Matlab：二值图象游程编码

二值图像信息隐藏-游程编码注：本代码来源于《信息隐藏于数字水印实验教程》，但是源程序在Matlab2012版本上面无法正确运行，因此本人进行简单的修改后可以顺利运行，但是提取的数据还是不对。

1.隐藏算法源代码RLEhiding.m文件clc;clear alloi=imread('lena.bmp');if(length(size(oi))==3)oi=rgb2gray(oi);end[row col]=size(oi);oi=oi(:);oi=ToBin(oi);len=size(oi);i=1;j=1;t=1;whilei<len< p="">(1)or=oi(i);count=1;while (i<len< p="">(1)&&oi(i+1)==or)i=i+1;count=count+1;endRLE(j,:)=[t,count];%RLE为游程j=j+1;i=i+1;t=t+count;endifi==len(1)RLE(j,:)=[i,1];end% RLE=RLE';msgfid=fopen('hidden.txt','r');[msg,msgcount]=fread(msgfid); fclose(msgfid);msg=uint8(dec2bin(msg)-48);[htxt,ltxt]=size(msg);mmsg=zeros(htxt,8);if(ltxt<8)n=8-ltxt;mm=zeros(htxt,n);fori=1:htxtmmsg(i,:)=[mm(i,:),msg(i,:)];endendmsg=mmsg';msgcount=msgcount*8;% for l=1:msgcount%if msg(l)==0%if((mod(RLE(l,2),2)~=0)&&(RLE(l+1,2)~=1)) %oi(RLE(l+1,1) )=mod(oi(RLE(l+1,1))+1,2); %RLE(l+1,2)=RLE(l+1,2)-1;%end%if((mod(RLE(l,2),2)==0)&&(RLE(l+1,2)~=1))%oi(RLE(l+1,1))=mod(oi(RLE(l+1,1))+1,2);%RLE(l+1,2)=RLE(l+1,2)-1;%end%end% endfor l=1:msgcountmodpoint=0;for x=1:2*lmodpoint=modpoint+RLE(x,2);endifmsg(l)==0if ((mod(RLE(2*l,2),2)~=0)&&(RLE(2*l+1,2)~=1)) oi(modpoint+1)=mod(oi(modpoint+1)+1,2); endelseif ((mod(RLE(2*l,2),2)==0)&&(RLE(2*l+1,2)~=1)) oi(modpoint+1)=mod(oi(modpoint+1)+1,2); endendm1=Vector2Matrix(oi,row);m1=m1';imwrite(m1,'marked.bmp');figure;subplot(1,2,1);imshow('lena.bmp');title('original image'); subplot(1,2,2);imshow('marked.bmp');title('watermarked image');2.Vector2Matrix.m子函数function A=Vector2Matrix(oi,row)%将数组转换成二位数组,row为行数cl=length(oi)/row;A=zeros(row,cl);fori=1:rowfor j=1:clA(i,j)=oi(cl*(i-1)+j);endend3.ToBin.m子函数function A=T oBin(oi)%将像素点的值转换为0和1,oi为一维二值图像数组A=oi;fori=1:length(oi)if(oi(i)<128)A(i)=0;elseA(i)=1;endend4.提取算法源代码RLEextract.m文件clc;clear all;oi=imread('marked.bmp');if(length(size(oi))==3)oi=rgb2gray(oi);end[row col]=size(oi);oi=oi(:);len=size(oi);i=1;j=1;while(i<len< p="">(1))or=oi(i);count=1;while(i<len< p="">(1)&&oi(i+1)==or)i=i+1;count=count+1;endRLE(j)=count;j=j+1;i=i+1;endifi==len(1)RLE(j)=1;endRLE=RLE';msgcount=72;%必须知道水印的长度msg=zeros(msgcount,1); n=0;for l=1:msgcountif mod(RLE(2*l),2)==0msg(l)=0;elsemsg(l)=1;endendot=Vector2Matrix(msg,msgcount/8);out=bit2str(ot);fid=fopen('message.txt','wt');fwrite(fid,out);fclose(fid);5.bit2str.m子函数function A=bit2str(ot)%二进制转换为十进制，ot为二进制一维向量len=size(ot); A=zeros(len(1),1);fori=1:len(1)sum=0;for j=7:(-1):0sum=sum+ot(i,8-j)*2^j; endA(i)=sum;End</len<></len<></len<></len<>。

实验四图像编码一、实验目的了解图像压缩编码的分类与评价指标；掌握常用的熵编码方法以及matlab编程；掌握基于FFT的图像压缩技术以及matlab编程；掌握基于DCT的图像压缩技术以及matlab编程；熟悉JPEG图像压缩编码过程；掌握imwrite函数实现可变quality的JPEG压缩；二、实验内容(1)对给定的图像tu.bmp，进行哈夫曼编码，并解码输出，观察workspace下各个矩阵数据。

h=imread('tu.bmp');[m,n]=size(h);subplot(1,2,1);imshow(h);title('yuantu');h=h(:);s=0:255;for i=0:255p(i+1)=length(find(h==i))/(m*n);enddict=huffmandict(s,p);enco=huffmanenco(h,dict);deco=huffmandeco(enco,dict);deco=col2im(deco,[m,n],[m,n],'distinct');subplot(1,2,2);imshow(uint8(deco));title('huffman');(2)阅读jpeg压缩编码的有关资料，使用imwrite函数对lena图像进行jpeg压缩，对比显示原图与不同质量参数下解码后的图像，并显示均方根误差、压缩比、图像大小x=imread('lena.bmp');imwrite(x,'c:/lena1.jpg','quality',20);imwrite(x,'c:/lena2.jpg','quality',60);imwrite(x,'c:/lena3.jpg','quality',80);x1=imread('c:/lena1.jpg');k1=imfinfo('c:/lena1.jpg');s1=k1.FileSize/1024;e1=x(:)-x1(:);[m1,n1]=size(e1);erms1=sqrt(sum(e1(:)).^2/(m1*n1));i_size1=k1.Width*k1.Height*k1.BitDepth/8;i_compress1=k1.FileSize;ratio1=i_size1/i_compress1;subplot(221);imshow(x1);title('质量因子：20 均方根误差：722.793 压缩比：14.448 图像大小：4536');x2=imread('c:/lena2.jpg');k2=imfinfo('c:/lena2.jpg');s2=k2.FileSize/1024;e2=x(:)-x2(:);[m2,n2]=size(e2);erms2=sqrt(sum(e2(:)).^2/(m2*n2));i_size2=k2.Width*k2.Height*k2.BitDepth/8;i_compress2=k2.FileSize;ratio2=i_size2/i_compress2;subplot(222);imshow(x2);title('质量因子：60 均方根误差：454.8008 压缩比：7.416 图像大小：8837');x3=imread('c:/lena3.jpg');k3=imfinfo('c:/lena3.jpg');s3=k3.FileSize/1024;e3=x(:)-x3(:);[m3,n3]=size(e3);erms3=sqrt(sum(e3(:)).^2/(m3*n3));i_size3=k3.Width*k3.Height*k3.BitDepth/8;i_compress3=k3.FileSize;ratio3=i_size3/i_compress3;subplot(223);imshow(x2);title('质量因子：80 均方根误差：343.2344 压缩比：5.0451 图像大小：12990');(3)读取lena图像，编写一个程序，实现下列算法：首先将图像分成许多8X8的子图像，对每个子图像进行DCT，对每个子图像的64个系数，按照每个系数的大小来排序后，舍去小的变换系数，只保留16个系数，实现图像4：1的压缩%读取lena图像，编写一个程序，实现下列算法：首先将图像分成许多8X8的子图像，对每个子图像进行DCT，%对每个子图像的64个系数，按照每个系数的大小来排序后，舍去小的变换系数，只保留16个系数，实现图像4：1的压缩cr=0.25;i=imread('lena.bmp');i1=double(i)/255;subplot(121);imshow(i1);t=dctmtx(8);dctcoe=blkproc(i1,[8 8],'P1*x*P2',t,t');coevar=im2col(dctcoe,[8 8],'distinct');coe=coevar;[y,ind]=sort(coevar);[m,n]=size(coevar);snum=64-64*cr;for i=1:ncoe(ind(1:snum),i)=0;endb2=col2im(coe,[8 8],[256 256],'distinct');i2=blkproc(b2,[8 8],'P1*x*P2',t',t);subplot(122);imshow(i2);%e=double(i1)-double(i2);%[m,n]=size(e);三、涉及知识点（1）哈夫曼具体的编码方法为：把输入元素按其出现概率的大小顺序排列起来，然后把最末两个具有最小概率的元素之概率加起来；②把该概率之和同其余概率由大到小排队，然后再把两个最小概率加起来，再重新排队；③重复②，直到最后只剩下两个概率为止matlab函数：huffumandict函数：生成哈夫曼编码字典使用格式dict=huffmandict(s,p) s为灰度级，p为各灰度级出现的概率huffmanenco函数：对图像进行哈夫曼编码使用格式: enco=huffmanenco(I,dict);I为图像数据转成的列向量，dict为哈夫曼编码字典Huffmandeco函数:对编码进行解码使用格式：deco=huffmandeco(enco,dict);enco为压缩编码，dict为哈夫曼编码字典（2）JPEG图像编码过程（3）fft2函数：图像的二维快速傅立叶变换，语法格式:F=fft2(I)，能够将图像从空间域变换到频率域ifft2函数：图像的二维快速傅立叶变换逆变换函数，语法格式：I=fft2(F)，能够将图像从频率域变换到空间域（4）blkproc函数：能够将每个显示块从图像中提取出来，然后将其作为参数传递给任何用户函数。

二相编码模糊函数是数字图像处理中常用的一种方法，它可以对图像进行模糊处理，用于图像的降噪和平滑等应用。

在Matlab中，可以通过编写二相编码模糊函数的代码来实现对图像的模糊处理。

本文将介绍二相编码模糊函数的原理和在Matlab中的代码实现。

一、二相编码模糊函数的原理二相编码模糊函数是一种基于二进制掩模的图像处理方法，它利用二进制掩模来实现对图像的模糊处理。

二进制掩模是一种由0和1组成的矩阵，其中0表示模糊区域，1表示清晰区域。

通过对图像和二进制掩模进行逐点相乘运算，可以实现对图像的局部模糊处理。

二、二相编码模糊函数的Matlab代码实现在Matlab中，可以通过以下代码实现二相编码模糊函数的功能：```matlabfunction blurred_img = binary_blur(img, mask)img: 输入图像mask: 二进制掩模将掩模转换为double类型mask = double(mask);对图像进行二进制模糊处理blurred_img = img .* mask;显示模糊后的图像imshow(blurred_img);```以上代码定义了一个名为binary_blur的函数，该函数接受两个参数，分别是输入图像和二进制掩模。

函数内部先将掩模转换为double类型，然后对输入图像进行逐点相乘运算，最终得到模糊后的图像并进行显示。

三、二相编码模糊函数的使用方法要使用二相编码模糊函数对图像进行模糊处理，可以按照以下步骤操作：1. 载入待处理的图像```matlabimg = imread('lena.jpg');```2. 创建二进制掩模```matlabmask = [0 0 1 1 1 0 0;0 1 1 1 1 1 0;1 1 1 1 1 1 1;1 1 1 1 1 1 1;1 1 1 1 1 1 1;0 1 1 1 1 1 0;0 0 1 1 1 0 0];```3. 调用二相编码模糊函数进行处理```matlabblurred_img = binary_blur(img, mask);```通过以上步骤，可以使用二相编码模糊函数对图像进行模糊处理，并得到处理后的图像。

1，二值化和阈值处理%图像二值化（选取一个域值，(5) 将图像变为黑白图像）I=imread('C:\Documents and Settings\Administrator\桌面\DIP-E1增强\DIP-E1增强\p12.tif'); bw=im2bw(I,0.5);%选取阈值为0.5subplot(1,3,1);imshow(I);title('原图');subplot(1,3,2);imshow(bw);title('显示二值图像');J=find(I<150);I(J)=0;J=find(I>=150);I(J)=255;subplot(1,3,3);imshow(I);title(' 图像二值化 ( 域值为150 ） ');2非线性变换%对数变换I=imread('C:\Documents and Settings\Administrator\桌面\DIP-E1增强\DIP-E1增强\p12.tif');I=mat2gray(I);%对数变换不支持uint8类型数据，将一个矩阵转化为灰度图像的数据格式(double)J=log(I+1);subplot(1,2,1);Imshow(I);%显示图像title('原图');subplot(1,2,2);Imshow(J);title('对数变换后的图像')3，反色变换I1=imread('C:\Documents and Settings\Administrator\桌面\DIP-E1增强\DIP-E1增强\p12.tif'); figure,imshow(I);title('原始图像');I2=imcomplement(I1);figure,imshow(I2);title('反色后图像');4.灰度图像均衡化I=imread('C:\Documents and Settings\Administrator\桌面\DIP-E1增强\DIP-E1增强\p12.tif');J=histeq(I);subplot(1,2,1),imshow(I);subplot(1,2,2),imshow(J);figure,subplot(1,2,1),imhist(I,64);subplot(1,2,2),imhist(J,64);一打开图片和灰阶化global imglobal xglobal yglobal zx=0.002;y=0.02;z=0.04;[filename,pathname]=...uigetfile();str=[pathname filename];im=imread(str);axes(handles.axes1);imshow(im);title();im = rgb2gray(im);axes(handles.axes2);imshow(im);title();二线性变换global im;global J;J=imadjust(im,[0.3,0.7],[]); axes(handles.axes1);imshow(im);title();axes(handles.axes2);imhist(im);title();axes(handles.axes3);imshow(J);title();axes(handles.axes4);imhist(J);title();三分段线性变换global im;global H;H=double(im);[M,N]=size(H);%½øÐлҶȱ任for i=1:Mfor j=1:Nif H(i,j)<=30H(i,j)=H(i,j);elseif im(i,j)<=150H(i,j)=(200-30)/(150-30)*(H(i,j)-30)+30;elseH(i,j)=(255-200)/(255-150)*(H(i,j)-150)+200;endendend%±ä»»ºóµÄ½á¹ûaxes(handles.axes1);imshow(im);title();axes(handles.axes2);imhist(im);title();axes(handles.axes3);imshow(uint8(H));title();axes(handles.axes4);imhist(uint8(H));title();四非线性变换global im;global J;global H;J=double (im) ;H=(log(J+1))/10;axes(handles.axes1);imshow(im);title();axes(handles.axes2);imhist(im);title();axes(handles.axes3);imshow(H);title();axes(handles.axes4);imhist(H);title();五生成灰度直方图global im;axes(handles.axes1);imshow(im);title();axes(handles.axes2);imhist(im);title();六直方图均衡化global im;global J;J=histeq(im);axes(handles.axes1);imshow(im);title();axes(handles.axes2);imshow(J);title();axes(handles.axes3);imhist(im);title();axes(handles.axes4);imhist(J);title一打开图片和灰阶化global imglobal xglobal yglobal zx=0.002;y=0.02;z=0.04;[filename,pathname]=...uigetfile();str=[pathname filename]; im=imread(str);axes(handles.axes1);imshow(im);title();im = rgb2gray(im);axes(handles.axes2);imshow(im);title();二线性变换global im;global J;J=imadjust(im,[0.3,0.7],[]); axes(handles.axes1);imshow(im);title();axes(handles.axes2);imhist(im);title();axes(handles.axes3);imshow(J);title();axes(handles.axes4);imhist(J);title();三分段线性变换global im;global H;H=double(im);[M,N]=size(H);%½øÐлҶȱ任for i=1:Mfor j=1:Nif H(i,j)<=30H(i,j)=H(i,j);elseif im(i,j)<=150H(i,j)=(200-30)/(150-30)*(H(i,j)-30)+30;elseH(i,j)=(255-200)/(255-150)*(H(i,j)-150)+200;endendend%±ä»»ºóµÄ½á¹ûaxes(handles.axes1);imshow(im);title();axes(handles.axes2);imhist(im);title();axes(handles.axes3);imshow(uint8(H));title();axes(handles.axes4);imhist(uint8(H));title();四非线性变换global im;global J;global H;J=double (im) ;H=(log(J+1))/10;axes(handles.axes1);imshow(im);title();axes(handles.axes2);imhist(im);title();axes(handles.axes3);imshow(H);title();axes(handles.axes4);imhist(H);title();五生成灰度直方图global im;axes(handles.axes1);imshow(im);title();axes(handles.axes2);imhist(im);title();六直方图均衡化global im;global J;J=histeq(im);axes(handles.axes1);imshow(im);title();axes(handles.axes2);imshow(J);title();axes(handles.axes3);imhist(im);title();axes(handles.axes4);imhist(J);title平滑处理用3*3屏蔽窗口的8近邻均值进行滤波for(int j=1;j<height-1;j++){for(int i=1;i<wide-1;i++){averg=0;averg=(int)((p_data[(j-1)*wide+(i-1)]+p_data[(j-1)*wide+i]+p_data[(j-1)*wide+(i+1)]+p_data[j*wide+(i-1)]+p_data[j*wide+i+1]+p_data[(j+1)*wide+(i-1)]+p_data[(j+1)*wide+i]+p_data[(j+1)*wide+i+1])/8); //求周围8近邻均值if(abs(averg-p_temp[j*wide+i])>127.5)p_temp[j*wide+i]=averg;}}利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理I=imread('aaa.jpg');imshow(I);J1=imnoise(I,'salt & pepper'); % 叠加椒盐噪声figure,imshow(J1);f=double(J1); % 数据类型转换，MATLAB不支持图像的无符号整型的计算g=fft2(f); % 傅立叶变换g=fftshift(g); % 转换数据矩阵[M,N]=size(g);nn=2; % 二阶巴特沃斯(Butterworth)低通滤波器d0=50;m=fix(M/2); n=fix(N/2);for i=1:Mfor j=1:Nd=sqrt((i-m)^2+(j-n)^2);h=1/(1+0.414*(d/d0)^(2*nn)); % 计算低通滤波器传递函数result(i,j)=h*g(i,j);endendresult=ifftshift(result);J2=ifft2(result);J3=uint8(real(J2));figure,imshow(J3); % 显示滤波处理后的图像归一化OTSU算法代码：I=imread(' E:\360Apps\tupian.bmp');th=graythresh(I);J=im2bw(I,th);imshow(I);subplot(122)imshow(J);Bernsen算法代码：clc;clear allclose allI=imread('****');[m,n] = size(I);I_gray=double(I);T=zeros(m,n);M=3;N=3;for i=M+1:m-Mfor j=N+1:n-Nmax=1;min=255;for k=i-M:i+Mfor l=j-N:j+Nif I_gray(k,l)>maxmax=I_gray(k,l);endif I_gray(k,l)<minmin=I_gray(k,l);endendendT(i,j)=(max+min)/2;endendI_bw=zeros(m,n);for j=1:nif I_gray(i,j)>T(i,j)I_bw(i,j)=255;elseI_bw(i,j)=0;endendendsubplot(121),imshow(I);subplot(122),imshow(I_bw);改进的Bernsen算法代码：clc;clear allclose allI=imread('****');I_gray=double(I);[m,n] = size(I);a=0.3;A=0;T1=0;S=0;for i=1:mfor j=1:nA=A+I_gray(i,j) ;endendA=A*0.9;while(S<A)T1=T1+1;for i=1:mfor j=1:nif(I_gray(i,j)==T1)S=S+I_gray(i,j);endendendendT2=zeros(m,n);T3=zeros(m,n);M=3;N=3;for i=M+1:m-Mfor j=N+1:n-Nmax=1;min=255;for k=i-M:i+Mfor l=j-N:j+Nif I_gray(k,l)>maxmax=I_gray(k,l);endif I_gray(k,l)<minmin=I_gray(k,l);endendendT2(i,j)=(max+min)/2;T3(i,j)=max-min;endendT4=medfilt2(T2,[M,N]);T5=(T1+T4)/2;I_bw=zeros(m,n);for i=1:mfor j=1:nif I_gray(i,j)>(1+a)*T1I_bw(i,j)=255;endif I_gray(i,j)<(1-a)*T1I_bw(i,j)=0;endif (1-a)*T1<=I_gray(i,j)<=(1-a)*T1 if T3(i,j)>a*T1if I_gray(i,j)>=T4(i,j)I_bw(i,j)=255;elseI_bw(i,j)=0;endelse if I_gray(i,j)>=T5(i,j)I_bw(i,j)=255;elseI_bw(i,j)=0;endendendendendsubplot(121),imshow(I);subplot(122),imshow(I_bw);。