algorithm - 彩色图像压缩、隐写分析和颜色间关联

Question

我正在尝试实现一个LSB 嵌入 隐写分析算法。

图像数据库由 24 位 bmp 彩色图像(几千张)组成。几乎所有LSB嵌入隐写术的隐写分析研究工作都集中在灰度图像上。我想尝试使用图像中的颜色间相关性来检测隐藏消息的存在。不仅仅是三次灰度。

我搜索了关于这个主题的作品，发现了一个非常简单的算法(我无法提供链接)。它使用数据压缩来检测隐藏的消息。

简而言之:

它声明文件中隐藏的信息越多，其归档文件的大小就越大(用于数据压缩方法，例如rar、nanzip、png 等) ，因为数据压缩算法使用颜色间相关性。

声明没有证明链接。我不知道数据压缩算法是如何工作的，直觉上我同意这些说法，但我想确定它是否正确，例如，对于 gzip 或 zip 算法。

---

Answer 1

我不知道这些压缩算法是如何工作的，但我会大致了解一下。

压缩通过删除冗余来工作，通常未压缩的图像有很多冗余，因为相邻像素是相关的。也就是说，图像区域中的颜色趋于相似，因为颜色变化缓慢且平滑。

但是，您嵌入的比特流往往没有模式，更像是 1 和 0 的随机分布。随机/噪声数据具有较少的模式可用于压缩。因此，虽然可以很好地压缩图像，但在隐藏信息后压缩不会减少文件大小，即使像素更加随机。

为了证明这一点，让我们假设一个基本的、可能是朴素的压缩算法，它检测您是否有一个像素值 P，重复 N 次，并将其存储为 N、P。例如:

200, 200, 200, 200, 200, 200, 200, 201, 201, 201, 201     # uncompressed
7, 200, 4, 201                                            # compressed

现在，在每个像素中嵌入 1 位。将位从 0 切换为 1 或从 0 切换为 1 的概率为 50%，因此大约一半的位会发生变化。你可能会得到这样的结果:

200, 200, 201, 200, 201, 201, 200, 200, 201, 200, 201          # uncompressed
2, 200, 1, 201, 1, 200, 2, 201, 2, 200, 1, 201, 1, 200, 1, 201 # compressed

注意压缩需要比原始案例多多少数据。为了比较，仅在前两个像素中嵌入 1 位。

201, 200, 200, 200, 200, 200, 200, 201, 201, 201, 201     # uncompressed
1, 201, 6, 200, 4, 201                                    # compressed