привет
- User
привет
- Assistant
Привет! Как я могу вам помочь?
- User
Напиши на языке Python 3 метод стеганографии изображений с использованием вейвлет-преобразований
- Assistant
Конечно, вот пример кода стеганографии изображений с использованием вейвлет-преобразования:
import numpy as np import pywt from PIL import Image def embed(image_path, message, level): # Открываем изображение cover = Image.open(image_path) # Преобразуем изображение в массив numpy cover_array = np.array(cover) # Добавляем дополнительные нулевые строки и столбцы если размер изображения не делится на 2^level h, w = cover_array.shape[:2] h_diff = 2**level - h % 2**level w_diff = 2**level - w % 2**level cover_array = np.pad(cover_array, ((h_diff // 2, h_diff - h_diff // 2), (w_diff // 2, w_diff - w_diff // 2), (0,0)), mode='constant') # Разбиваем изображение на каналы red, green, blue = [cover_array[:, :, i] for i in range(3)] # Применяем вейвлет-преобразование wavelet = 'haar' # можно использовать и другие типы вейвлетов coefficients = pywt.wavedec2(blue, wavelet, level=level) # Встраиваем сообщение message_bits = bin(int.from_bytes(message.encode(), 'big'))[2:] # переводим сообщение в двоичный вид message_bits = '0' * (len(coefficients[0].ravel()) - len(message_bits)) + message_bits # добавляем в начало нули для соответствия размеру коэффициентов new_coefficients = list(coefficients) for i, bit in enumerate(message_bits): idx = i + 1 + len(coefficients[0].ravel()) if bit == '1': if new_coefficients[-1][idx // 2] > 0: new_coefficients[-1][idx // 2] += 1 else: new_coefficients[-1][idx // 2] -= 1 # Применяем обратное вейвлет-преобразование blue_stego = pywt.waverec2(new_coefficients, wavelet) # Объединяем каналы new_cover_array = np.stack([red, green, blue_stego], axis=2) # Обрезаем дополнительные строки и столбцы new_cover_array = new_cover_array[h_diff // 2:h_diff // 2 + h, w_diff // 2:w_diff // 2 + w, :] # Создаем новое изображение с зашифрованным сообщением stego = Image.fromarray(np.uint8(new_cover_array)) return stego def extract(stego_path, level): # Открываем зашифрованное изображение stego = Image.open(stego_path) # Преобразуем изображение в массив numpy stego_array = np.array(stego) # Разбиваем изображение на каналы _, _, blue_stego = [stego_array[:, :, i] for i in range(3)] # Применяем вейвлет-преобразование wavelet = 'haar' # можно использовать и другие типы вейвлетов coefficients = pywt.wavedec2(blue_stego, wavelet, level=level) # Извлекаем сообщение message_bits = '' for i in range(len(coefficients[0].ravel()), len(coefficients[-1].ravel()) - 1): if coefficients[-1][i // 2] > coefficients[-1][(i + 1) // 2]: message_bits += '1' else: message_bits += '0' message = int(message_bits, 2).to_bytes(len(message_bits) // 8, 'big').decode() return messageЧтобы использовать этот код, нужно передать путь к изображению и сообщению для встраивания методу
embed, который вернет новое изображение с встроенным сообщением. Для извлечения сообщения из такого изображения можно использовать методextract, который вернет извлеченное сообщение. Оба метода принимают параметр уровня вейвлет-преобразования для определения размера блоков разбиения изображения на коэффициенты в этом преобразовании. Например, для изображения размера 256x256 пикселей и уровня 3 нужно добавить в изображение 8 строк и 8 столбцов с каждой стороны, чтобы размер стал 264x264, что делится на 2^3 без остатка.
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.
Identical first prompt
- gpt-4-0314Compare side by side →
- gpt-3.5-turbo-0301Compare side by side →
- gpt-3.5-turbo-0301Compare side by side →
- gpt-3.5-turbo-0301Compare side by side →
- gpt-3.5-turbo-0301Compare side by side →
- gpt-3.5-turbo-0301Compare side by side →
- gpt-4-0314Compare side by side →
- gpt-4-0314Compare side by side →
- gpt-3.5-turbo-0301Compare side by side →
- gpt-3.5-turbo-0301Compare side by side →
- gpt-4o-2024-11-20Compare side by side →
- gpt-4o-2024-11-20Compare side by side →