OpenCV使用LSB方法提取图像

Question

免责声明：这是家庭作业的一部分，但是，它已经被传递了。我只是在为将来的专有技术寻找正确的解决方案。

该程序的目标是使用Python OpenCV库来实现图像->图像隐写术（在其他图像内部嵌入/提取图像）。使用最小有效位（LSB）方法对两个大小相等的图像进行此操作。

该程序允许用户选择用于嵌入的位数，因此使用1位嵌入图像几乎是人眼无法察觉的，而使用7位就可以清楚地识别出隐藏图像。

通过从秘密图像中获取每个RGB字节的最高有效位（MSB），并将它们设置在封面图像的LSB位置，我正确地实现了嵌入。

我的问题是在嵌入秘密图像后提取它。代码运行后，剩下的图像似乎只是它的蓝色表示。我不确定哪里出错了，但是我感觉到它与我的位操作技术或OpenCV库的使用有关。非常感谢您的任何帮助，在此先感谢您！

提取代码：

import cv2
import numpy
def extract(img1, bitsUsed):
    print "Extracting..."
    # Import image & get dimensions
    img = cv2.imread(img1)
    h = img.shape[0]
    w = img.shape[1]

    # Create new image to extract secret image
    # Same dimensions, and rgb channel
    secretImg = numpy.zeros((h,w,3), numpy.uint8)

    x, y = 0, 0
    # Loop thru each pixel
    while x < w:
            while y < h:
                    # Grab the LSB (based on bitsUsed from embedding)
                    lsb_B = img.item(y,x,0) & bitsUsed
                    lsb_G = img.item(y,x,1) & bitsUsed
                    lsb_R = img.item(y,x,2) & bitsUsed
                    # Place those bits into MSB positions on new img
                    secretImg.itemset((y,x,0), lsb_B << (8 - bitsUsed))
                    secretImg.itemset((y,x,0), lsb_G << (8 - bitsUsed))
                    secretImg.itemset((y,x,0), lsb_R << (8 - bitsUsed))
                    y += 1
            y = 0
            x += 1

    cv2.imwrite("extractedImg.png", secretImg)

Answer 1

恩朱法是正确的。在提取中，当您仅嵌入 1 位时，您需要与 0b00000001 (1) 进行 AND 运算，对于 2 位与 0b00000011 (3) 进行 AND 运算，对于 3 位与 0b00000111 (7) 进行与运算，等等。通常，对于k嵌入位，您需要面具2**k - 1。

此外，cv2.imread()将生成像素的 numpy 数组。您可以对计算进行矢量化，而不是循环遍历每个像素。总而言之，这就是您的代码的样子。

import cv2

def embed(cover_file, secret_file, k):
    cover = cv2.imread(cover_file)
    secret = cv2.imread(secret_file)

    mask = 256 - 2**k
    stego = (cover & mask) | (secret >> (8 - k))
    cv2.imwrite('stego.png', stego)

def extract(stego_file, k):
    stego = cv2.imread(stego_file)

    mask = 2**k - 1
    output = (stego & mask) << (8 - k)
    cv2.imwrite('extracted.png', output)