1到L+M 的中频系数部分的值进行修改，按以下公式进行：
''2
,0i i i i i i
y y i L i L m
y y y w L i L M αα?=≤≥+?=+<≤+>?或 经过修改的系数序列Y ′ ={ Y 1′, Y 2′,... Y ′N×N } 以ZigZag 逆变换形式重组，
再进行N ×N DCT 逆变换，得到嵌有数字水印的图像I ′。
3.2.3.3 数字水印的检测
待检测的可能含有水印的图像I " 。假设I "未损失大量信息，可以近似认为I "= I ′。在此假设下可以运用统计的方法来检测水印。 （1）待检水印域待检图像中频系数相关性的测定
同样对I ′进行DCT 变换，以ZigZag 方式将DCT 系数排成一维向量Y "= { Y 1 ", Y 2 ",... Y N×N "}。由于假设I "=I ′，则Y "= Y ′。
取出Y "（等于Y ′）中第L+1到L+M 的中频系数部分Y L "={ Y L+1 ", Y L+2"’,... Y L+M "}。假设待检测的数字水印X={X 1，X 2，... X M }为一符合标准正态分布的实数伪随机序列。则可以通过待检水印与图像中频系数作相关运算来判断是否所加入了水印。只有在待检水印为所加入的水印时，才能得到较大的相关值。否则相关值很小，接近于零。
∑∑
++=++=
=
=))()((1)(1),'cov(2
1
Xi W Y X Y
M
X Y M
X Y Z i i L i i
L M
i i i L L α
用符号E 表示数学期望，得到：
2()()()0
()0E z E Y X W E z X W E z α?==?
=≠??=?没有水印存在
（2）阈值的确定
根据中心极限定理，参照水印匹配与不匹配两种情况得到阈值为2/)(2L z Y E T α=。由于原始图像难以得到，因此从实用性出发，阈值定义为：
∑=+=
=M
i i
L L
Z Y
M
Y E T 1
2
2/)(α
α
综上所述，满足5.022???Z
Z T T Z 或时，则表明检测到匹配水印。否则，未检测到
匹配的水印。
3.3 MATLAB 工具简介 3.3.1. 简介
Matlab 是当前在国内外十分流行的工程设计和系统仿真软件包。它是MathWorks 公司于1982年推出的一套高性能的数值计算和可视化软件，它集数值分析、矩阵运算、信号处理和图形显示于一体，构成了一人方便的、界面友好的用户环境。
Matlab 的推出得到了各个领域专家、学者的广泛关注，其强大的扩展功能为各个领域的应用提供了基础。由各个专家学者相继推出了MA TLAB 工具箱，其中的信号处理(signal processing)、控制系统(control system)、神经网络(neural network)、图像处理(image processing)、鲁棒控制(robust control)、非线性系统控制设计(nonlinear system control design)、系统辨识(system identification)、最优化(optimization)、模糊逻辑(fuzzy logic)、小波(wavelet)、通信(communication)、统计(statistics)等工具箱，这些工具箱给各个领域的研究和工程应用提供了有力的工具，借助于这些“巨人肩上的工具”，各个层次的研究人员可直观、方便地进行分析、计算及设计工作，从而大大地节省了时间。
3.3.2. MATLAB 研究数字水印的优点
① 集成了DCT 、DWT 等函数有丰富的小波函数和处理函数，这不仅方便了研究人员，
而且使源程序简洁明了、易实现。
② 强大的数学运算功能。能够方便、高效地实现音频、视频中的大量矩阵运算。 ③ 提供了图像处理工具箱、小波分析工具箱、数字信号处理工具箱。用来编制跨数字
图像处理技术、数字信号处理等多学科的数字水印技术是非常好的选择。 ④ MA TLAB 与目前最强大的编程工具——Visual C++具有良好的接口。
3.3.3. MATLAB函数介绍
在介绍函数之前，我们必须明确一点：作水印程序时，处理的图像数据是二维信号，而声音信号是一维信号。这里，我们仅仅简单介绍与水印有关的函数。
①数据输入输出函数
imread（）和imwrite（）：可以读写bmp,jpg/jpeg, tif/tiff, png, hdf, pcx, wxd格式文件。读索引文件时，还可以得到相应的调色板数据。
auread（）、auwrite（）、wavread（）和wavwrite（）：可以方便地读写au和wav文件，并可控制其中的位及频率。
②图像显示
imshow()：显示一幅图像；imfinfo()：可以得到读入图像的信息。如文件的大小、格式、格式版本号、图像的高度、宽度、颜色类型（真彩色，灰度图还是索引图）等。
③变换频函数
对信号采用不同的变换，是实现频域法水印的至关重要的一步，MA TLAB中对一维信号和二维信号分别提供了各种变换和逆变换函数。
◆离散余弦变换（DCT）
dct(),dct2():分别实现一维信号和二维信号的DCT（离散余弦变换）；
idct(),idct2():分别实现一维信号和二维信号的IDCT（逆向离散余弦变换）；
◆离散小波变换（DWT）
dwt(),dwt2():分别实现一维信号和二维信号的DWT（离散小波变换）
idwt(),idwt2():分别实现一维信号和二维信号的IDWT（离散小波变换）；
Wavedec2():多级二维小波分解函数；
Waveinfo():提供小波包中所有的小波信息；
④攻击函数
对算法进行攻击测试是对水印鲁棒性检测的一种重要手段，一个好的水印算法必须经过各种攻击测试才能对之做出客观的评价。MA TLAB中的许多函数可以直接用来做攻击测试。
旋转：rotate（）可以对图像进行任意角度的旋转；
剪裁：imcrop()可以按精确定位的各点坐标进行剪裁；
滤波：filter()和filter2()可实现对一维信号和二维信号的滤波；
抖动：dither()对图像进行抖动；抖动攻击考验水印鲁棒性的一个很好的攻击；
jpeg压缩：imwrite()中jpg和quality参数能对图像进行可控jpg压缩；
加各种噪声：imnoise()可以对图像加入各种噪声，如白噪声、椒盐噪声等，加入噪声是对水印鲁棒性考验的一种常见的攻击；
放大/缩小：imresize()可以以指定的插值方法来对图像进行放大和缩小。
第四章：图像数字水印技术的实现
4.1 基于离散余弦变法（DCT）实现数字水印技术
①打开原始及水印图像：
subplot(2,2,1)
I=uigetfile('*.bmp','打开原始彩色图像文件');
RGB=imread(I);
image(RGB);
title('原始彩色图像');
subplot(2,2,2)
I=uigetfile('*.bmp','打开水印灰度图像文件');
imshow(I);
title('灰度水印图像');
subplot(2,2,3)
H=imread(I);
J=dct2(H);
imshow(log(abs(J)),[]),colorbar;
title('水印图像经DCT变换后能量分布情况')
运行结果：
②水印全过程：
0%水印加入程序
Q=input('请输入放缩因子的值(建议小于1)：Q＝')
subplot(2,3,1)
RGB=imread('浙江台州学院','jpg');
imshow(RGB);
title('原始图像');
subplot(2,3,2)
N=dct2(RGB(:,:,3));
imshow(log(abs(N)),[]),colorbar; title('Y分量能量分布');
subplot(2,3,4)
I=imread('lena1','bmp');
imshow(I);
title('灰度水印图像');
subplot(2,3,5)
M=dct2(I);
imshow(log(abs(M)),[]),colorbar; title('水印能量分布');
subplot(2,3,6)
J=M(1:128,1:128);
J(128:364,128:400)=0;
J=rot90(J);
J=rot90(J);
J(365:600,401:750)=0;
J=rot90(J);
J=rot90(J);
N=N+Q*J;
K=idct2(N);
RGB(:,:,3)=K;
imshow(RGB);
title('加入水印后图像');
%水印提取程序
subplot(2,3,3)
RGB1=imread('浙江台州学院','jpg'); N=dct2(RGB(:,:,3));
M=dct2(RGB1(:,:,3));
M=(N-M)/Q;
B=idct2(M(236:365,350:401));
Y=mat2gray(B);
imshow(Y);
title('提取的水印图像')
运行结果：
③水印全过程（经剪切检测水印）
%水印加入程序
Q=input('请输入放缩因子的值(建议小于1)：Q＝') subplot(3,3,1)
RGB=imread('MM','jpg');
imshow(RGB);
title('原始图像');
subplot(3,3,2)
imshow(RGB(:,:,3));
title('B分量');
subplot(3,3,3)
N=dct2(RGB(:,:,3));
imshow(log(abs(N)),[]),colorbar;
title('B分量能量分布');
subplot(3,3,4)
I=imread('lena1','bmp');
imshow(I);
title('灰度水印图像');
subplot(3,3,5)
M=dct2(I);
imshow(log(abs(M)),[]),colorbar;
title('水印能量分布');
subplot(3,3,7)
J=M(1:128,1:128);
J(128:464,128:364)=0;
J=rot90(J);
J=rot90(J);
J(465:800,365:600)=0;
J=rot90(J);
J=rot90(J);
N=N+Q*J;
K=idct2(N);
RGB(:,:,3)=K;
imshow(RGB);
title('加入水印后图像'); subplot(3,3,8)
I=imcrop(RGB,[1 1 598 798]); imshow(I);
subplot(3,3,9)
%水印提取程序
subplot(3,3,6)
RGB1=imread('MM','jpg');
J=RGB1(:,:,3);
X=J(1:799,1:599);
N=dct2(I(:,:,3));
M=dct2(X);
M=(N-M)/Q;
B=idct2(M(337:464,237:364)); Y=mat2gray(B);
imshow(Y);
title('经放缩后提取的水印图像') 运行结果：
④水印全过程（经空域压缩检测水印）
程序源代码
%水印加入程序
Q=input('请输入放缩因子的值(建议小于1)：Q＝')
P=input('请输入您所希望的图像放缩系数值(建议取值不要小于0.5):P=') subplot(3,3,1)
RGB=imread('浙江台州学院','jpg');
imshow(RGB);
title('原始图像');
subplot(3,3,2)
imshow(RGB(:,:,3));
title('B分量');
subplot(3,3,3)
N=dct2(RGB(:,:,3));
imshow(log(abs(N)),[]),colorbar;
title('B分量能量分布');
subplot(3,3,4)
I=imread('lena1','bmp');
title('灰度水印图像');
subplot(3,3,5)
M=dct2(I);
imshow(log(abs(M)),[]),colorbar; title('水印能量分布');
subplot(3,3,7)
J=M(1:128,1:128);
J(128:364,128:400)=0;
J=rot90(J);
J=rot90(J);
J(365:600,401:750)=0;
J=rot90(J);
J=rot90(J);
N=N+Q*J;
K=idct2(N);
RGB(:,:,3)=K;
imshow(RGB);
title('加入水印后图像');
subplot(3,3,8)
I=imresize(RGB,P,'nearest'); imshow(I);
title('压缩P倍图像');
subplot(3,3,9)
J=imresize(I,1/P,'nearest');
imshow(J);
title('再放大P倍还原图像')
%水印提取程序
subplot(3,3,6)
RGB1=imread('浙江台州学院','jpg'); N=dct2(J(:,:,3));
M=dct2(RGB1(:,:,3));
M=(N-M)/Q;
B=idct2(M(236:365,350:401));
Y=mat2gray(B);
title('经放缩后提取的水印图像')：
运行结果：
4.2 图像水印的dwt算法
%以下是水印提取算法
clear all;
clc;
%保存时间
start_time=cputime;
figure(1);
%读出原始图像
subplot(1,2,1);
input=imread('2.jpg');
imshow(input);
title('原始图像');
%读出水印图像
subplot(1,2,2);
watermarked_image=imread('watermarked.bmp'); imshow(watermarked_image,[]);
title('水印图像');
%三色分离
input=double(input);
watermarked_image=double(watermarked_image); inputr=input(:,:,1);
watermarked_imager=watermarked_image(:,:,1); inputg=input(:,:,2);
watermarked_imageg=watermarked_image(:,:,2); inputb=input(:,:,3);
watermarked_imageb=watermarked_image(:,:,3);
%水印图像R的分解
[Cwr,Swr]=WAVEDEC2(watermarked_imager,2,'haar');
%图像R的分解
[Cr,Sr]=WAVEDEC2(inputr,2,'haar');
%水印图像G的分解
[Cwg,Swg]=WAVEDEC2(watermarked_imageg,2,'haar');
%图像R的分解
[Cg,Sg]=WAVEDEC2(inputg,2,'haar');
%水印图像B的分解
[Cwb,Swb]=WAVEDEC2(watermarked_imageb,2,'haar');
%图像B的分解
[Cb,Sb]=WAVEDEC2(inputb,2,'haar');
%提取水印小波系数
%提取水印R的小波系数
r=0.06;
for k=0:3
whr(k+1,:)=Cwr(1+size(Cwr,2)/4+k*size(Cwr,2)/16:... size(Cwr,2)/4+(k+1)*size(Cwr,2)/16)-...
Cr(1+size(Cr,2)/4+k*size(Cr,2)/16:...
size(Cr,2)/4+(k+1)*size(Cr,2)/16);
wvr(k+1,:)=Cwr(1+size(Cwr,2)/2+k*size(Cwr,2)/16:... size(Cwr,2)/2+(k+1)*size(Cwr,2)/16)-...
Cr(1+size(Cr,2)/2+k*size(Cr,2)/16:...
size(Cr,2)/2+(k+1)*size(Cr,2)/16);
wdr(k+1,:)=Cwr(1+3*size(Cwr,2)/4+k*size(Cwr,2)/16:... 3*size(Cwr,2)/4+(k+1)*size(Cwr,2)/16)-...
Cr(1+3*size(Cr,2)/4+k*size(Cr,2)/16:...
3*size(Cr,2)/4+(k+1)*size(Cr,2)/16);
end
whr=(whr(1,:)+whr(2,:)+whr(3,:)+whr(4,:))/(4*r);
wvr=(wvr(1,:)+wvr(2,:)+wvr(3,:)+wvr(4,:))/(4*r);
wdr=(wdr(1,:)+wdr(2,:)+wdr(3,:)+wdr(4,:))/(4*r);
war=(Cwr(1:size(Cwr,2)/16)-Cr(1:size(Cr,2)/16))/r;
%提取水印小波系数
%提取水印G的小波系数
g=0.03;
for k=0:3
whg(k+1,:)=Cwg(1+size(Cwg,2)/4+k*size(Cwg,2)/16:... size(Cwg,2)/4+(k+1)*size(Cwg,2)/16)-...
Cg(1+size(Cg,2)/4+k*size(Cg,2)/16:...
size(Cg,2)/4+(k+1)*size(Cg,2)/16);
wvg(k+1,:)=Cwg(1+size(Cwg,2)/2+k*size(Cwg,2)/16:... size(Cwg,2)/2+(k+1)*size(Cwg,2)/16)-...
Cg(1+size(Cg,2)/2+k*size(Cg,2)/16:...
size(Cg,2)/2+(k+1)*size(Cg,2)/16);
wdg(k+1,:)=Cwg(1+3*size(Cwg,2)/4+k*size(Cwg,2)/16:... 3*size(Cwg,2)/4+(k+1)*size(Cwg,2)/16)-...
Cg(1+3*size(Cg,2)/4+k*size(Cg,2)/16:...
3*size(Cg,2)/4+(k+1)*size(Cg,2)/16);
end
whg=(whg(1,:)+whg(2,:)+whg(3,:)+whg(4,:))/(4*g);
wvg=(wvg(1,:)+wvg(2,:)+wvg(3,:)+wvg(4,:))/(4*g);
wdg=(wdg(1,:)+wdg(2,:)+wdg(3,:)+wdg(4))/(4*g);
wag=(Cwg(1:size(Cwg,2)/16)-Cg(1:size(Cg,2)/16))/g;
%提取水印小波系数
%提取水印B的小波系数
b=0.12;
for k=0:3
whb(k+1,:)=Cwb(1+size(Cwb,2)/4+k*size(Cwb,2)/16:...
size(Cwb,2)/4+(k+1)*size(Cwb,2)/16)-...
Cb(1+size(Cb,2)/4+k*size(Cb,2)/16:...
size(Cb,2)/4+(k+1)*size(Cb,2)/16);
wvb(k+1,:)=Cwb(1+size(Cwb,2)/2+k*size(Cwb,2)/16:...
size(Cwb,2)/2+(k+1)*size(Cwb,2)/16)-...
Cb(1+size(Cb,2)/2+k*size(Cb,2)/16:...
size(Cb,2)/2+(k+1)*size(Cb,2)/16);
wdb(k+1,:)=Cwb(1+3*size(Cwb,2)/4+k*size(Cwb,2)/16:... 3*size(Cwb,2)/4+(k+1)*size(Cwb,2)/16)-...
Cb(1+3*size(Cb,2)/4+k*size(Cb,2)/16:...
3*size(Cb,2)/4+(k+1)*size(Cb,2)/16);
end
whb=(whb(1,:)+whb(2,:)+whb(3,:)+whb(4,:))/(4*b);
wvb=(wvb(1,:)+wvb(2,:)+wvb(3,:)+wvb(4,:))/(4*b);
wdb=(wdb(1,:)+wdb(2,:)+wdb(3,:)+wdb(4,:))/(4*b);
wab=(Cwb(1:size(Cwb,2)/16)-Cb(1:size(Cb,2)/16))/b;
%重构水印图像
cwr=[war,whr,wvr,wdr];
swr(:,1)=[sqrt(size(war,2)),sqrt(size(war,2)),2*sqrt(size(war,2))]; swr(:,2)=[sqrt(size(war,2)),sqrt(size(war,2)),2*sqrt(size(war,2))]; wr = waverec2(cwr,swr,'haar');
cwg=[wag,whg,wvg,wdg];
swg(:,1)=[sqrt(size(wag,2)),sqrt(size(wag,2)),2*sqrt(size(wag,2))]; swg(:,2)=[sqrt(size(wag,2)),sqrt(size(wag,2)),2*sqrt(size(wag,2))]; wg=waverec2(cwg,swg,'haar');
cwb=[wab,whb,wvb,wdb];
swb(:,1)=[sqrt(size(wab,2)),sqrt(size(wab,2)),2*sqrt(size(wab,2))]; swb(:,2)=[sqrt(size(wab,2)),sqrt(size(wab,2)),2*sqrt(size(wab,2))]; wb=waverec2(cwb,swb,'haar');
%将R，G，B叠加
temp=size(wr);
pic=zeros(temp(1),temp(2),3);
for i=1:temp(1);
for j=1:temp(2);
pic(i,j,1)=wr(i,j);
pic(i,j,2)=wg(i,j);
pic(i,j,3)=wb(i,j);
end
end
output=uint8(round(pic));
%转化为uint8
watermark_image_uint8=uint8(output);
imwrite(watermark_image_uint8,'watermark.bmp','bmp');
figure(2);
imshow(watermark_image_uint8);
title('提取出的水印');
原始图像
加入小波的图像
小波提取的小波
基于DCT的数字水印算法的研究Research of Digital Watermarking Algorithm Based on Discrete Cosine Transform
摘要 近年来，由于网络的迅猛发展，越来越多的多媒体信息已经走向数字化。人们可以从网上更加方便的取得各类信息，可以更加方便的对别人的作品进行篡改，复制等，由此带来的版权维护问题也日益严重。版权维护也越来越受到人们的关注了，数字水印技术是解决这类问题最有效的手段，所以数字水印技术现在已然成为了研究的热点。 本文是对基于DCT域数字水印算法的研究，简要介绍数字水印的发展，基本原理等，在MATLAB环境中完成两种基于DCT域数字水印算法的设计。第一种是基于DCT图像全局变换的数字水印算法，而第二种则可以认为是第一种算法的改进，是基于DCT域分块水印算法。然后对于水印系统的鲁棒性，进行一些攻击测试，有盐噪声攻击、高斯噪声攻击、旋转攻击、剪切攻击、JPEG有损压缩攻击等，对比分析哪种算法更好。虽然说该课题只不过是对现有的数字水印技术进行了一个比较简单的研究，但是让我们充分认识到了数字水印技术对我们日常生活的重要性。 关键词：数字水印DCT 攻击测试
Abstract In recent years,with the rapid development of the network,more and more multimedia information has been digitized.People can obtain various kinds of information from the Internet more convenient, the work of others will be altered and copied more convenient, copyright protection issues are also increasingly serious. People are more and more concerned about copyright protection, digital watermarking technology is the most effective means to solve these problems, so the digital watermarking technology has become a hot topic now. This article is to study based on DCT-domain digital watermarking algorithm, introduced the development of digital watermarking and the basic principles etc,completed two design schemes based on DCT-domain digital watermarking algorithm in MATLAB environment. The first one is based on digital image watermarking algorithm global transformation of DCT, while the second one can be considered to improve the first algorithm, which is based on DCT-domain block watermarking algorithm. Then for the robustness of the watermarking system, we performed some attack test, salt noise attack, Gaussian noise attack and spin attack, cropping attack, JPEG compression attack, in order to prove which is better. Although the subject is a relatively simple research for the existing digital watermarking technique , but it let us aware of the importance of digital watermarking technology in our daily life. Key words:Digital watermarking DCT Robustness Attack test
数字图像处理的发展现状及研究内容概述人类传递信息的主要媒介是语音和图像。据统计，在人类接受的信息中，听觉信息占20%，视觉信息占60%，所以作为传递信息的重要媒体和手段——图像信息是十分重要的，俗话说“百闻不如一见”、“一目了然”，都反映了图像在传递信息中独到之处。 目前，图像处理技术发展迅速，其应用领域也愈来愈广，有些技术已相当成熟并产生了惊人的效益，当前图像处理面临的主要任务是研究心的处理方法，构造新的处理系统，开拓更广泛的应用领域。 数字图像处理（Digital Image Processing）又称为计算机数字图像处理，它是指将数字图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和数字图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的数字图像处理的目的是改善数字图像的质量，它以人为对象，以改善人的视觉效果为目的。数字图像处理中，输入的是质量低的数字图像，输出的是改善质量后的数字图像，常用的数字图像处理方法有数字图像增强、复原、编码、压缩等。 1:数字图像处理的现状及发展 数字图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使数字图像处理成为一门引人注目、前景远大的新型学科。随着数字图像处理技术
的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。 人们已开始研究如何用计算机系统解释数字图像，实现类似人类视觉系统理解外部世界，这被称为数字图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。数字图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。如今数字图像处理技术已给人类带来了巨大的经济和社会效益。不久的将来它不仅在理论上会有更深入的发展，在应用上意识科学研究、社会生产乃至人类生活中不可缺少的强有力的工具。 数字图像处理进一步研究的问题，不外乎如下几个方面： （1）在进一步提高精度的同时着重解决处理速度问题。如在航天遥感、气象云图处理方面，巨大的数据量和处理速度任然是主要矛盾之一。 （2）加强软件研究、开发新的处理方法，特别要注意移植和借鉴其他学科的技术和研究成果，创造新的处理方法。 （3）加强边缘学科的研究工作，促进数字图像处理技术的发展。如：人的视觉特性、心理学特性等的研究，如果有所突破，讲对团向处理技术的发展起到极大的促进作用。
主程序 clear all close all clc !echo 本次图像处理的菜单如下:! !echo 1,imgsharping! !echo 2,imgnegative! !echo 3,imgsmoothing! !echo 4,imgsubtracting! !echo 5,medianfilting! !echo 6,contraststrength! !echo 7,lineartransform! !echo 8,imgfilp! !echo 9,imgindextransform! iptsetpref('ImshowBorder', 'tight') a=1; img = imread('C:\Users\huanhuan\Desktop\司马.jpg'); figure(1), imshow(img); while(a==1) choose=input('please enter your choosing ranging from 1 to 9: '); switch choose case 1, imgsharping(img); case 2, imgnegative(img); case 3, imgsmoothing(img); case 4, imgsubstract(img); case 5, medianfilting(img); case 6, contraststrength(); case 7, lineartransform(); case 8, imgfilp(img); case 9, imgindextransform(); otherwise disp('Unknown method.'); end a=input('continue(1) or quit(2)');
第二章 2.1（第二版是0.2和1.5*1.5的矩形，第三版是0.3和1.5圆形） 对应点的视网膜图像的直径x 可通过如下图题2.1所示的相似三角形几何关系得到，即 ()()017 023 02.x .d = 解得x=0.06d 。根据2.1 节内容，我们知道：如果把中央凹处想象为一个有337000 个成像单元的圆形传感器阵列，它转换成一个大小2 5327.?π成像单元的阵列。假设成像单元之间的间距相等，这表明在总长为1.5 mm （直径） 的一条线上有655个成像单元和654个成像单元间隔。则每个成像单元和成像单元间隔的大小为s=[(1.5 mm)/1309]=1.1×10-6 m 。 如果在中央凹处的成像点的大小是小于一个可分辨的成像单元，在我们可以认为改点对于眼睛来说不可见。换句话说， 眼睛不能检测到以下直径的点： m .d .x 61011060-?<=，即m .d 610318-?< 2.2 当我们在白天进入一家黑暗剧场时，在能看清并找到空座时要用一段时间适应。2.1节描述的视觉过程在这种情况下起什么作用？ 亮度适应。 2.3 虽然图2.10中未显示，但交流电的却是电磁波谱的一部分。美国的商用交流电频率是77HZ 。问这一波谱分量的波长是多少？ 光速c=300000km/s ，频率为77Hz 。 因此λ=c/v=2.998 * 108(m/s)/77(1/s) = 3.894*106 m = 3894 Km. 2.5 根据图2.3得：设摄像机能看到物体的长度为x (mm)，则有:500/x=35/14; 解得：x=200，所以相机的分辨率为：2048/200=10;所以能解析的线对为：10/2=5线对/mm. 2.7 假设中心在（x0,y0）的平坦区域被一个强度分布为： ])0()0[(2 2),(y y x x Ke y x i -+--= 的光源照射。为简单起见，假设区域的反射是恒定 的，并等于1.0，令K=255。如果图像用k 比特的强度分辨率进行数字化，并且眼睛可检测相邻像素间8种灰度的突变，那么k 取什么值将导致可见的伪轮廓？ 解：题中的图像是由： ()()()()()[ ]()()[]2 02 02 020********y y x x y y x x e .e y ,x r y ,x i y ,x f -+---+--=?== 一个截面图像见图（a ）。如果图像使用k 比特的强度分辨率，然后我们有情况见图（b ），其中()k G 21255+=?。因为眼睛可检测4种灰度突变，因此，k G 22564==?，K= 6。
摘要 数字水印（Digital Watermark）技术是指用信号处理的方法在数字化的多媒体数据中嵌入隐蔽的标记，这种标记通常是不可见的，只有通过专用的检测器或阅读器才能提取。数字水印是信息隐藏技术的一个重要研究方向。随着数字水印技术的发展，数字水印的应用领域也得到了扩展，数字水印的基本应用领域是版权保护、隐藏标识、认证和安全不可见通信。 当数字水印应用于版权保护时，潜在的应用市场在于电子商务、在线或离线地分发多媒体内容以及大规模的广播服务。数字水印用于隐藏标识时，可在医学、制图、数字成像、数字图像监控、多媒体索引和基于内容的检索等领域得到应用。数字水印的认证方面主要ID卡、信用卡、ATM卡等上面数字水印的安全不可见通信将在国防和情报部门得到广泛的应用。 本文主要是根据所学的数字图象处理知识，在MATLAB环境下，通过系统编程的方式，建立并实现基于DCT域的数字水印加密系统。该系统主要包含数字水印的嵌入与提取，仿真结果表明，数字水印算法具有有效性、可靠性、抗攻击性、鲁棒性和不可见性，能够为数字媒体信息在防伪、防篡改、认证、保障数据安全和完整性等方面提供有效的技术保障。 关键词：数字水印；MATLAB；DCT
目录 1 课程设计目的 (1) 2 课程设计要求 (2) 3 数字水印技术基本原理 (3) 3.1 数字水印基本框架 (3) 3.2 算法分类 (3) 3.2.1 DCT法 (4) 3.2.2 其他方法 (4) 3.3 实际需要考虑的问题 (4) 3.3.1 不可见性 (4) 3.3.2 鲁棒性 (5) 3.3.3 水印容量 (5) 3.3.4 安全性 (5) 4 基于DCT变换仿真 (6) 4.1 算法原理 (6) 4.1.1 准备工作 (6) 4.1.2 选取8*8变换块 (7) 4.1.3 边界自适应 (7) 4.1.4 DCT变换与嵌入 (7) 4.1.5 恢复空域 (8) 4.2 嵌入算法扩展 (8) 4.2.1 RGB彩色图像三个矩阵的划分 (8) 4.2.2 八色彩色水印 (8) 4.3 水印的提取 (9) 4.4 仿真程序 (9) 5 结果分析 (14) 结束语 (16) 参考文献 (17)
数字图像处理技术现状及发展趋势 摘要现今是计算机技术、网络技术以及多媒体技术高速发展的时代，更多高科技技术正在全面发展，数字图像处理技术作为一种新式技术，如今已经广泛地应用于人们的生产生活中。数字图像处理技术的应用和发展为人们的生活发展带来了很多的便利，在遥感技术、工业检测方面发展迅速，在医学领域，气象通信领域也有很大的成就。由此，本文主要探讨数字图像处理技术的现状及发展趋势。 关键词数字图像处理技术；现状；发展趋势 现今是计算机和网络技术高速发展的时代，计算机的应用给人们的生产生活带来了很大的便利，人们应用计算机处理各种复杂的数据，将传统方式不能处理的问题以全新的技术和方式有效解决[1]。数字图像处理技术是应用较为广泛的一种技术，在具体应用过程中，能够经过增强、复原、分割等过程对数据进行处理，且具有多样性、精度高、处理量大的显著优势，本文对数字图像处理技术的现状及发展趋势进行研究和探讨。 1 数字图像处理技术发展现状 数字图像处理技术是近年来发展较为迅速的一种技术，具体是指应用计算机对图像进行一系列的处理，最终达到人们要求的水平，在具体的处理过程中，以改善图像的视觉效果为核心，最终呈现出人们想要表达的意思。笔者查阅国内外诸多文献库，发现对数字图像处理技术的研究多数集中于图像数字化、图像增强、图像还原、图像分割等领域[2]。最初数字图像处理技术产生于20世纪20年代，当时普遍将其应用于报纸业，发展至20世纪50年代，图像处理技术跟随着计算机的发展而迅速发展，也有更多的人开始关注和应用该技术，当时在各国的太空计划中发挥了巨大作用，尤其是对月球照片的处理，获得了很大的成功。发展到20世纪70年代时，数字图像处理技术的应用已经很普遍了，尤其是在计算机断层扫面（CT）等方面，该技术的应用得到了一致好评，而现今，数字图像处理技术随处可见，已广泛应用在各行各业中。 2 数字图像处理技术的特点 数字图像处理技术有以下几个特点：①图像处理的多样性特点。数字图像处理技术可以编写多样的算法，以不同的程序模式施加于数字图像技术上，根据实际需求对图像进行处理，因此最终获取的图像效果也截然不同。②图像处理精度高。应用数字图像处理技术处理的图像，其精度和再现性都提高了一个层次，尤其是在各种算法和程序的支撑下，进一步确保了计算的精度和正确性。③交叉融合了多门学科和新技术。数字图像处理的应用基础包含了众多学科和技术，其中数学和物理是关键，而通信、计算机、电子等技术则是确保其处理质量的关键技术。④数据处理量大[3]。图像本身就包含了大量的信息，数字图像处理技术可以更好地区分有用信息和冗余信息，从而获取处理的关键性信息。
数字图像处理实验 图像处理实验（一）直方图 灰度变换是图像增强的一种重要手段，使图像对比度扩展，图像更加清晰，特 征更加明显。 灰度级的直方图给出了一幅图像概貌的描述，通过修改灰度直方图来得到图像 增强。 1、灰度直方图 （1）计算出一幅灰度图像的直方图 clear close all I=imread('004.bmp'); imhist(I) title('实验一（1）直方图'); （2）对灰度图像进行简单的灰度线形变换， figure subplot(2,2,1) imshow(I); title('试验2-灰度线性变换'); subplot(2,2,2) histeq(I); （3）看其直方图的对应变化和图像对比度的变化。 原图像 f(m,n) 的灰度范围 [a,b] 线形变换为图像 g(m,n),灰度范围[a’,b’]公式：g(m,n)=a’+(b’-a’)* f(m,n) /(b-a) figure subplot(2,2,1) imshow(I) J=imadjust(I,[0.3,0.7],[0,1],1); title(' 实验一（3）用g(m,n)=a’+(b’-a’)* f(m,n) /(b-a)进行变换 '); subplot(2,2,2) imshow(J) subplot(2,2,3) imshow(I) J=imadjust(I,[0.5 0.8],[0,1],1); subplot(2,2,4) imshow(J) (4) 图像二值化（选取一个域值，(5) 将图像变为黑白图像） figure subplot(2,2,1)
imshow(I) J=find(I<150); I(J)=0; J=find(I>=150); I(J)=255; title(' 实验一（4）图像二值化 ( 域值为150 ） '); subplot(2,2,2) imshow(I) clc; I=imread('14499.jpg'); bw=im2bw(I,0.5);%选取阈值为0.5 figure; imshow(bw) %显示二值图象 图象处理变换（二） 1．傅立叶变换 熟悉其概念和原理,实现对一幅灰度图像的快速傅立叶变换,并求其变换后的系数分布. 2．离散余弦变换 熟悉其概念和原理,实现对一幅灰度和彩色图像作的离散余弦变换,选择适当的DCT系数阈值对其进行DCT反变换. % 图象的FFT变换 clc; I=imread('005.bmp'); subplot(1,2,1) imshow(I); title('原图'); subplot(1,2,2) imhist(I); title('直方图'); colorbar; J=fft2(I); figure; subplot(1,2,1) imshow(J); title('FFT变换结果'); subplot(1,2,2) K=fftshift(J); imshow(K);
介绍了数字水印技术的基本原理 随着信息技术和计算机网络的飞速发展，人们不但可以通过互联网和ＣＤ－ＲＯＭ方便快捷地获得多媒体信息，还可以得到与原始数据完全相同的复制品，由此引发的盗版问题和版权纷争已成为日益严重的社会问题。因此，数字多媒体产品的水印处理技术已经成为近年来研究的热点领域之一。 虽然数字水印技术近几年得到长足发展，但方向主要集中于静止图像。由于包括时间域掩蔽效应等特性在内的更为精确的人眼视觉模型尚未完全建立，视频水印技术的发展滞后于静止图像水印技术。另一方面，由于针对视频水印的特殊攻击形式的出现，为视频水印提出了一些区别于静止图像水印的独特要求。 本文分析了ＭＰＥＧ－４视频结构的特点，提出了一种基于扩展频谱的视频数字水印改进方案，并给出了应用实例。 １视频数字水印技术简介 １．１数字水印技术介绍 数字水印技术通过一定的算法将一些标志性信息直接嵌入到多媒体内容当中，但不影响原内容的价值和使用，并且不能被人的感知系统觉察或注意到。与传统的加密技术不同，数字水印技术并不能阻止盗
版活动的发生，但可以判别对象是否受到保护，监视被保护数据的传播，鉴别真伪，解决版权纠纷并为法庭提供认证证据。为了给攻击者增加去除水印的难度，目前大多数水印制作方案都采用密码学中的加密体系来加强，在水印嵌入、提取时采用一种密钥，甚至几种密钥联合使用。水印嵌入和提取的一般方法如图１所示。 １．２视频数字水印设计应考虑的几个方面 ·水印容量：嵌入的水印信息必须足以标识多媒体内容的购买者或所有者。 ·不可察觉性：嵌入在视频数据中的数字水印应该不可见或不可察觉。·鲁棒性?押在不明显降低视频质量的条件下，水印很难除去。 ·盲检测：水印检测时不需要原始视频，因为保存所有的原始视频几乎是不可能的。 ·篡改提示：当多媒体内容发生改变时，通过水印提取算法，能够敏感地检测到原始数据是否被篡改。 １．３视频数字水印方案选择 通过分析现有的数字视频编解码系统，可以将目前ＭＰＥＧ－４视频水印的嵌入与提取方案分为以下几类，如图２所示。
数字图像处理的发展概况 数字图像处理就是用计算机对图像进行分析和处理，它是一门跨学科的技术。数字图像处理始于20世纪50年代。特别是在1964年，美国喷射推进实验室使用计算机对太空船送回地面的大批月球照片进行处理后，得到了清晰逼真的图像，使这门技术受到了广泛的关注，它成为这门技术发展的重要里程碑，此后数字图像处理技术在空间研究方面得到了广泛的应用。20世纪70年代初，由于大量的研究和应用，数字图像处理已具备了自己的技术特色，并形成了较完善的学科体系，从而成为一门独立的新学科，目前，数字图像处理在生物医学、通信、流通领域，产业界、文件处理领域，军事、公女、遥感，宇宙探险及日常生活中被广泛应用，已经成为当代不可缺少的一门技术。 (1)生物医学。生物医学数字图像处理技术大约是20世纪80年代初在生物医学上得到广泛应用的，随着现代医学特别是数字化医疗技术的不断发展，数字图像处理技术显得更为重要。如X光对人体组织有损害，在临床上为了减少这种生物副效应，同时又能得到比较理想的病人的X光片，可以用强度较低的X光对病人进行照相，然后通过图像处理技术得到清晰的图像，这就是X光图像的处理。此外，数字图像处理技术还应用到对超声图像的处理、激光显微图像的处理、CT 图像的处理、磁共振图像的处理、PET图像的处理等。目前，数字图像处理技术在现代医学中不仅用于图像的加工和处理，同时还用于信息的存储和传输。 (2)通信。在多媒体网络通讯中，对电视和电话等传输的图像进行数据压缩和处理等。 (3)流通领域、产业界、文件处理领域。数字图像处理技术在文件处理、机器人视觉、地质、海洋、气象、农业、灾害治理、货物检测、邮政编码、金融、银行、工矿企业、冶金、渔业、机械、交通、电子商务等领域被广泛应用。 (4)军事和公安。对现场照片、指纹和手迹等图像进行分析和处理。 数字图像处理主要应用于下面的几个领域。 (5)遥感，遥感是用不同光源和技术获得大量的遥感图像，这些图像需要用数字图像处理技术加工处理并提取有用的信息。
数字图像处理程序
数字图像处理实验 图像处理实验（一）直方图 灰度变换是图像增强的一种重要手段，使图像对比度扩展，图像更加清晰，特 征更加明显。 灰度级的直方图给出了一幅图像概貌的描述，通过修改灰度直方图来得到图像 增强。 1、灰度直方图 （1）计算出一幅灰度图像的直方图 clear close all I=imread('004.bmp'); imhist(I) title('实验一（1）直方图'); （2）对灰度图像进行简单的灰度线形变换， figure subplot(2,2,1) imshow(I); title('试验2-灰度线性变换'); subplot(2,2,2) histeq(I); （3）看其直方图的对应变化和图像对比度的变化。 原图像 f(m,n) 的灰度范围 [a,b] 线形变换为图像 g(m,n),灰度范围[a’,b’]公式：g(m,n)=a’+(b’-a’)* f(m,n) /(b-a) figure subplot(2,2,1) imshow(I) J=imadjust(I,[0.3,0.7],[0,1],1); title(' 实验一（3）用g(m,n)=a’+(b’-a’)* f(m,n) /(b-a)进行变换 '); subplot(2,2,2) imshow(J) subplot(2,2,3) imshow(I) J=imadjust(I,[0.5 0.8],[0,1],1); subplot(2,2,4) imshow(J) (4) 图像二值化（选取一个域值，(5) 将图像变为黑白图像） figure subplot(2,2,1)
第一章绪论 课后4. 1. 数字图像处理的主要研究内容包含很多方面，请列出并简述其中的4种。 ①图像数字化：将一幅图像以数字的形式表示。主要包括采样和量化两个过程。 ②图像增强：将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图 像的可观察性。 ③图像的几何变换：改变图像的大小或形状。 ④图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进 行分析。 ⑤图像识别与理解：通过对图像中各种不同的物体特征进行定量化描述后，将其所期望 获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。 2. 什么是图像识别与理解？ 图像识别与理解是指通过对图像中各种不同的物体特征进行定量化描述后，将其所期望获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。比如要从一幅照片上确定是否包含某个犯罪分子的人脸信息，就需要先将照片上的人脸检测出来，进而将检测出来的人脸区域进行分析，确定其是否是该犯罪分子。 3. 简述图像几何变换与图像变换的区别。 ①图像的几何变换：改变图像的大小或形状。比如图像的平移、旋转、放大、缩小等， 这些方法在图像配准中使用较多。 ②图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进 行分析。比如傅里叶变换、小波变换等。
4.一个数字图像处理系统由哪几个模块组成？ 答：一个基本的数字图像处理系统由图像输入、图像存储、图像输出、图像通信、图像处理和分析5个模块组成 5.连续图像和数字图像如何相互转换？ 答：数字图像将图像看成是许多大小相同、形状一致的像素组成。这样，数字图像可以用二维矩阵表示。将自然界的图像通过光学系统成像并由电子器件或系统转化为模拟图像（连续图像）信号，再由模拟/数字转化器（ADC）得到原始的数字图像信号。图像的数字化包括离散和量化两个主要步骤。在空间将连续坐标过程称为离散化，而进一步将图像的幅度值（可能是灰度或色彩）整数化的过程称为量化。 6.采用数字图像处理有何优点？ 答：数字图像处理与光学等模拟方式相比具有以下鲜明的特点： 1．具有数字信号处理技术共有的特点。（1）处理精度高。（2）重现性能好。（3）灵活性高。2．数字图像处理后的图像是供人观察和评价的，也可能作为机器视觉的预处理结果。 3．数字图像处理技术适用面宽。 4．数字图像处理技术综合性强。 7.数字图像处理主要包括哪些研究内容？ 答：图像处理的任务是将客观世界的景象进行获取并转化为数字图像、进行增强、变换、编码、恢复、重建、编码和压缩、分割等处理，它将一幅图像转化为另一幅具有新的意义的图像。 8.常见的数字图像处理开发工具有哪些？各有什么特点？ 答．目前图像处理系统开发的主流工具为Visual C++（面向对象可视化集成工具）和MATLAB 的图像处理工具箱（Image Processing Tool box）。两种开发工具各有所长且有相互间的软件接口。 Microsoft 公司的 VC++是一种具有高度综合性能的面向对象可视化集成工具，用它开发出来的 Win 32 程序有着运行速度快、可移植能力强等优点。VC++所提供的 Microsoft 基础类库 MFC 对大部分与用户设计有关的 Win 32 应用程序接口 API 进行了封装，提高了代码的可重用性，大大缩短了应用程序开发周期，降低了开发成本。由于图像格式多且复杂，为了减轻程序员将主要精力放在特定问题的图像处理算法上，VC++ 6.0 提供的动态链接库ImageLoad.dll 支持B MP、JPG、TIF 等常用6种格式的读写功能。 MATLAB 的图像处理工具箱 MATLAB 是由 MathWorks 公司推出的用于数值计算的有
摘要 数字水印(Digital Watermarking)技术是我们生活中经常见到的信息隐藏技术。它将一些标识信息(即数字水印)直接嵌入数字载体中，但不影响原载体的使用价值，也不容易被人的知觉系统觉察或注意到。 空间数字水印是信息隐藏技术的一个重要研究方向，另一类是频率数字水印。空间数字水印采用最低有效位(LSB)算法,通过修改表示数字图像的颜色或颜色分量的位平面,调整数字图像中感知不重要的像素来表达水印的信息,以达到嵌入水印的目的。本实验是基于matlab的数字水印设计——基于空域的水印实现。 关键词：信息隐藏技术；空间数字水印； LSB算法；matlab
目录 1 设计任务与目的 (1) 2 MATLAB的简介及应用 (1) 2.1 MATLAB简介 (1) 2.2 MATLAB应用 (1) 3 数字水印技术 (2) 3.1 数字水印技术的发展 (2) 3.2 水印分类 (2) 3.3 数字水印的特点 (3) 3.4 数字水印技术的基本原理 (4) 4 基于LSB的数字水印算法 (5) 4.1 LSB算法原理 (5) 4.2 LSB算法的实现 (6) 4.2.1 水印嵌入算法 (7) 4.2.2 水印提取算法 (9) 5 MATLAB软件仿真 (11) 5.1 仿真结果 (11) 5.1.1 水印嵌入仿真 (11) 5.1.2 水印提取仿真 (12) 5.2 仿真分析 (13) 结论 (14) 参考文献 (15)
基于Matlab的数字水印设计 ——基于空域的水印实现 1 设计任务与目的 (1)通过课程设计把自己在大学中所学的知识应用到实践当中。 (2)在课程设计的过程中掌握程序编译及软件设计的基本方法。 (3)深入了解利用Matlab设计基于Matlab的数字水印设计——基于空域的水印实现。 (4)提高自己对于新知识的学习能力及进行实际操作的能力。 (5)锻炼自己通过网络及各种资料解决实际问题的能力。 2 MATLAB的简介及应用 2.1 MATLAB简介 MATLAB 是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。 MATLAB是矩阵实验室（Matrix Laboratory）的简称，和Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。 2.2 MATLAB应用 MATLAB 产品族可以用来进行以下各种工作： 1)数值分析 2)数值和符号计算 3)工程与科学绘图
数字图像处理技术的现状及其发展方向 一、数字图像处理历史发展 数字图像处理(Digital Image Processing)将图像信号转换成数字信号并利用计算机对其进行处理。 1.起源于20世纪20年代。 2.数字图像处理作为一门学科形成于20世纪60年代初期，美国喷气推进实验室(JPL)推动了数字图像处理这门学科的诞生。 3.1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置即CT(Computer Tomograph)，1975年EMI公司又成功研制出全身用的CT装置,获得了人体各个部位鲜明清晰的断层图像。 4.从70年代中期开始,随着计算机技术和人工智能、思维科学研究的迅速发展,数字图像处理向更高、更深层次发展，人们已开始研究如何用计算机系统解释图像,实现类似人类视觉系统理解外部世界，其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论。 二、数字图像处理的主要特点 1．目前数字图像处理的信息大多是二维信息,处理信息量很大,对计算机的计算速度、存储容量等要求较高。 2.数字图像处理占用的频带较宽,在成像、传输、存储、处理、显示等各个环节的实现上,技术难度较大,成本也高,这就对频带压缩技术提出了更高的要求。 3.数字图像中各个像素是不独立的,其相关性大。因此,图像处理中信息压缩的潜力很大。 4.由于图像是三维景物的二维投影,一幅图像本身不具备复现三维景物的全部几何信息的能力,要分析和理解三维景物必须作合适的假定或附加新的测量。在理解三维景物时需要知识导引,这也是人工智能中正在致力解决的知识工程问题。 5．一方面，数字图像处理后的图像一般是给人观察和评价的,因此受人的因素影响较大，作为图像质量的评价还有待进一步深入的研究；另一方面，计算机视觉是模仿人的视觉,人的感知机理必然影响着计算机视觉的研究,这些都是心理学和神经心理学正在着力研究的课题。 三、数字图像处理的优点 1.再现性好；图像的存储、传输或复制等一系列变换操作不会导致图像质量的退化。 2.处理精度高；可将一幅模拟图像数字化为任意大小的二维数组,现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高。 3.适用面宽；图像可以来自多种信息源，图像只要被变换为数字编码形式后,均是用二维数组表示的灰度图像组合而成,因而均可用计算机来处理。 4.灵活性高；数字图像处理不仅能完成线性运算,而且能实现非线性处理,即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。 四、数字图像处理过程及其主要进展 常见的数字图像处理有:图像的采集、数字化、编码、增强、恢复、变换、
数字图像处理程序 实验一 1、图像的缩放： A=imread('F:\MATLAB程序\数字图像处理实验\kunkun.jpg'); subplot(311); imshow(A); title('原图') B=imresize(A,3); subplot(312); imshow(B); title('三倍图'); C=imresize(A,0.5); subplot(313); imshow(C); title('二分之一图'); 2、图像的镜像: A1=imread('F:\MATLAB程序\数字图像处理实验\kunkun.jpg'); figure subplot(2,2,1), imshow(uint8(A1)); H=size(A1); title('原像') A2(1:H(1),1:H(2),1:H(3))=A1(H(1):-1:1,1:H(2),1:H(3));%垂直镜像subplot(2,2,2), imshow(uint8(A2)); title('垂直镜像') A3(1:H(1),1:H(2),1:H(3))=A1(1:H(1),H(2):-1:1,1:H(3));%水平镜像subplot(2,2,3), imshow(uint8(A3)); title('水平镜像') A4(1:H(1),1:H(2),1:H(3))=A1(H(1):-1:1,H(2):-1:1,1:H(3));%对角镜像subplot(2,2,4), imshow(uint8(A4)); title('对角镜像') 3、图像的旋转： I = imread('F:\MATLAB程序\数字图像处理实验\kunkun.jpg'); subplot(141); imshow(I); title('原图'); theta1 = 45;%旋转的角度为45度 K1 = imrotate(I,theta1); % 对图像进行旋转 subplot(142);
数字水印综合实验系统的设计与实现－－灰度图像 水印的嵌入与提取 目录前言11 概述21.1 相关知识21.2 数字水印的定义及分类31.3 数字水印技术的原理及实现的典型算法41.4 水印技术的要求，常受到的攻击71.5 水印的主要应用领域81.6 数字水印技术的国内外研究现状92 相关理论知识112.1 小波变换112.1.1 小波变换的含义112.1.2 提出小波变换的原因112.1.3 小波变换数字水印算法及其优点122.1.4 2维信号的Mallat的算法122.2 视觉系统特性研 究132.2.1 人眼的构造132.2.2 人眼的视觉特性152.3 图像的纹理特征163 水印图像预处理183.1 引言183.2 约瑟夫图像置乱193.3 置乱度与图像质量214 水印的嵌入方案244.1 水印嵌入算 法254.2 水印提取算法265 实验及实验结果275.1 水印的嵌入实 验275.2 水印的提取实验285.3 攻击实验295.3.1 缩放295.3.2 噪声295.3.3 压缩305.3.4 剪切315.4 试验结果分析总结336 软件的详细介绍346.1 功能介绍346.2 登录窗口界面346.3 主要菜 单366.4 运行实例387 结论40参考文献41致谢42数字水印综合实验系统的设计与实现----灰度图像水印的嵌入与提取摘要：随着计算机和网络技术的飞速发展，数字图像、音频和视频产品愈来愈需要1种有效的版权保护方法。数字水印技术便是解决上述问题的关键技术之1。为了让更多 的人熟悉并快速掌握数字水印技术的基本理论和算法设计过程，设计1个数字水印综合实验系统是1个很好的解决方案。本文首先介绍了数字水印技术及其原理、特点、以及目前的应用状况，然后介绍如何利用约瑟夫置乱对水印图像进行置乱处理以加强水印的安全性，最后设计了1种水印嵌入与提取方案，并在此基础上设计1个水印图像和宿主图像都采用灰度图像的数字水印实验子系统。该系统主要完成灰度水印嵌入、灰度水印提取及灰度水印鲁棒性检测等实验。关键词：数字水印；图像置乱；离散小波变换；实验 Design and realization of digital watermark synthetic experiment system-----embedding and extracting of gray-scale image watermark Abstract: With the advent of the rapidly development of computer and network technology, many media, such as digital image, audio or video etc, need an effective solution urgently. Digital watermarking is a vital technology to solve foregoing problems. In order to let more people to master this technology rapidly, a perfect solution is to design a digital watermark synthetic experiment system. This thesis first introduce the theory, characteristic and application of digital watermarking, then present how to disorder the gray-scale image watermark using Josephus disorder algorithm for enhancing the security of watermark. At last this thesis brings forward a solution of watermarking embedding and extracting and designs a digital watermark experiment subsystem, in which both watermark image and host image are gray-scale image. This subsystem mainly realizes three experimentations: gray-scale watermark embedding, gray-scale
目录 摘要 (Ⅲ) Abstract (Ⅴ) 第1章绪论 (1) 1.1引言 (1) 1.2本文研究的目的及意义 (2) 1.3数字水印技术的国内外研究现状 (2) 第2章数字水印理论基础 (5) 2.1 数字水印的基本概念 (5) 2.2 数字水印的基本特征 (5) 2.3 数字水印的基本原理 (5) 2.4 数字水印的分类 (8) 2.5 数字水印典型算法（针对图像领域） (10) 2.6 数字水印的鲁棒性问题和攻击行为 (12) 2.7 数字水印应用领域 (13) 第3章小波分析理论基础 (17) 3.1小波分析的发展历程 (17) 3.2小波函数与小波变换 (18) 3.3离散小波变换 (20) 3.4 多分辨率分析 (22) 3.5实验环境：可实现数字水印技术的高效实用工具——Matlab (24) 第4章基于小波变换的数字水印算法 (25) 4.1算法描述 (25) 4.2实验结果及分析 (28) 4.3 本章小结 (36) 参考文献 (37) 致谢 (39) 附录 (41)
基于小波变换的数字水印算法研究 摘要 数字水印技术是目前信息安全技术领域的一个新方向，是一个在开放的网络环境下，保护版权和认证来源及完整性的新型技术。 本文针对基于小波变换的数字水印技术，提出了一种基于小波域的二值图像水印算法。该算法选择了检测结果直观、有特殊意义的二值图像作为原始水印，并在嵌入之前进行图像置乱预处理，以提高安全性和隐蔽性，兼顾了水印的不可见性和鲁棒性，利用多分辨率分析思想进行水印的嵌入与提取。通过大量的仿真实验，证明本文算法在保证水印不可见性的同时，对常见的图像处理如JPEG压缩、噪声、滤波、剪切等，均有较好的鲁棒性。 关键词：数字水印，小波变换，鲁棒性，不可见性，JPEG压缩