- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我使用 LSB 在图像中嵌入消息
想法:例如:消息位为:01010,然后我将所有 100... 到此消息 -> 新消息:010101000....
这是我的代码:
# num_lsbs: number of bits replaced: 1bit or 2bits, ...
# cover_image_file: original image
# stego_image_file: image file after embeded
def lsb(cover_img_file, msg_file, num_lsbs, stego_image_file):
#1. Read cover_img_file
cover_img = imread(cover_img_file) # cover_img: numpy
#2.1 Read msg_file
file_obj = open(msg_file, 'r')
msg = file_obj.read()
file_obj.close()
#2.2 Conver msg to msg_bits
msg_bits = bitarray.bitarray()
msg_bits.fromstring(msg)
#2.3 Add 100... to msg bit
max_num_bits = num_lsbs * cover_img.size
# Check if there are enough spaces
if (len(msg_bits) > max_num_bits - 1):
print "Not enough spaces to embed"
return
msg_bits.extend('1' + '0' * (max_num_bits - len(msg_bits) - 1))
#2.4 Convert msg_bits to msg img
str01 = msg_bits.to01()
msg_img = np.array ([int(str01[i:i + num_lsbs], 2) for i in range (0, len(msg_bits),
num_lsbs)], dtype = np.uint8)
msg_img.reshape(cover_img.shape)
print '\n\n--------Check shape--------\n'
print cover_img.shape, cover_img.dtype
print msg_img.shape, msg_img.dtype
^
|
|
#<<I can not reshape here>>
#3. Embed msg img to cover img
stego_img = ((cover_img >> num_lsbs) << num_lsbs) + msg_img
........
我无法 reshape 我的 msg_img我希望它的形状像 cover_img 形状
这是错误:
<ipython-input-2-82ce863f48cb> in embed_lsb(cover_img_file, msg_file, num_lsbs, stego_image_file)
41
42 #3. Embed msg img to cover img
---> 43 stego_img = ((cover_img >> num_lsbs) << num_lsbs) + msg_img
44
45 #4. Save the stego img file
ValueError: operands could not be broadcast together with shapes (414,500,3) (621000,)
谁能帮帮我提前致谢!!
最佳答案
好的。因此,您的 reshape 不起作用,因为您正在使用 reshape() ,它创建了一个新的( reshape 的)数组,然后该数组被遗忘了。您需要做的是:
msg_img = msg_img.reshape(cover_img.shape)
或更好:
msg_img.shape = cover_img.shape
关于Python:无法 reshape numpy.array,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/33273222/
作为脚本的输出,我有 numpy masked array和标准numpy array .如何在运行脚本时轻松检查数组是否为掩码(具有 data 、 mask 属性)? 最佳答案 您可以通过 isin
我的问题 假设我有 a = np.array([ np.array([1,2]), np.array([3,4]), np.array([5,6]), np.array([7,8]), np.arra
numpy 是否有用于矩阵模幂运算的内置实现? (正如 user2357112 所指出的,我实际上是在寻找元素明智的模块化减少) 对常规数字进行模幂运算的一种方法是使用平方求幂 (https://en
我已经在 Numpy 中实现了这个梯度下降: def gradientDescent(X, y, theta, alpha, iterations): m = len(y) for i
我有一个使用 Numpy 在 CentOS7 上运行的项目。 问题是安装此依赖项需要花费大量时间。 因此,我尝试 yum install pip install 之前的 numpy 库它。 所以我跑:
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
numpy.random.seed(7) 在不同的机器学习和数据分析教程中,我看到这个种子集有不同的数字。选择特定的种子编号真的有区别吗?或者任何数字都可以吗?选择种子数的目标是相同实验的可重复性。
我需要读取存储在内存映射文件中的巨大 numpy 数组的部分内容,处理数据并对数组的另一部分重复。整个 numpy 数组占用大约 50 GB,我的机器有 8 GB RAM。 我最初使用 numpy.m
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
似乎 numpy.empty() 可以做的任何事情都可以使用 numpy.ndarray() 轻松完成,例如: >>> np.empty(shape=(2, 2), dtype=np.dtype('d
我在大型 numpy 数组中有许多不同的形式,我想使用 numpy 和 scipy 计算它们之间的边到边欧氏距离。 注意:我进行了搜索,这与堆栈中之前的其他问题不同,因为我想获得数组中标记 block
我有一个大小为 (2x3) 的 numpy 对象数组。我们称之为M1。在M1中有6个numpy数组。M1 给定行中的数组形状相同,但与 M1 任何其他行中的数组形状不同。 也就是说, M1 = [ [
如何使用爱因斯坦表示法编写以下点积? import numpy as np LHS = np.ones((5,20,2)) RHS = np.ones((20,2)) np.sum([ np.
假设我有 np.array of a = [0, 1, 1, 0, 0, 1] 和 b = [1, 1, 0, 0, 0, 1] 我想要一个新矩阵 c 使得如果 a[i] = 0 和 b[i] = 0
我有一个形状为 (32,5) 的 numpy 数组 batch。批处理的每个元素都包含一个 numpy 数组 batch_elem = [s,_,_,_,_] 其中 s = [img,val1,val
尝试为基于文本的多标签分类问题训练单层神经网络。 model= Sequential() model.add(Dense(20, input_dim=400, kernel_initializer='
首先是一个简单的例子 import numpy as np a = np.ones((2,2)) b = 2*np.ones((2,2)) c = 3*np.ones((2,2)) d = 4*np.
我正在尝试平均二维 numpy 数组。所以,我使用了 numpy.mean 但结果是空数组。 import numpy as np ws1 = np.array(ws1) ws1_I8 = np.ar
import numpy as np x = np.array([[1,2 ,3], [9,8,7]]) y = np.array([[2,1 ,0], [1,0,2]]) x[y] 预期输出: ar
我有两个数组 A (4000,4000),其中只有对角线填充了数据,而 B (4000,5) 填充了数据。有没有比 numpy.dot(a,b) 函数更快的方法来乘(点)这些数组? 到目前为止,我发现
我是一名优秀的程序员,十分优秀!