【去水印算法原理分析及仿真分析案例概述综述3000字】

去水印算法原理分析及仿真分析案例概述目录TOC\o"1-3"\h\u26398去水印算法原理分析及仿真分析案例概述 1262931.1基于灰度值转换的可见水印去除设计 1134141.2可见水印区域检测选取设计 264971.3水印去除仿真 397201.5基于Criminisi算法去除水印原理 873111.6Criminisi算法仿真分析 91.1基于灰度值转换的可见水印去除设计RGB是彩色图像的三种原色简称：红色（red）、绿色（green）和蓝色（blue）。这三个通道图像的亮度区间在0-255之间。所以RGB(255，0，0)是红色，RGB(0，255，0)是绿色，RGB(0，0，255)就是蓝色，三通道亮度拉满时的RGB(255，255，255)就是白色。获取到RGB三个灰度矩阵后，通过size函数获取其中的一维。基于彩色图像上的可见水印的灰度值与原图有比较明显的差距，可以利用图像的三种RGB分量对水印的灰度值进行转换，再将修改后的分量进行融合和替换到原有可见水印区域就可以达到去除水印的目的，系统流程如下图3-1。灰度值转换的程度也是水印去除效果的关键要素，所以提取分量后要尽可能选取合适的阈值，才能在视觉系统上起到更好的去水印效果。图3-1水印去除系统流程图根据百科上的描述，黑白图像中某点的颜色深度叫做灰度值，灰度值的范围通常是0到255，如果越接近0的话则该点越接近黑色，如果越接近255的话则该点越接近白色，所以黑白图像也被称为灰度图像，在医学、图像识别、图像分割等诸多领域都有很多的技术应用。把彩色图像转换成黑白图像后的像素值即为该彩色图像的灰度，彩色图像灰度转化的方法有很多，一般都是根据相应的领域或不同的要求进行转换的，如果以加权的方法转换的话，三原色R、G、B的比例一般为3：6：1。假如一张彩色图像上某一点的颜色为RGB(R，G，B)，那么就可以利用灰度算法对R、G、B三种分量进行运算最后可以求出这个点的灰度值Gray。我们可以通过以下几种运算，将其计算并转换为灰度图：1.浮点算法： (3-1)2.整数方法： (3-2)1.移位方法： (3-3)4.平均值法： (3-4)5.仅取绿色： (3-5)采用以上的任何一种办法都可以求得灰度值Gray，不同领域对灰度有不同的标准，所以上述办法也是依据该领域使用。在计算得到灰度值后，用算得的灰度值将原来的彩色分量进行一一替换，即R，G，B用灰度值Gray进行替换，然后就可以得到一种新的颜色RGB(Gray，Gray，Gray)，也就是我们需要的灰度图像。灰度图像可以减少复杂背景的信息量，加快我们后续的处理速度，因为灰度只有0-255即256个梯度值，更容易让我们分辨图像上的每个点。1.2可见水印区域检测选取设计对于可见水印区域的检测和选取，由于可见水印的可视性可以用人类视觉系统进行选择和判断，水印的透明度一般在50%~100%，往往取决于自动添加水印软件的默认设置。透明度太高会很容易被去掉或者不被注意，太低则会导致影响视觉感官加大获取其他信息的难度。水印的嵌入位置大多在右下角，右下角的信息量没有图像中间区域多，也不会让我们被水印影响观看图像。所以在用人类视觉系统检测观察水印的时候，一般都可以在右下角发现水印。利用MATLAB软件内的相关函数可以将图片上的水印区域进行框选并获取这片区域的横纵坐标。运行相关代码，出现带有水印的原始图像，在判断水印的位置后以鼠标按下的第一个点为矩形的起始点，然后移动鼠标拉动矩形框直至完全框选到水印区域，松开鼠标后即可计算出水印在图像上的位置。图3-3水印区域框选图1.3水印去除仿真去水印算法仿真流程：1、imread()从图像文件中读取一张图像，格式可以为jpg.png.jpeg.等。图3-4原始图像2、利用视觉系统判断水印的位置再利用鼠标进行框选，计算得到它的二维坐标后将该区域进行提取。k=waitforbuttonpress;%等待鼠标按下point1=get(gca,'CurrentPoint');%鼠标按下finalRect=rbbox;point2=get(gca,'CurrentPoint');%鼠标松开point1=point1(1,1:2);%提取出两个点point2=point2(1,1:2);p1=min(floor(point1),floor(point2));%计算位置p2=max(floor(point1),floor(point2));offset=abs(floor(point1)-floor(point2));%offset（1）表示宽，offset（2）表示高x=[p1(1)p1(1)+offset(1)p1(1)+offset(1)p1(1)p1(1)];y=[p1(2)p1(2)p1(2)+offset(2)p1(2)+offset(2)p1(2)];（a）（b）图3-5提取水印图3、然后分别把图像的RGB的3个分量都提取出来。（b）（c）图3-6三种分量4、利用matlab上的工具对三个分量的水印区域进行提取数据，通过阈值分割将水印区域的灰度值转化为背景的灰度值。[m,n]=size(t1);fori=1:mforj=1:nift1(i,j)>=0t1(i,j)=43;endendend（b）（c）图3-7三色分量的灰度值转换图5、处理完成后将分量融合并替换掉原有区域。fori=1:mforj=1:nt(i,j,1)=t1(i,j);t(i,j,2)=t2(i,j);t(i,j,3)=t3(i,j);endendfigure,imshow(t);fori=1:41forj=1:134I(i+580,j+443,1:3)=t(i,j,1:3);图3-8水印去除图1.5基于Criminisi算法去除水印原理图像中可见水印的去除也属于图像复原领域，所以Criminisi算法也可以用来修复和去除图像上的水印。Criminisi算法的主要原理是通过在修复区域的边缘选择优先级最高的像素点P，然后构造一个点P为中心的像素块，称为修复样本块大小，然后在完好的区域，搜索与模板块最相似的样本块，并找到更新后的模板块来修复信息，最后，更新修复块中像素的置信度，并开始下一个像素替换和重配对，直到所有修复工作完成[14]。图3-9是Criminisi算法的修复原理。对于一个已知待修复区域，从不同的顺序进行修复其最后得到的修复结果也不尽相同，而且还影响了最终图像的质量和自然感。Criminisi算法和传统的修复算法类似，基本上都是取决于待修复区域的样本块中包含已知信息的多少，越多则越优先修复。但仅仅依靠样本块中的已知信息来决定修复顺序的话，会导致最后的修复效果过于片面，所以样本块的线性结构特征和算法的等值线强度都是决定修复顺序的重要因素。在我们开始研究算法的本质时会发现，该算法的流程是优先在待修复区的边界找到最佳的样本块，然后利用样本块和确定的修复顺序进行修复。为了使最后的修复效果更好更自然，就需要对样本块的优先级做出对比并选出最高的一块。在优先权函数的运算中就包含了两个因素，一个是置信度，另一个是数据项。前者反映了修复样本块中已知信息占所有信息的比例程度，如果置信度越大，则该样本块越先被修复。后者是样本块中心点的等照度线的几何结构函数，可以使线性结构较强的样本块得到更高的优先权，使修复顺序按照当前等照度线的方向进行。在这两个因素得到保证的情况下，图像的修复效果就会有显著的提高，最后的修复图像也容易满足人类的视觉系统和审美观。图3-9Criminisi算法原理图其中Φ代表完好的区域，Ω代表待修复的区域，δΩ是待修复区域边界，ψₚ是以像素点P为中心构造的像素块，是边缘上像素点P的法线方向，是边缘点P的等照度方向。待修复区边界P点的优先权P(p)的计算公式： (3-6)其中，C(p)是判断一个目标块内已知信息的相对比重，D(p)可以决定图像以等照度线为方向进行修复，它们的计算公式： (3-7) (3-8)初始时，对，C(p)=0；，C(p)=1。为样本块的像素个数，为归一化因子，对于灰度图的情况。取值为255。1.6Criminisi算法仿真分析首先读取图像进行预处理，确定修复边界。然后运行程序结果如下：图3-10原始图像图3-11开始修复图3-12完成效果图Criminisi算法的主要优点是：(1)修复的过程以线性结构为指向，依据纹理和结构的信息进行图像的修复，可以使图像修复后的纹理更加自然连贯；(2)有很好的鲁棒性，修复后的图像能够抵御一定的攻击算法；(3)在修补的同时可以考虑到原始图像的结构纹理信息，对于大面积待修复的图像也可以很好的修复效果。[15]。在研究Criminisi算法时，人们会发现Criminisi算法仍然还有一些不足：（1）当数据项为零时。由于优先级计算采用是乘法，所以优先级也为零，这就使得置信度高的区块不能被优先修复，导致修复顺序出现错误；（2）该匹配不会考虑除图像颜色以外的信息。所以在进行匹配的过程中，就算遇到与人类视觉