opencv-14 图像加密和解密

在OpenCV中,图像加密和解密是通过对图像像素进行一系列的变换和操作来实现的
通过按位异或运算可以实现图像的加密和解密。

通过对原始图像与密钥图像进行按位异或 ,可以实现加密;将加密后的图像与密钥图像再次进行按位异或,可以实现解密。

按位异或运算的基本规则如表 3-15 所示。

根据上述按位异或运算的规则,假设:

xor(a,b)=c

则可以得到:

xor(c,b)=a

xor(c,a)=b

上述运算的过程如表 3-16 所示

从上述结果可以看出,如果上述 a、b、c 具有如下关系:

 a:明文,原始数据。

 b:密钥。

 c:密文,通过 xor(a,b)实现。

则可以对上述数据进行如下操作和理解。

 加密过程:将明文 a 与密钥 b 进行按位异或,完成加密,得到密文 c。

 解密过程:将密文 c 与密钥 b 进行按位异或,完成解密,得到明文 a。

位运算是指针对二进制位进行的运算,利用位运算即可实现对像素点的加密。在图像处理中,需要处理的像素点的值通常为灰度值,其范围通常为0,255

例如,某个像素点的值为 216(明文),则可以使用 178(该数值由加密者自由选定)作为密钥对其进行加密,让这两个数的二进制值进行按位异或运算,即完成加密,得到一个密文 106。当需要解密时,将密文 106 与密钥 178 进行按位异或运算,即可得到原始像素点值 216(明文)。具体过程为:

bit_xor(216,178)=106

bit_xor(106,178)=216

以二进制形式表示的具体细节如下。

对图像内的每一个像素点重复上述操作,即可完成对图像的加密、解密操作。这里以一个原始图像 O 为例,具体说明图像的加密、解密过程。

1.加密过程

假设有需要加密的原始图像 O,其中的像素值为:

选定的加密密钥图像为 K,其中的像素值为:

图像 O 所对应的二进制表示 OB 为

密钥图像 K 所对应的二进制表示 KB 为:

将 OB 与 KB 进行按位异或运算,即得到图像 O 的加密图像 OSB:

OSB 转换为十进制形式 OS,如下:

至此,图像 O 的加密过程完成,得到原始图像 O 的加密图像 OS。

2.解密过程

解密过程需要将加密图像 OS 与密钥图像 K 进行按位异或运算,得到原图像 OR。

将加密图像 OS 的二进制形式 OSB 与密钥图像 K 的二进制形式 KB 进行按位异或运算,

即得到原始图像 OR 的二进制形式 ORB。按照上述运算,得到的 ORB 为:

ORB 转换为十进制形式,得到解密图像 OR,如下:

至此,图像的解密过程结束,得到加密图像 OS 的解密图像 OR。

从上述过程可以看到,解密过程所得到的解密图像 OR 与原始图像 O 是一致的。这说明上

述加密、解密过程是正确的。

上述说明过程中,为了方便理解和观察数据的运算,在进行按位运算时,我们都是将十进

制数转换为二进制数后,再进行位运算处理的。实际上,在使用 OpenCV 编写程序时,不需要

这样转换,OpenCV 中位运算函数的参数是十进制数,位运算函数会直接对十进制参数进行按位异或运算。

实验1 - 对图片加密解密:

python 复制代码
import cv2
import numpy as np
lena=cv2.imread("lena.png",0)
r,c=lena.shape
#生成密钥,随机生成一个和lena大小一样的矩阵
key=np.random.randint(0,256,size=[r,c],dtype=np.uint8)
#对图片进行加密
encryption=cv2.bitwise_xor(lena,key)

#对图片进行解密
decryption=cv2.bitwise_xor(encryption,key)
cv2.imshow("lena",lena)
cv2.imshow("key",key)
cv2.imshow("encryption",encryption)
cv2.imshow("decryption",decryption)
cv2.waitKey()
cv2.destroyAllWindows()

运行效果:

本例的各个图像关系如下。

 图像 lena 是明文(原始)图像,是需要加密的图像,从当前目录下读入。

 图像 key 是密钥图像,是加密和解密过程中所使用的密钥,该图像是由随机数生成的。

 图像 encryption 是加密图像,是明文图像 lena 和密钥图像 key 通过按位异或运算得到的。

 图像 decryption 是解密图像,是加密图像 encryption 和密钥图像 key 通过按位异或运算

得到的。

运行上述程序,结果如图所示,其中:

 图(a)是原始图像 lena。

 图(b)是密钥图像 key。

 图©是原始图像 lena(图(a))借助密钥 key(图(b))加密得到的加密图像 encryption。

 图(d)是对加密图像 encryption(图©)使用密钥图像 key(图(b))解密得到的解密图像

decryption。

相关推荐
fuquxiaoguang3 小时前
中间件的“价值重估”:传统同质化竞争终结,AI智能编排时代开启
人工智能·中间件
触底反弹4 小时前
🔥 前端也能玩转 AI 流式输出!从二进制流到打字机效果,一篇讲透
javascript·人工智能·node.js
腾渊信息科技公司4 小时前
工业数据运维痛点根治方案:基于AI Agent的产线自动化台账系统落地
运维·人工智能·自动化·个人开发·ai编程
西安老张(AIGC&ComfyUI)4 小时前
第030章:ComfyUI视频制作LTX-2.3模型文生视频工作流详解(三)
人工智能·aigc·comfyui
苦猿的大模型日记4 小时前
Day25 | 模型量化横评 GPTQ vs AWQ vs GGUF vs INT8——同一个 Qwen3-8B 压四遍,谁还活着
人工智能
benchmark_cc5 小时前
如何用 Python + QuantDash 快速构建高胜率“配对交易(Pairs Trading)”策略?
开发语言·人工智能·python·pandas·量化交易·quantdash
深海鱼肝油ya5 小时前
小说自动生成系统(二)
人工智能·大模型·agent·智能体·自动化编程·小说生成系统
通问AI5 小时前
Apple Intelligence 国行备案深度技术解析:阿里千问如何被集成到苹果端侧AI架构
人工智能·架构
视***间5 小时前
算力赋能零售与创意新生态:视程空间Pandora,解锁线下场景智能化无限可能
人工智能·边缘计算·智慧零售·ai算力·视程空间·创意开发
冬奇Lab5 小时前
MCP 系列(08):企业治理——Registry、路由与可观测性
人工智能·llm·mcp