标签：relevant plt 彩色图像 dwt 变换 cv2 水印 嵌入 merged
这次的内容主要为水印图像经过阿诺德置乱算法后通过离散小波变换进行嵌入，仅考虑嵌入方式，其余部分处理从简，之后再做探究。
嵌入部分参考上图公式，为验证方便，代码中将三级小波变换与一级小波变换的嵌入方式简化为一级小波变换与一级小波变换的嵌入，当然，嵌入效果不会很好。
为使结果仍为彩色图像，在小波变换前将原图像通道分离（本次选取B通道）在嵌入完成后，再将通道合并。
import cv2
import pywt
import numpy as np
import matplotlib.pyplot as plt
Img = cv2.imread('lena.bmp') # 原图
waterImg = cv2.imread('new.bmp',0) # 水印图像，灰度读取
# 水印图像尺寸数据
r = waterImg.shape[0]
c = waterImg.shape[1]
# 原图尺寸数据
R = Img.shape[0]
C = Img.shape[1]
img = cv2.resize(Img, (r, c))
(b, g, r) = cv2.split(img)
# 水印图像一级小波变换
coeffs1 = pywt.dwt2(waterImg, 'haar')
ca1, (ch1, cv1, cd1) = coeffs1
coeffs2 = pywt.dwt2(b, 'haar') # blue通道
ca2, (ch2, cv2, cd2) = coeffs2
# 自定义嵌入系数，这部分可以用随机数处理
a1 = 0.1
a2 = 0.2
a3 = 0.1
a4 = 0.1
ca2 = ca2 + ca1 * a1
ch2 = ch2 + ch1 * a2
cv2 = cv2 + cv1 * a3
cd2 = cd2 + cd1 * a4
newimg = pywt.idwt2((ca2, (ch2, cv2, cd2)), "haar")
merged = np.ones(img.shape, dtype=np.uint8)
merged[:,:,2] = newimg
merged[:,:,1] = g
merged[:,:,0] = r
plt.imshow(merged)
plt.axis('off')
# 去掉多余空白边缘，同时使图像重新转化为原来的尺寸
fig = plt.gcf()
fig.set_size_inches(float(R/100)/3, float(C/100)/3)
plt.gca().xaxis.set_major_locator(plt.NullLocator())
plt.gca().yaxis.set_major_locator(plt.NullLocator())
plt.subplots_adjust(top=1, bottom=0, right=1, left=0, hspace=0, wspace=0)
plt.margins(0, 0)
plt.savefig("lena.png", transparent=True, dpi=300, pad_inches=0)
plt.show()
结果示例：
嵌入后
（嵌入内容为100*100的校徽logo）
原图
之后会继续做精细化处理，确保处理后的图像与原图尽可能不存在肉眼可见的差异。
参考来源：
标签：relevant,plt,彩色图像,dwt,变换,cv2,水印,嵌入,merged 来源： https://www.cnblogs.com/hortz/p/15933237.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。