python图像信息隐藏卡方分析绘制statistic图像和p值图像

要进行图像信息隐藏的卡方分析并绘制statistic图像和p值图像，可以按照以下步骤操作：

1. 导入必要的库和模块，如numpy、cv2、scipy.stats等。

import numpy as np
import cv2
from scipy.stats import chi2_contingency

2. 读取图像并将其转换为灰度图像。然后将其转换为二进制形式，以便进行信息隐藏。

img = cv2.imread('image.png')
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
binary_img = cv2.threshold(gray_img, 127, 255, cv2.THRESH_BINARY)[1]

3. 定义信息隐藏函数，将信息嵌入到二进制图像中。这里采用的是最简单的LSB（最低有效位）算法。

def hide_data(binary_img, data):
    data_len = len(data)
    data_index = 0
    for i in range(binary_img.shape[0]):
        for j in range(binary_img.shape[1]):
            if data_index >= data_len:
                return binary_img
            binary_img[i][j] = (binary_img[i][j] & 254) | int(data[data_index])
            data_index += 1
    return binary_img

4. 调用hide_data函数将信息嵌入到二进制图像中。

data = 'Hello, world!'
binary_img_with_data = hide_data(binary_img, ''.join(format(ord(c), '08b') for c in data))

5. 计算卡方值、p值和自由度，并绘制statistic图像和p值图像。

def analyze_data(binary_img, binary_img_with_data):
    # 计算直方图
    hist, bins = np.histogram(binary_img.flatten(), 2, [0, 256])
    hist_with_data, bins_with_data = np.histogram(binary_img_with_data.flatten(), 2, [0, 256])

    # 计算卡方值、p值和自由度
    chi2, p, dof, expected = chi2_contingency([hist, hist_with_data])
    print('卡方值:', chi2)
    print('p值:', p)
    print('自由度:', dof)

    # 绘制statistic图像和p值图像
    import matplotlib.pyplot as plt
    fig, ax = plt.subplots(1, 2, figsize=(12, 6))
    ax[0].bar(['Original', 'Modified'], [hist[0], hist_with_data[0]])
    ax[0].set_xlabel('Pixel value')
    ax[0].set_ylabel('Frequency')
    ax[0].set_title('Statistic')
    ax[1].bar(['Original vs. Modified'], [p])
    ax[1].set_ylim(0, 1)
    ax[1].set_xlabel('Comparison')
    ax[1].set_ylabel('p-value')
    ax[1].set_title('p-value')
    plt.show()

analyze_data(binary_img, binary_img_with_data)

这样就可以进行图像信息隐藏的卡方分析并绘制statistic图像和p值图像了。