解释如下链接中DeepMarks.py的代码原理https://github.com/DeepMarks/DNN-Watermarking

这个仓库中的 `DeepMarks.py` 文件是一个综合性的脚本，用于实现数字水印的嵌入和提取功能。具体来说，这个脚本会调用 `topology.py` 中定义的神经网络模型，将水印编码嵌入到图像中，然后从嵌入了水印的图像中提取出水印编码。

下面是 `DeepMarks.py` 的主要实现流程：

1. 导入必要的库和模块

脚本首先导入了必要的库和模块，比如 PyTorch 库、NumPy 库、argparse 库等。

2. 定义命令行参数

脚本使用 `argparse` 库定义了一些命令行参数，比如 `--image_path`、`--watermark_path`、`--output_path`、`--mode` 等。这些参数用于指定输入图像、水印、输出路径和运行模式。

3. 加载模型

脚本调用 `topology.py` 中的 `Extractor()` 和 `Embedder()` 类，分别构建水印提取和嵌入模型。

4. 加载图像和水印

脚本调用 `image.py` 中的 `load_image()` 和 `save_image()` 函数，分别加载和保存图像。同时，脚本调用 `watermark.py` 中的 `load_watermark()` 函数，加载水印。

5. 将水印嵌入到图像中

如果 `mode` 参数为 `embed`，脚本会将水印编码嵌入到图像的 DCT 系数中，并且将嵌入了水印的图像保存到指定路径下。

6. 从图像中提取水印

如果 `mode` 参数为 `extract`，脚本会从嵌入了水印的图像中提取出水印编码，并且将编码保存到指定路径下。

总体来说，`DeepMarks.py` 是一个综合性的脚本，用于数字水印的嵌入和提取功能。它调用了 `topology.py` 中定义的神经网络模型，可以有效地进行数字水印的处理。