除了LSB，用另一种方法实现图像信息隐写。需要将二值图像隐写到彩色图像中，并且最后要提取出二值图像

一种实现图像信息隐写的方法是使用DCT变换。DCT（离散余弦变换）是一种将时间域或空间域中的信号转换到频域中的技术。在图像隐写中，我们可以使用DCT变换将二值图像嵌入到彩色图像的高频分量中，从而实现图像信息隐写。以下是一个简单的Python代码示例：

import cv2
import numpy as np

# 加载彩色图像和二值图像
color_img = cv2.imread("color_img.png")
binary_img = cv2.imread("binary_img.png", 0)  # 以灰度模式读取

# 对二值图像进行DCT变换
dct = cv2.dct(np.float32(binary_img)/255.0)

# 将DCT系数矩阵嵌入到彩色图像的高频分量中
alpha = 0.1  # 调整嵌入强度的参数
for i in range(3):
    color_channel = color_img[:, :, i]
    dct_channel = cv2.dct(np.float32(color_channel))
    dct_channel[8:16, 8:16] += alpha * dct
    color_img[:, :, i] = cv2.idct(dct_channel)

# 保存嵌入了二值图像的彩色图像
cv2.imwrite("stego_img.png", color_img)

# 从隐写图像中提取嵌入的二值图像
stego_img = cv2.imread("stego_img.png")
binary_img_recovered = np.zeros(binary_img.shape, np.uint8)
for i in range(3):
    color_channel = stego_img[:, :, i]
    dct_channel = cv2.dct(np.float32(color_channel))
    binary_dct = dct_channel[8:16, 8:16]
    binary_img_recovered += (binary_dct > np.mean(binary_dct)) * 255

# 保存提取的二值图像
cv2.imwrite("binary_img_recovered.png", binary_img_recovered)

这段代码中，我们首先使用OpenCV库中的DCT函数对二值图像进行离散余弦变换。然后，将DCT系数矩阵嵌入到彩色图像的高频分量中，这里我们假设高频系数的8x8块位于彩色图像的左上角。最后，我们从隐写图像中提取嵌入的二值图像，这里我们使用DCT变换的块的平均值来估计二值图像中的阈值。