您的位置:

图像小波水印缩放python(小波变换 水印)

本文目录一览:

python如何实现类似matlab的小波滤波?

T=wpdec(y,5,'db40');

%信号y进行波包解层数5T波树plot看

a10=wprcoef(T,[1,0]);

%a10节点[1,0]进行重构信号貌似没层重构说吧能某层某节点进行重构节点编号波树

%以下为滤波程序(主要调节参数c的大小)

c=10;

wn=0.1;

fs=50000; %采样频率;

b=fir1(c,wn/(fs/2),hamming(c+1));

y1=filtfilt(b,1,y);%对y滤波。

数字水印的水印算法

近年来,数字水印技术研究取得了很大的进步,下面对一些典型的算法进行了分析,除特别指明外,这些算法主要针对图像数据(某些算法也适合视频和音频数据)。 该类算法中,大部分水印算法采用了扩展频谱通信(spread spectrum communication)技术。算法实现过程为:先计算图像的离散余弦变换(DCT),然后将水印叠加到DCT域中幅值最大的前k系数上(不包括直流分量),通常为图像的低频分量。若DCT系数的前k个最大分量表示为D=,i=1 ,… ,k,水印是服从高斯分布的随机实数序列W =,i=1 ,… ,k,那么水印的嵌入算法为di = di(1 + awi),其中常数a为尺度因子,控制水印添加的强度。然后用新的系数做反变换得到水印图像I。解码函数则分别计算原始图像I和水印图像I*的离散余弦变换,并提取嵌入的水印W*,再做相关检验 以确定水印的存在与否。该方法即使当水印图像经过一些通用的几何变形和信号处理操作而产生比较明显的变形后仍然能够提取出一个可信赖的水印拷贝。一个简单改进是不将水印嵌入到DCT域的低频分量上,而是嵌入到中频分量上以调节水印的顽健性与不可见性之间的矛盾。另外,还可以将数字图像的空间域数据通过离散傅里叶变换(DFT)或离散小波变换(DWT)转化为相应的频域系数;其次,根据待隐藏的信息类型,对其进行适当编码或变形;再次,根据隐藏信息量的大小和其相应的安全目标,选择某些类型的频域系数序列(如高频或中频或低频);再次,确定某种规则或算法,用待隐藏的信息的相应数据去修改前面选定的频域系数序列;最后,将数字图像的频域系数经相应的反变换转化为空间域数据。该类算法的隐藏和提取信息操作复杂,隐藏信息量不能很大,但抗攻击能力强,很适合于数字作品版权保护的数字水印技术中。

1. 基于离散余弦变换的数字水印

最早的基于分块DCT水印技术出现于E Koch,J Zhao的文献。针对静止图像和视频压缩标准(JPEG和MPEG),他们的水印方案中图像也被分成8×8的块,由一个密钥随机的选择图像的一些分块,在频域的中频上稍微改变一个三元组以隐藏二进序列信息。选择在中频分量编码是因为在高频编码易于被各种信号处理方法破坏,而在低频编码则由于人的视觉对低频分量很敏感,对低频分量的改变易于被察觉。未经授权者由于不知道水印嵌入的区域,因此是很难测出水印的,此外,该水印算法对有损压缩和低通滤波是鲁棒的。将图像分割成8×8块,并对每个块做DCT变换,然后随机选择构造所有块的一个子集,对子集的每一个块,选择一组频率并嵌入二进制水印信息。由于频率组的选择不是基于最显著分量,并且频率系数的方差较小,因此该方法对噪声、几何变形以及多文档攻击比较敏感。

Cox等人于1995年提出了基于图像全局变换的水印方法,称之为扩频法。这也是目前大部分变换域水印算法中所用到的技术。它将满足正态分布的伪随机序列加入到图像的DCT变换后视觉最重要系数中,利用了序列扩频技术(SS)和人类视觉特性(HVS)。算法原理为先选定视觉重要系数,再进行修改,最常用的嵌入规则如下:

其中分别是修改前和修改后的频域系数,α是缩放因子,是第i个信息位水印。

一般说来,乘法准则的抗失真性能要优于加法准则。水印的检测是通过计算相关函数实现的。从嵌入水印的图像中提取出是嵌入规则的逆过程,把提取出来的水印与原水印作相似性运算,与制定的阈值比较,可确定是否存在水印。这是稳健性水印的奠基性算法。

Chiou-Ting Hsu等人提出一种基于分块DCT的水印,他们的水印是可辨识的图像,而不是简单的一个符号或一个随机数。通过有选择地修改图像的中频系数来嵌入水印。验证时,衡量提取出的水印同原水印之间的相似性来判断是否加入了水印

2. 基于离散小波变换的数字水印

与传统的DCT变换相比,小波变换是一种变分辨率的,将时域与频域相联合的分析方法,时间窗的大小随频率自动进行调整,更加符合人眼视觉特性。小波分析在时、频域同时具有良好的局部性,为传统的时域分析和频域分析提供了良好的结合[6]。

目前,小波分析已经广泛应用于数字图像和视频的压缩编码、计算机视觉、纹理特征识别等领域。由于小波分析在图像处理上的许多特点可用于信息隐藏的研究,所以这种分析方法在信息隐藏和数字水印领域的应用也越来越受到广大研究者的重视,目前已经有很多比较典型的基于离散小波变换的数字水印算法。

除了上述有代表性的变换域算法外,还有一些变换域水印算法,它们中有相当一部分是上述算法的改进及发展。

总的来说,与空域的方法相比,变换域的方法具有如下优点:

(1) 在变换域中嵌入的水印信号能量可以分布到空域的所有像素上,有利于保证水印的不可见性;

(2) 在变换域,人类视觉系统(HVS) 的某些特性(如频率掩蔽特性)可以更方便地结合到水印编码过程中,因而其隐蔽性更好;

(3) 变换域的方法可与国际数据压缩标准兼容,从而易实现在压缩域(compressed domain) 内的水印算法,同时也能抵抗相应的有损压缩。 人的生理模型包括人类视HVS(HumanVisualSystem)和人类听觉系统HAS。该模型不仅被多媒体数据压缩系统利用,同样可以供数字水印系统利用。利用视觉模型的基本思想均是利用从视觉模型导出的JND(Just Noticeable Difference)描述来确定在图像的各个部分所能容忍的数字水印信号的最大强度,从而能避免破坏视觉质量。也就是说,利用视觉模型来确定与图像相关的调制掩模,然后再利用其来插入水印。这一方法同时具有好的透明性和强健性。

用matlab做数字水印嵌入和提取,结果提取出来的水印与原水印完全不同,难道水印图像和原图像有一定的要求

clc

[a type]=myfunction(0.7,0);/a嵌入强度,type攻击类型

x=imread('E:\ori1.bmp');

subplot(2,3,1);

image(x);

title('初始待加入水印图du像');

w=imread('E:\water1.bmp');

subplot(2,3,2);

imshow(w);

title('待用水印图像');

w=w/255;

[cA1,cH1,cV1,cD1]=dwt2(x,'haar');% 对原始图像x进行小波分解zhi

[cA2,cH2,cV2,cD2]=dwt2(cA1,'haar');

[cA3,cH3,cV3,cD3]=dwt2(cA2,'haar');

title('加入水印后的图像');

%(1)放大两倍的操作,(当然提取之前要先缩小两倍)

xxx1=imresize(Y,2,'bicubic');

xxx2=imresize(xxx1,1/2,'bicubic');

Y= double(xxx2);

end

%(8) JPEG压缩

if type==8

A='JPEG压缩,强度=10'

imwrite(uint8(round(Y)),'jpeg_n.jpg','jpg','Quality',10);%按压缩因子Quality的比例,将J2压缩到jpeg_n.jpg中。

end

title('提取结果');

原图像512*512 水印64*64

函数声明为function [a type]=myfunction(a,type)

图像降维dao,是因为,音频是zhi一维的dao,所以要用到 reshape 这个函版数。

置乱权,这个 有很多种的,一般用RandStream 这个来设定乱数。

密钥:图像(watermark)算法(比如XOR) 乱数 。

嵌入与提取: 根据算法和处理方法不同方法不同。小波 一般利用平均差值 嵌入的,提取的时候可以根据与差值比较 ,大的时候1小的时候0等方法。

扩展资料:

MATLAB由一系列工具组成。这些工具方便用户使用MATLAB的函数和文件,其中许多工具采用的是图形用户界面。包括MATLAB桌面和命令窗口、历史命令窗口、编辑器和调试器、路径搜索和用于用户浏览帮助、工作空间、文件的浏览器。随着MATLAB的商业化以及软件本身的不断升级,MATLAB的用户界面也越来越精致,更加接近Windows的标准界面,人机交互性更强,操作更简单。

而且新版本的MATLAB提供了完整的联机查询、帮助系统,极大的方便了用户的使用。简单的编程环境提供了比较完备的调试系统,程序不必经过编译就可以直接运行,而且能够及时地报告出现的错误及进行出错原因分析。

参考资料来源:百度百科-MATLAB

有谁熟悉python里的小波变换pywt.wavelet么

T=wpdec(y,5,'db40'); %信号y进行波包解层数5T波树plot看 a10=wprcoef(T,[1,0]); %a10节点[1,0]进行重构信号貌似没层重构说吧能某层某节点进行重构节点编号波树看

什么是小波图像处理技术?

波分析是目前国际上最新的时频分析工具,在信号处理方面有着广泛地应用,本文着重讨论基于小波变换的图像处理技术。

基于小波变换的图像去噪是图像去噪的主要方法之一。通过对基于小波变换的图像去噪技术进行分析,总结了基于单小波图像去噪的基本方法和每种方法的优缺点以及改进方向在分析多小波和小波标架变换的基础上,提出了基于多小波变换的图像去噪算法和基于小波标架变换的图像去噪算法实验证明,新算法具有良好的去噪效果。

图像融合是将同一场景中多幅图像的互补信息合并成一幅新图像,以便更好地对场景进行观察和理解多小波能够为图像提供一种比单小波更加精确的分析方法在研究多小波变换特性的基础上,提出了基于离散多小波变换的图像融合方法。实验证明,该方法具有很好的融合效果。

随着多媒体技术的发展,数字水印技术已成为数字版权保护领域研究的一个研究热点在分析数字水印技术的原理特点系统结构以及关键技术的基础上,提出基于提升格式小波变换的数字水印算法,该算法在对彩色图像进行水印处理方面达到较好的效果,健壮性良好。

图像压缩是多媒体的关键技术之一,寻求性能良好的压缩方法是一个重要的研究领域通过对多小波基设诛预滤波器构造以及多小..........

如何使用python画小波图像

最简单有效的库是来自于约翰内斯布赫尔的imagehash库。可以在库中实现多种图像散列:aHash,pHash,dHash。

所有三种方法的缩放图像转换成灰度级8×8的图像首位。

然后该库执行用于每个64像素的一些计算并分配一个二进制的1或0的值。这些64bit值形成算法的输出。