python使用dwt算法实现图片信息隐写和提取

DWT（离散小波变换）是一种基于小波分析的信号处理技术，可以将信号分解成不同频率的子带。在图像隐写中，DWT可以用来将图像分解成多个频带，并将秘密信息嵌入到其中，使其不易被察觉。以下是一个简单的Python代码，用于实现基于DWT的图像信息隐写和提取：

import pywt
import numpy as np
from PIL import Image

def hide_message(img_path, message):
    # 打开图像文件
    img = Image.open(img_path)
    # 将图像转换为灰度图
    img = img.convert('L')
    # 将图像转换为numpy数组
    img_array = np.array(img)
    # 将图像数组进行二维小波变换
    coeffs = pywt.dwt2(img_array, 'haar')
    # 将秘密信息嵌入到小波系数的最低频率子带中
    cA, (cH, cV, cD) = coeffs
    cA = cA.astype(np.float64)
    cA += message
    # 将修改后的小波系数重新组合成一个数组
    new_coeffs = (cA, (cH, cV, cD))
    # 将修改后的小波系数进行二维小波反变换
    new_img_array = pywt.idwt2(new_coeffs, 'haar')
    # 将图像数组转换为图像
    new_img = Image.fromarray(np.uint8(new_img_array))
    # 保存修改后的图像
    new_img.save('stego_image.png')

def extract_message(img_path):
    # 打开图像文件
    img = Image.open(img_path)
    # 将图像转换为灰度图
    img = img.convert('L')
    # 将图像转换为numpy数组
    img_array = np.array(img)
    # 将图像数组进行二维小波变换
    coeffs = pywt.dwt2(img_array, 'haar')
    # 从小波系数的最低频率子带中提取秘密信息
    cA, (cH, cV, cD) = coeffs
    cA = cA.astype(np.float64)
    message = cA - pywt.threshold(cA, 0.5, mode='hard')
    # 将提取出的秘密信息转换为字符串
    message_str = ''.join([chr(int(round(m))) for m in message.flatten()])
    return message_str

在上面的代码中，`hide_message`函数用于将秘密信息嵌入到图像中，`extract_message`函数用于从图像中提取秘密信息。秘密信息通过将其嵌入到小波系数的最低频率子带中来实现。在嵌入秘密信息时，为了保证秘密信息不被过度修改，我们可以将小波系数加上秘密信息，并进行硬阈值处理。在提取秘密信息时，我们只需要从小波系数的最低频率子带中提取出硬阈值后的小波系数即可。