我希望具有极高的鲁棒性 并且图片质量无损呢？

要实现高鲁棒性和无损的图像隐写，可以考虑使用基于变换域的图像隐写技术，如基于离散余弦变换（DCT）的隐写技术。

DCT隐写技术的基本思路是将消息嵌入到图像的DCT系数中。由于DCT系数对图像的变换和压缩具有很好的鲁棒性，因此DCT隐写技术具有很高的鲁棒性和无损性。

下面是一个使用Python实现基于DCT变换的图像隐写的示例代码：

import numpy as np
from PIL import Image

def encode_image(image_path, message):
    # 读取原始图像
    img = Image.open(image_path).convert('RGB')

    # 将消息转换为二进制字符串
    binary_message = ''.join(format(ord(c), '08b') for c in message)

    # 将图像转换为numpy数组
    pixels = np.array(img).astype(np.float32)

    # 对图像进行DCT变换
    dct_pixels = np.zeros_like(pixels)
    for i in range(3):
        dct_pixels[:, :, i] = np.fft.dct(np.fft.dct(pixels[:, :, i].T, norm='ortho').T, norm='ortho')

    # 将消息嵌入到DCT系数中
    index = 0
    for i in range(8):
        for j in range(8):
            if index < len(binary_message):
                bit = int(binary_message[index])
                dct_pixels[i, j, 0] += bit * 10
                index += 1
            else:
                break

    # 对图像进行逆DCT变换
    decoded_pixels = np.zeros_like(dct_pixels)
    for i in range(3):
        decoded_pixels[:, :, i] = np.fft.idct(np.fft.idct(dct_pixels[:, :, i].T, norm='ortho').T, norm='ortho')

    # 保存修改后的图像
    decoded_pixels = np.clip(decoded_pixels, 0, 255).astype(np.uint8)
    Image.fromarray(decoded_pixels).save('encoded_image.png')

def decode_image(image_path):
    # 读取隐写后的图像
    img = Image.open(image_path).convert('RGB')

    # 从图像中读取消息
    dct_pixels = np.array(img).astype(np.float32)
    binary_message = ""
    for i in range(8):
        for j in range(8):
            bit = int((dct_pixels[i, j, 0] % 10) >= 5)
            binary_message += str(bit)

    # 将二进制字符串转换为消息
    message = ""
    for i in range(0, len(binary_message), 8):
        message += chr(int(binary_message[i:i+8], 2))

    return message

# 测试
message = "Hello, world!"
encode_image('original_image.png', message)
print(decode_image('encoded_image.png'))

在上面的代码中，我们使用了Python的NumPy库和Pillow库来实现基于DCT变换的图像隐写。具体来说，我们首先将图像转换为numpy数组，并对其进行DCT变换。然后，将消息嵌入到DCT系数中，最后对图像进行逆DCT变换得到加密后的图像。

需要注意的是，上面的示例代码只是一个简单的示例，实际应用中需要考虑更多的问题，如如何保证隐写后的图像与原图相似度高、如何防止隐写后的图像被检测等。