基于DWT的数字图像信息隐藏算法代码，带有高斯噪声攻击，可以运行，载体图像和水印图像经过灰度处理，有提取和嵌入水印算法，用python实现，包括完整实例

### 回答1：
以下是基于DWT的数字图像信息隐藏算法的Python代码，包括了高斯噪声攻击、嵌入和提取水印的算法：

import cv2
import numpy as np
from pywt import dwt2, idwt2


def DWT(img):
    # 将图像进行DWT变换
    LL, (LH, HL, HH) = dwt2(img, 'haar')
    return LL, LH, HL, HH


def IDWT(LL, LH, HL, HH):
    # 将DWT变换后的图像进行IDWT逆变换
    img = idwt2((LL, (LH, HL, HH)), 'haar')
    img = np.round(img).astype(np.uint8)
    return img


def embed_watermark(img, watermark, alpha):
    # 嵌入水印
    LL, LH, HL, HH = DWT(img)
    watermark = cv2.resize(watermark, (HH.shape[1], HH.shape[0]))
    watermark = watermark.astype(np.float32)
    HH += alpha * watermark
    img = IDWT(LL, LH, HL, HH)
    return img


def extract_watermark(img, watermark_shape, alpha):
    # 提取水印
    LL, LH, HL, HH = DWT(img)
    watermark = (HH - LH - HL) / alpha
    watermark = cv2.resize(watermark, (watermark_shape[1], watermark_shape[0]))
    watermark = np.round(watermark).astype(np.uint8)
    return watermark


def add_gauss_noise(img, mean, sigma):
    # 添加高斯噪声
    noise = np.random.normal(mean, sigma, img.shape)
    img = img.astype(np.float32)
    img += noise
    img = np.round(img).astype(np.uint8)
    return img


if __name__ == '__main__':
    # 嵌入水印
    img = cv2.imread('carrier.jpg', cv2.IMREAD_GRAYSCALE)
    watermark = cv2.imread('watermark.jpg', cv2.IMREAD_GRAYSCALE)
    alpha = 0.05
    img = embed_watermark(img, watermark, alpha)
    img = add_gauss_noise(img, 0, 10)
    cv2.imwrite('embedded.png', img)

    # 提取水印
    img = cv2.imread('embedded.png', cv2.IMREAD_GRAYSCALE)
    watermark_shape = (watermark.shape[0], watermark.shape[1])
    watermark = extract_watermark(img, watermark_shape, alpha)
    cv2.imwrite('extracted.png', watermark)

其中，`DWT`函数实现了离散小波变换，`IDWT`函数实现了离散小波逆变换，`embed_watermark`函数实现了嵌入水印的过程，`extract_watermark`函数实现了提取水印的过程，`add_gauss_noise`函数实现了添加高斯噪声的过程。

在主函数中，首先使用`embed_watermark`函数将水印嵌入到载体图像中，然后使用`add_gauss_noise`函数添加高斯噪声，最后将结果保存为`embedded.png`。

接着，使用`extract_watermark`函数从`embedded.png`中提取水印，并保存为`extracted.png`。

### 回答2：
以下是一个基于DWT的数字图像信息隐藏算法代码的实例，采用了高斯噪声攻击。

import cv2
import numpy as np
from pywt import dwt2, idwt2

def embed_watermark(carrier_img, watermark_img, strength):
    # 将载体图像和水印图像进行灰度处理
    carrier_img_gray = cv2.cvtColor(carrier_img, cv2.COLOR_BGR2GRAY)
    watermark_img_gray = cv2.cvtColor(watermark_img, cv2.COLOR_BGR2GRAY)
    
    # 将载体图像进行DWT变换
    carrier_coeffs = dwt2(carrier_img_gray, 'haar')
    
    # 提取低频子带系数
    LL = carrier_coeffs[0]
    
    # 将水印图像的灰度值限定在0到1之间
    watermark_img_normalized = watermark_img_gray / 255.0
    
    # 对每个低频子带系数乘以水印信息强度
    LL_watermarked = LL + strength * watermark_img_normalized
    
    # 将修改后的低频子带系数放回DWT系数元组
    carrier_coeffs_modified = (LL_watermarked,) + carrier_coeffs[1:]
    
    # 逆DWT恢复图像
    watermarked_img_gray = idwt2(carrier_coeffs_modified, 'haar')
    
    # 转换回BGR格式
    watermarked_img = cv2.cvtColor(watermarked_img_gray.astype(np.uint8), cv2.COLOR_GRAY2BGR)
    
    return watermarked_img

def extract_watermark(watermarked_img, strength):
    # 将水印图像进行灰度处理
    watermarked_img_gray = cv2.cvtColor(watermarked_img, cv2.COLOR_BGR2GRAY)
    
    # 将水印图像进行DWT变换
    watermarked_coeffs = dwt2(watermarked_img_gray, 'haar')
    
    # 提取低频子带系数
    LL_watermarked = watermarked_coeffs[0]
    
    # 从低频子带系数中提取水印信息
    extracted_watermark = (LL_watermarked - watermarked_img_gray) / strength
    
    # 将提取的水印信息灰度值限定在0到255之间
    extracted_watermark = np.clip(extracted_watermark * 255, 0, 255).astype(np.uint8)
    
    return extracted_watermark

# 载体图像和水印图像
carrier_img = cv2.imread('carrier_image.png')
watermark_img = cv2.imread('watermark_image.png')

# 嵌入水印
strength = 0.5
watermarked_img = embed_watermark(carrier_img, watermark_img, strength)
cv2.imwrite('watermarked_image.png', watermarked_img)

# 提取水印
extracted_watermark = extract_watermark(watermarked_img, strength)
cv2.imwrite('extracted_watermark.png', extracted_watermark)

在代码中，`carrier_img`代表载体图像，`watermark_img`代表水印图像。`carrier_img`和`watermark_img`会先通过`cv2.cvtColor`函数进行灰度处理，然后再基于DWT变换进行水印的嵌入和提取。

其中，`embed_watermark`函数用于将水印嵌入到载体图像中，`extract_watermark`函数用于从水印图像中提取水印。水印的强度通过`strength`参数进行控制。

完成代码后，可以使用`cv2.imread`函数加载载体图像和水印图像，并调用`embed_watermark`函数嵌入水印。之后可以调用`extract_watermark`函数提取嵌入的水印。最终，可以使用`cv2.imwrite`函数保存嵌入水印后的图像。

### 回答3：
基于DWT的数字图像信息隐藏算法使用python实现，包括完整实例。

首先，我们需要导入必要的库：

import cv2
import numpy as np
from pywt import dwt2, idwt2
from skimage.util import random_noise

嵌入水印算法的主要步骤如下：

1. 加载载体图像和水印图像，并将它们转换为灰度图像。

carrier_image = cv2.imread("carrier_image.jpg", cv2.IMREAD_GRAYSCALE)
watermark_image = cv2.imread("watermark_image.jpg", cv2.IMREAD_GRAYSCALE)

2. 对载体图像进行DWT分解。

coeffs = dwt2(carrier_image, "haar")
LL, (LH, HL, HH) = coeffs

3. 将水印图像调整为与载体图像的LL子图像尺寸相同。

watermark_resized = cv2.resize(watermark_image, (LL.shape[1], LL.shape[0]))

4. 将水印图像嵌入到LL子图像中。

watermarked_LL = np.bitwise_or(np.bitwise_and(np.bitwise_not(1), LL), np.left_shift(watermark_resized, 1))

5. 使用逆DWT合成修改后的载体图像。

watermarked_image = idwt2((watermarked_LL, (LH, HL, HH)), "haar")

6. 添加高斯噪声攻击。

watermarked_image_with_noise = random_noise(watermarked_image, mode="gaussian", var=0.01) * 255

提取水印算法的主要步骤如下：

1. 加载带有水印的图像。

watermarked_image_with_noise = cv2.imread("watermarked_image_with_noise.jpg", cv2.IMREAD_GRAYSCALE)

2. 对带有水印的图像进行DWT分解。

coeffs = dwt2(watermarked_image_with_noise, "haar")
LL, _ = coeffs

3. 从LL子图像中提取水印图像。

extracted_watermark = np.right_shift(np.bitwise_and(LL, 1), 1)

4. 将提取出的水印图像保存到文件。

cv2.imwrite("extracted_watermark.jpg", extracted_watermark)

以上就是一个基于DWT的数字图像信息隐藏算法的完整实例，包括嵌入水印和提取水印两个部分，并且在嵌入水印过程中添加了高斯噪声攻击。