一种潜像轮廓隐藏性能改进方法与流程
本发明属于图像处理技术领域，具体涉及一种潜像轮廓隐藏性能改进方法。
背景技术
基于莫尔效应的光栅防伪技术是信息隐藏技术研究领域的重要分支和研究方向，其将一些防伪信息直接嵌入数字载体当中，且不影响原载体的使用价值，也不容易被探知和再次修改，但通过使用检测光栅，防伪信息可以被用户识别和辨认。通过这些隐藏数字载体(目标图像)中的防伪信息(隐藏信息)，从而达到防伪目的。
但是，现有技术的防伪信息，其在目标图像中经常出现的问题便是轮廓可感知，一旦其轮廓被感知，就会导致防伪功能失效，使其无法实现防伪的目的。
南京林业大学的王天马在《基于相位调制法的光栅防伪技术》中对相位调制法的缺点进行了改进，结合韦伯定律分析了光栅防伪中影响隐蔽性效果的因素；将防伪信息潜像区域的网点分为内部和边界两部分，并通过严谨的理论推导计算出上、下边界网点改进的位移和网点百分比。该方法改进潜像边界网点的加网参数，使其与背景网点融合，在提高隐蔽性的同时又保证了提取的显著性。其在网点百分比的改进中，结合视觉掩蔽效应，设置适应系数均为0.25，这种将所有边缘网点进行统一适应性改变虽然在一定程度上可以提高隐蔽性，但是适应范围较窄，只能在阶调较为平坦的图像上取得较好效果。
西安理工大学的谢侍棋在《基于模拟印刷概念的加网误差分析研究》中指出，传统误差扩散方法，是从发送误差的角度进行误差扩散处理的，各个方向的比例系数是固定的，水平方向和垂直方向的比例系数始终比其他方向的大，在某些情况下会造成积累误差，产生轮廓失真。基于前述，有部分研究做出进一步改进，参考误差扩散方法对边界上的网点百分比进行改进，其适应的比例系数虽然不相同，但其在水平和垂直方向的比例系数始终比其他方向的大，多种测试结果表明，这样的网点百分比改进方法仍无法适用所有情况的目标图像，会产生较为严重的轮廓失真现象。
公开号为cn106891632a的中国发明专利申请公开了一种印刷品光栅和图像载体组合拼接防伪标记的制作方法，通过分割需要隐藏的图文信息，将被分割的部分分别置入载体图像和显隐光栅上，使用带有图文信息的显隐光栅提取与之对应数字图中完整的图文信息，并图像完整再现的效果，与数字图像不匹配的显隐光栅不能达到提取完整图文信息的效果，因此提高了产品的防伪性能，但其在具有复杂纹理的目标图像的应用中，隐藏信息非常容易被人眼感知。
技术实现要素：
本发明的目的是提供一种潜像轮廓隐藏性能改进方法，采用潜像边界上网点的差值动态的获得误差分散系数，按照系数量化灰度值的误差并向周围的网点分散处理，将隐藏信息的轮廓特征和误差的分散联系在一起，可以有效的改善隐藏信息轮廓显现导致防伪失效的问题。
本发明提供了如下的技术方案：一种潜像轮廓隐藏性能改进方法，包括如下步骤：
步骤(1)、输入目标图像，目标图像包括x×y个像素点，记(x,y)为像素点的坐标；分色处理并选择隐形通道；
步骤(2)、采用调幅加网技术，加网处理得到4幅由网点组成的通道半色调图；
步骤(3)、确定需要嵌入至隐形通道的隐藏信息，确定嵌入位置，在隐形通道的半色调图中得到隐藏信息的潜像；
步骤(4)、在隐形通道的半色调图中调整潜像边界和内部的网点，包括一次调整和二次调整；
一次调整为：设置位移方向和位移距离，采用相位调制法位移潜像内部和边界上的网点；
二次调整为：根据位移方向，采用边缘检测误差扩散算法，重新计算并设置潜像边界上的网点的灰度值；
(1)、潜像边界包括上边界和下边界，记潜像边界上位于上方边界的网点的集合为集合a，集合a中各个网点的灰度值为fa(x,y)，计算集合a中各个网点的灰度值与其邻域内网点的灰度值的差值，记为ex-1,y-1、ex-1,y、ex-1,y+1和ex,y-1；
ex-1,y-1＝|fa(x-1,y-1)-fa(x,y)|；
ex-1,y＝|fa(x-1,y)-fa(x,y)|；
ex-1,y+1＝|fa(x-1,y+1)-fa(x,y)|；
ex,y-1＝|fa(x,y-1)-fa(x,y)|；
其中，fa(x-1,y-1)、fa(x-1,y)、fa(x-1,y+1)、fa(x,y-1)表示目标图像中对应位置的灰度值；
(2)、将差值ex-1,y-1、ex-1,y、ex-1,y+1和ex,y-1由大至小排序，得到差值最大的方向和差值最小的方向，重新设置集合a网点的灰度值，记为f′a(x,y)；
f′a(x,y)＝μ1fa(x-1,y-1)+μ2fa(x-1,y)+μ3fa(x-1,y+1)+μ4fa(x,y)；
式中μ1、μ2、μ3和μ4为分散系数，μ1、μ2、μ3和μ4均不相等，且μ1、μ2、μ3和μ4中的最大值为
一次调整和二次调整完成后，得到嵌入有隐藏信息的隐形通道的半色调图，与剩余通道的半色调图合成，得到嵌入有隐藏信息的目标图像的半色调图。
作为上述技术方案的进一步描述：
所述步骤(1)中对目标图像的cmyk通道进行分色得到c、m、y和k共4个通道，选择其中至少一个通道作为隐形通道；所述步骤(2)中加网处理时设置网点的生成方法为模型法或者生长模型法。
作为上述技术方案的进一步描述：
所述模型法指预先将各个不同灰度值所对应的网点模型制作好，在加网时，对于不同灰度值只需要用相对应的网点模型来替代，所述网点模型为256个；
所述生长模型法是指按照比例把模型法中的网点模型数量压缩，得到另一基本模型，当灰度值减小或增加一级，则对应的基本模型中就多一个或者少一个记录点曝光，从而表达出目标图像中的所有阶调。
作为上述技术方案的进一步描述：
所述灰度值的读取方法为：在matlab软件中使用imread命令读取或者在photoshop软件中使用颜色信息窗口读取。
作为上述技术方案的进一步描述：
所述二次调整的方法为：
(1)、记潜像边界上位于下方边界的网点的集合为集合b，集合b中各个网点的灰度值为fb(x,y)，计算集合b中各个网点的灰度值与其邻域内网点的灰度值的差值，记为tx-1,y-1、tx-1,y、tx-1,y+1和tx,y-1；
tx-1,y-1＝|fb(x-1,y-1)-fb(x,y)|；
tx-1,y＝|fb(x-1,y)-fb(x,y)|；
tx-1,y+1＝|fb(x-1,y+1)-fb(x,y)|；
tx,y-1＝|fb(x,y-1)-fb(x,y)|；
其中，fb(x-1,y-1)、fb(x-1,y)、fb(x-1,y+1)、fb(x,y-1)表示目标图像中对应位置的灰度值；
(2)、将差值tx-1,y-1、tx-1,y、tx-1,y+1和tx,y-1由大至小排序，得到差值最大的方向和差值最小的方向，重新设置集合b网点的灰度值，记为f′b(x,y)；
f′b(x,y)＝τ1fb(x-1,y-1)+τ2fb(x-1,y)+τ3fb(x-1,y+1)+τ4fb(x,y)；
式中τ1、τ2、τ3和τ4为分散系数，τ1、τ2、τ3和τ4均不相等，且τ1、τ2、τ3和τ4中的最大值为
作为上述技术方案的进一步描述：
分色为对目标图像的cmyk通道进行分离得到4个256级的灰度图。
作为上述技术方案的进一步描述：
数字加网时设置加网参数，加网参数包括加网角度、加网线数、网点形状和输出分辨率，所述隐形通道的加网角度为α°，加网线数为l。
作为上述技术方案的进一步描述：
所述一次调整的方法为：
记网点在水平和垂直上调整的位移量分别为w和h，单位为mm，位移的算法为：
作为上述技术方案的进一步描述：
所述网点形状为圆形，所述输出分辨率为1440dpi～2450dpi。
作为上述技术方案的进一步描述：
所述隐形通道为c通道和/或m通道。
本发明的有益效果，改进了潜像轮廓的隐藏性能，使其可以非常好的融合在目标图像之中，达到防伪目的，具体在于：
本发明在隐藏信息的嵌入过程中，基于边缘检测误差扩散算法，采用潜像边界上网点的差值动态的获得误差分散系数，按照系数量化灰度值的误差并向周围的网点分散处理，将隐藏信息的轮廓特征和误差的分散联系在一起，可以有效的改善隐藏信息轮廓显现导致防伪失效的问题；
本发明将潜像上边界和下边界的网点均使用边缘检测误差扩散算法进行调整，并且采用不同的分散系数，经过多次测试显示，分散系数
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例1中的目标图像(彩色信息已去除)；
图2为本发明实施例1中的隐藏信息；
图3是本发明实施例1中嵌入隐藏信息后的目标图像(彩色信息已去除)；
图4为本发明实施例1中隐藏信息提取图(彩色信息已去除)；
图5为本发明实施例2中的目标图像(彩色信息已去除)；
图6为本发明实施例2中的隐藏信息；
图7是本发明实施例2中嵌入隐藏信息后的目标图像(彩色信息已去除)；
图8为本发明实施例2中隐藏信息提取图(彩色信息已去除)；
图9为本发明实施例3中的目标图像(彩色信息已去除)；
图10为本发明实施例3中的隐藏信息；
图11是本发明实施例3中嵌入隐藏信息后的目标图像(彩色信息已去除)；
图12为本发明实施例3中隐藏信息提取图(彩色信息已去除)。
具体实施方式
下面结合具体实施例，进一步阐述本发明。这些实施例仅用于说明本发明而不用于限制本发明的范围。现结合说明书附图，详细说明本发明的结构特点。
实施例1
一种潜像轮廓隐藏性能改进方法，包括如下步骤：
步骤(1)、
参见图1，输入目标图像(命名为“stilllife”)，目标图像包括x×y个像素点，下标(x,y)代表像素点的坐标，对目标图像的cmyk通道进行分色，分色为对目标图像的cmyk通道进行分离得到4个256级的灰度图，因此，得到c、m、y和k共4个通道；选择c通道作为隐形通道；
步骤(2)、
采用调幅加网技术，设置网点的生成方法为模型法，加网处理得到由网点组成的4个通道的半色调图；数字加网时设置加网参数，加网参数包括加网角度、加网线数、网点形状和输出分辨率，隐形通道的加网角度为α°，本实施例中，隐形通道的加网角度为0°，加网线数为l，输出分辨率为1440dpi；
模型法指预先将各个不同灰度值所对应的网点模型制作好，在加网时，对于不同灰度值只需要用相对应的网点模型来替代，所述网点模型为256个；
步骤(3)、
参见图2，确定需要嵌入至隐形通道的隐藏信息，确定嵌入位置，在隐形通道的半色调图中得到隐藏信息的潜像；
步骤(4)、
参见图3，在隐形通道的半色调图中调整潜像边界和内部的网点，包括一次调整和二次调整；
一次调整为：设置位移方向和位移距离，采用相位调制法位移潜像内部和边界上的网点；
记网点在水平和垂直上调整的位移量分别为w和h，单位为mm，位移的算法为：
将隐形通道的加网角度代入上式，得到：
二次调整为：根据位移方向，采用边缘检测误差扩散算法，重新计算并设置潜像边界上的网点的灰度值；二次调整的方法为：
(1)、记潜像边界上位于上方边界的网点的集合为集合a，集合a中各个网点的灰度值为fa(x,y)，计算集合a中各个网点的灰度值与其邻域内网点的灰度值的差值，记为ex-1,y-1、ex-1,y、ex-1,y+1和ex,y-1；
ex-1,y-1＝|fa(x-1,y-1)-fa(x,y)|；
ex-1,y＝|fa(x-1,y)-fa(x,y)|；
ex-1,y+1＝|fa(x-1,y+1)-fa(x,y)|；
ex,y-1＝|fa(x,y-1)-fa(x,y)|；
其中，fa(x-1,y-1)、fa(x-1,y)、fa(x-1,y+1)、fa(x,y-1)表示目标图像中对应位置的灰度值；
(2)、将差值ex-1,y-1、ex-1,y、ex-1,y+1和ex,y-1由大至小排序，得到差值最大的方向和差值最小的方向，重新设置集合a网点的灰度值，记为f′a(x,y)；
f′a(x,y)＝μ1fa(x-1,y-1)+μ2fa(x-1,y)+μ3fa(x-1,y+1)+μ4fa(x,y)；
式中μ1、μ2、μ3和μ4为分散系数，μ1、μ2、μ3和μ4均不相等，且μ1、μ2、μ3和μ4中的最大值为
本实施例中，得到
(3)、记潜像边界上位于下方边界的网点的集合为集合b，集合b中各个网点的灰度值为fb(x,y)，计算集合b中各个网点的灰度值与其邻域内网点的灰度值的差值，记为tx-1,y-1、tx-1,y、tx-1,y+1和tx,y-1；
tx-1,y-1＝|fb(x-1,y-1)-fb(x,y)|；
tx-1,y＝|fb(x-1,y)-fb(x,y)|；
tx-1,y+1＝|fb(x-1,y+1)-fb(x,y)|；
tx,y-1＝|fb(x,y-1)-fb(x,y)|；
其中，fb(x-1,y-1)、fb(x-1,y)、fb(x-1,y+1)、fb(x,y-1)表示目标图像中对应位置的灰度值；
(4)、将差值tx-1,y-1、tx-1,y、tx-1,y+1和tx,y-1由大至小排序，得到差值最大的方向和差值最小的方向，重新设置集合b网点的灰度值，记为f′b(x,y)；
f′b(x,y)＝τ1fb(x-1,y-1)+τ2fb(x-1,y)+τ3fb(x-1,y+1)+τ4fb(x,y)；
式中τ1、τ2、τ3和τ4为分散系数，τ1、τ2、τ3和τ4均不相等，且τ1、τ2、τ3和τ4中的最大值为
本实施例中，得到
一次调整和二次调整完成后，得到嵌入有隐藏信息的隐形通道的半色调图，与剩余通道的半色调图合成，得到嵌入有隐藏信息的目标图像的半色调图，完成隐藏信息的嵌入。
另外，参见图4，本实施例中还制作对应的测试光栅，进行隐藏信息的提取，实现防伪的完整过程。
实施例2
实施例2与实施例1相比，有区别的地方在于：采用不同的目标图像(命名为“clock”)和隐藏信息，隐形通道为m通道；设置网点的生成方法为生长模型法，生长模型法是指按照比例把模型法中的网点模型数量压缩，得到另一基本模型，当灰度值减小或增加一级，则对应的基本模型中就多一个或者少一个记录点曝光，从而表达出目标图像中的所有阶调，结合图5～8可知，实施例2的隐藏信息在合成的待输出目标图像中完全不可见，具有非常好的不可感知性，且在识别时可以非常清楚的被测试光栅所提取。
实施例3
实施例3与实施例1相比，有区别的地方在于：采用不同的目标图像(命名为“cake”)和隐藏信息。结合图9～12可知，实施例3的隐藏信息在合成的待输出目标图像中也同样完全不可见，具有非常好的不可感知性，且在识别时可以非常清楚的被测试光栅所提取。
对比例
本发明中选用峰值信噪比(peaksignaltonoiseratio，psnr)和结构相似度(strcucturalsimilarityindexmeasurement，ssim)两个评价因子评价潜像的视觉感知程度，具体如下
(1)、峰值信噪比
峰值信噪比是峰值信号能量与平均噪声能量的比值，其计算公式为
式中：x(m,n)为原始图像；y(m,n)为最终的半色调图像，且图像大小为m×n。
(2)、结构相似度
结构相似度是一种衡量两幅图像结构相似程度的指标，其值越大越好，最大值为1，其计算公式为：
ssim(x,y)＝[l(x,y)]α.[c(x,y)]β.[s(x,y)]γ
在上面公式中l(x,y)是亮度比较函数，c(x,y)是对比度比较函数，s(x,y)是结构比较函数。
采用上述两个评价因子评价实施例1、2和3中的隐藏信息是否可以隐藏在目标图像中，其参照组分别为未进行二次调整(即采用现有的相位调制法)的对照组1、2和3，得到的计算结果如下所示：
表1客观评价计算结果
根据表1的计算结果可知，本发明采用的方法(边缘检测误差扩散算法)在实施例1的应用中，psnr的值为18.9235，而仅采用相位调制法的对照组1，psnr的值为9.0637，未达到实施例1中psnr的值的一半；在实施例1的应用中，ssim的值为0.8137，而仅采用相位调制法的对照组1，ssim的值为0.4185，远小于实施例1的ssim值；结合附图可知，实施例1中由于对隐藏信息的潜像边界采用边缘检测误差扩散算法重新设置灰度值，使得边界上会引起视觉感知的网点与隐藏通道中其余的网点可以更好的融合在一起，从而将隐藏信息隐藏于目标图像中，使其不易被人眼直观感知。同理，实施例2和3的数据进一步说明了这个问题。
- 还没有人留言评论。精彩留言会获得点赞！