【正文】 在 。 （ a） （ b） 圖 31 水印嵌入系統(tǒng)流程圖 水印提取流程圖，如圖 32所示，其中圖 a為水印提取流程圖，圖 b為原始圖像處理流程圖。 實現(xiàn)算法描述：由于水印為 8bit 的圖像，所以對于置亂后的水印分辨率層 G L1 和 L0，經(jīng)位分解操作后都有 8個位平面，嵌入函數(shù)首先計算出 HL3（ 圖 23 所示 ） 中能嵌入 G2位平 面的個數(shù)，如果個數(shù)大于或等于 8，則將位平面全部嵌入到 HL3中；否則 HL3和 LH3中分別嵌入 4位平面，在嵌入過程中需對位平面嵌入的位置作準確的計算。 參數(shù)說明： wmHeight、 wmWidth為水印圖像的高和寬， picHeight、 picWidth為原始圖像的高和寬，PictureData 存儲原始圖像３層小波變換后的小波系數(shù)的數(shù)據(jù)， WaterData 存儲水印位平面信息，picBits、 wmBits分別為原始圖像和水印圖像的位數(shù)。 unsigned int i = 0, j = 0。 //time為將要嵌入的位平面序號 unsigned int position = time line * (picWidth / wmWidth)。 iwmHeight。 jwmWidth。 }//for1 //(line * wmHeight)是控制每行能嵌入的位平面數(shù) }//for2 }//if else if(time = 4) { //number8時，則位平面要分別嵌入到 HL和 LH塊， time=4時，位平面嵌入到 LH 塊 line = (unsigned int)((time % 4) / (picWidth / wmWidth))。 //水印圖像嵌入的寬度上的位置 for(i=0。 i++) { for(j=0。 j++) { //(line * wmHeight)是控制每行能嵌入的位平面數(shù) PictureData[ ((line * wmHeight) + i) * width + picWidth + (position * wmWidth) + j] += WaterData[i * wmWidth + j]。 實現(xiàn)算法描述：水印提取過成中，首先打開嵌有水印的圖像，將其進行 3層離散小波變換，再打開原始水印掩體圖像，同樣作三層離散 小波變換。提取的位平面順序為從低位到高位，計算層數(shù)據(jù)值可描述為 ,Y=Y+x*pow (2,n)，（ 0≤ n≤ 7）其中 Y 為水印層分辨率數(shù)據(jù)值， x為位平面值， pow為求冪函數(shù)， n為位平面在 8個 15 位平面中的序號。 參數(shù)說明： height、 width為水印圖像的高和寬， picHeight、 picWidth為原始圖像的高和寬， picData存儲原始圖像３層小波變換后的小波系數(shù)的數(shù)據(jù)， wmData 存儲原始圖像３層小波變換后的小波系數(shù)，Out存儲提取的水印分辨率層信息。 iwidth。 jheight。 } //位 平面點的位置 else { value1 = picWidth / m + (unsigned int((n % 4) / 2) * height + i) * picWidth。 if(picData[value1] != wmData[value1]) value2 = 1。 Out[i * (picWidth / 4) + j] += ( value2 * unsigned int(pow(2, n)) )。 實現(xiàn)算法描述：圖像像素值可存儲在一個二維數(shù)組中， 小波行變換是將圖像 偶數(shù)列存儲在左 半部分 ，奇數(shù)列存儲在右 半部分，然 后用奇數(shù)列（右半部分）的像素值減去偶數(shù)列（左半部分），結果進行差分調整后存儲在右半部分，完成小波行變換運算。 函數(shù)代碼如下： void CPictureDWT::PicRowDWT(unsigned int picWidth, unsigned int width, unsigned int height, unsigned char *Data) { LPBYTE picRowTemp = new BYTE[width * height]。 //定義臨時數(shù)據(jù)緩存 unsigned int nWidth = width / 2。 //中間變量 for(i=0。 i++) { //行數(shù) for(j=0。 j++) { //列數(shù) unsigned int both = 2 * j。 value2 = i * picWidth + both。 picRowTemp[value1 + nWidth] = Data[value2 +1]。 }//for_2 }//for_1 for(i=0。 i++) { for(j=0。 j++) { //將小波變換后的數(shù)據(jù)存儲到圖 像 數(shù)據(jù)存儲區(qū) Data[i * picWidth + j] = picRowTemp[i * width + j]。 //刪除臨時存儲空間 } 2. 小波列變換函數(shù) 函數(shù)功能：小波變換分為行變換和列變換兩個部分，完成一次行變換，再作一次列變換就完成一次小波變換運算，將圖像分成 4個 1/4區(qū)域。 實現(xiàn)算法描述：與小波行變換不同的是，小波列變換是將圖像的偶數(shù)行存儲在下半部分，奇數(shù)行存儲在上半部分，再將奇數(shù)行（上半部分）減去偶數(shù)行（下半部分），結果進行差分調 整后存儲在上半部分。 參數(shù)說明： picWidth 為原始圖像的寬度， width、 height 為每層小波變換的區(qū)域， Data 存儲小波變換圖像數(shù)據(jù)。 unsigned int m,n。 unsigned int value1, value2。 mwidth。 nnHeight。 value1 = n * width + m。 //存儲偶數(shù)行 picLineTemp[value1] = Data[both * picWidth + m]。 //差分變換并將結果進行調整，完成小波列變換 picLineTemp[value2] = ( picLineTemp[value2] picLineTemp[value1] + 256 ) % 256。 mwidth。 nheight。 //將小波列變換后的數(shù)據(jù)轉存到圖片數(shù)據(jù)存儲區(qū) }//for_2 }//for_1 delete picLineTemp。 實現(xiàn)算法描述：按公式（ 23）所描述，為水印分辨率層的每個像素計算出其新的置亂后的位置，計算完每個像素新的位置后，更新分辨率層數(shù)據(jù)，得到雜亂分布的分辨率層數(shù)據(jù)。 函數(shù)代碼如下： void CPicArnold::Arnold(unsigned char *Data, unsigned int width, unsigned int height, int times) 18 { //圖象置亂變換函數(shù) unsigned int n = width。 unsigned int i = 0, j = 0。 int k = 0。 iwidth。 jheight。 pixel_y = (i + 2 * j) % n。 } //將圖像數(shù)據(jù)存入到臨時緩存中 }//x39。=(x+2y)mod n for(i=0。 i++) { //更新圖像數(shù)據(jù)值 for(j=0。 j++) { Data[i * width + j] = Temp[i * width + j]。 } delete Temp。 }//CPicArnold::Arnold 2. Arnold置亂逆變換函數(shù) 函數(shù)功能：逆變換函數(shù)是計算出被置亂后的圖像每個像素在置亂前中的位置，以恢復出原始水印分辨率層。該算法假設了兩個變量 p 和 q，由 Arnold 正變換算法導出了四個方程組，然后再 根據(jù)像素值的取值范圍，計算出 p 和 q的可能取值，針對 p 和 q的取值組合，計算出各方程組的解，那么在所有方程組解中滿足像素值取值范圍的即為逆置亂的解。 參數(shù)說明： In 為要進行逆置亂處理的圖像的數(shù)據(jù)， height、 width 為水印圖像的高和寬。 函數(shù)代碼如下： void CPicArnold::IrArnold(unsigned char *In, unsigned int width, unsigned int height, int times, int num) 19 { //求要進行逆置亂的水印層的寬度和高度 unsigned int n = width / num, w = width / num, h = height / num。 //分配臨時存儲空間，存儲每次逆置亂后的數(shù)據(jù) unsigned int i = 0, j = 0。 int k = 0。 iw。 jh。 y = j i。amp。amp。amp。 pixel_y = y。amp。amp。amp。 pixel_y = y + n。amp。amp。amp。 pixel_y = y。amp。amp。amp。 pixel_y = y + n。 }//for1 //將求得的解位置的數(shù)據(jù)暫粗存在臨時存儲緩存中 20 }//for2 for(i=0。 i++) { for(j=0。 j++) { //更新數(shù)據(jù)，并返回 In[i * width + j] = Temp[i * w + j]。 }//while delete Temp。 } 系統(tǒng)界面設計 系統(tǒng)采用 VC 實現(xiàn)，建立的為單文檔工程。另外，水印圖像的打開方式與原始掩體圖像的打開方式不同，避免了操作方式的單一化。 A、水印嵌入流程，點擊開始菜單里面的打開命令或文件按鈕，系統(tǒng)調用 Windows 標準文件打開對話框（圖 34），用戶找 到原始掩體圖像，選擇并點擊確定按鈕，這時打開原始掩體圖像 打開 水印圖像 21 會在左視圖顯示原始掩體圖像。當兩幅圖像都選取之后，用戶點擊嵌入按鈕，系統(tǒng)對打開的兩幅圖像格式和大小進行判斷，檢驗該水印圖像是否能作為水印嵌入到原始掩體圖像，如果不能，系統(tǒng)提示用戶重新選擇水印圖像。 B、水印提取過程，由于水印提取仍需 原始掩體圖像的參與，故設定在左視圖打開嵌有水印的圖像，在右視圖打開原始掩體圖像，提取的水印圖像顯示在右視圖。人們對新技術的好奇、盜版帶來的巨額利潤都會成為攻擊的動機（惡意攻擊）；而且數(shù)字制品在存儲、分發(fā)、打印、掃描等過程中，也會引入各種失真（無意攻擊）。攻擊的目的在于使相應的圖像水印系統(tǒng)的檢測工具無法正確地恢復水印信號，或不能檢測到水印信號的存在。這些攻擊方法包括線性或非線性濾波、基于波形的圖像壓縮（ JPEG）、添加噪聲、圖像裁減、圖像量化、模擬數(shù)字轉換等。這種攻擊一般是通過圖像的集合操作 完成的，如圖像放大、空間位移、旋轉、圖像裁減、重采樣以及一些幾何變形等。 22 3. 迷惑攻擊即試圖通過偽造原始圖像和原始水印來迷惑版權保護。 水印攻擊實例 本節(jié)介紹幾中圖像處理，采用 Photoshop 軟件，對嵌有水印的圖像進行添加雜色、亮度調整、圖像剪切等處理，檢測該算法的魯棒性。噪聲是妨礙人們感覺器官對所接收的信源信息理解的因素。由提取出的水印圖像可以看出，該算法對一般的噪聲攻擊有一定的魯棒 性。 亮度增強 改變嵌有水印信息圖像的亮度值，提取出嵌有的水印信息，檢測水印算法的魯棒性，結果如圖 53所示： （ a） （ b） 圖 53 亮度增強效果 （ a）為亮度增強后的圖像，（ b）為提取出的水印信息，由效果可將，提取出的水印信息有一定的模糊，但仍能分辨出水印信息，因此該算法對圖像 亮度改變有一定魯棒性。 5 結論 數(shù)字水印技術是隨著網(wǎng)絡通訊與多媒體信號處理的發(fā)展而迅速發(fā)展起來的一個新的研究方向，主要用于數(shù)字產品的版權保護。 1. 本文主要做了以下工作： 查閱了大量有關數(shù)字水印技術的國內外文獻，對目前數(shù)字水印的主要特征、分類、現(xiàn)有算法及發(fā)展狀況作了介紹，為了進一步研究數(shù)字水印的算法奠定了基礎。水印預處理方法主要有：基于 Arnold 變換、幻方、 Hilbert 曲線、 Conway游戲、廣義 Gray碼變換、仿射變換、正交拉丁方變換等方法，在本文中主要應用的置亂方法是 Arnold