利用python設(shè)計(jì)圖像加密技術(shù)(Arnold算法)
下面展示了圖像的加密和解密過程（左邊是輸入圖像，中間是加密后的結(jié)果，右邊是解密后的圖像）：
1、加密算法要求
- （1）加密算法必須是可逆的，擁有配套的解密算法
- （2）必須是安全的，攔截者不能輕易的破解加密方式
- （3）不能造成數(shù)據(jù)量劇增，比如一個(gè)1kb的圖像加密后變?yōu)?00kb
2、Arnold置亂原理
Arnold置亂又稱為貓臉置亂，據(jù)說是因?yàn)锳rnold首先對(duì)貓臉圖像應(yīng)用了這個(gè)算法。置亂的含義是置換和打亂，也就是將原始的圖片按照我們?cè)O(shè)計(jì)的規(guī)則，進(jìn)行順序打亂的操作。
所謂的打亂次序指的是對(duì)圖像進(jìn)行“坐標(biāo)變換”，只不過這種變換不是隨意的變換，變換需要具有兩個(gè)硬性要求：
- （1）變換就是加密，那么必須存在對(duì)應(yīng)的逆變換（解密）
- （2）變換能保證圖像的像素被徹底打亂，觀察者看不出加密后圖像包含的信息
為此，Arnold發(fā)明了下面的變換方式：
其中x和y表示坐標(biāo)，new表示變換以后的坐標(biāo)，ori表示原始的坐標(biāo)（original縮寫），a和b是兩個(gè)可選的參數(shù)，mod為求余數(shù)操作，N是圖像的長(zhǎng)或者寬，這里只考慮長(zhǎng)度和寬度相等的圖像，上式表示的就是“圖像的坐標(biāo)變換”。
有了加密變換，還需要使用對(duì)應(yīng)的解密變換，也就是逆變換。逆變換就是“求矩陣的逆”，對(duì)2x2的矩陣求逆就能得到下面的逆變換矩陣：
根據(jù)加密變換和解密變換，就能設(shè)計(jì)圖像加密算法和解密算法了！
實(shí)際上，上面的加密和解密也都是常規(guī)的矩陣變換，一點(diǎn)都不難！
3、python實(shí)現(xiàn)
根據(jù)上一節(jié)的加密變換公式可知，有幾個(gè)參數(shù)是必須考慮的，比如：打亂的次數(shù)，a和b的取值（我覺得這兩個(gè)值是隨便取的，取不同值加密結(jié)果不同），N是圖像的長(zhǎng)度或者寬度所以不需要指定。
加密函數(shù)如下：
def arnold_encode(image, shuffle_times, a, b): ? ? """ Arnold shuffle for rgb image ? ? Args: ? ? ? ? image: input original rgb image ? ? ? ? shuffle_times: how many times to shuffle ? ? Returns: ? ? ? ? Arnold encode image ? ? """ ? ? # 1:創(chuàng)建新圖像 ? ? arnold_image = np.zeros(shape=image.shape) ? ?? ? ? # 2：計(jì)算N ? ? h, w = image.shape[0], image.shape[1] ? ? N = h ? # 或N=w ? ?? ? ? # 3：遍歷像素坐標(biāo)變換 ? ? for time in range(shuffle_times): ? ? ? ? for ori_x in range(h): ? ? ? ? ? ? for ori_y in range(w): ? ? ? ? ? ? ? ? # 按照公式坐標(biāo)變換 ? ? ? ? ? ? ? ? new_x = (1*ori_x + b*ori_y)% N ? ? ? ? ? ? ? ? new_y = (a*ori_x + (a*b+1)*ori_y) % N ? ? ? ? ? ? ? ?? ? ? ? ? ? ? ? ? arnold_image[new_x, new_y, :] = image[ori_x, ori_y, :] ? ? ? ? ? ?? ? ? return arnold_image
調(diào)用加密函數(shù)以后可以得到如下的加密結(jié)果：
現(xiàn)在，誰還能看出來加密后的圖像（左邊是原始圖，右邊是加密后的圖）表達(dá)什么？
除非你有下面的解密代碼：
def arnold_decode(image, shuffle_times, a, b): ? ? """ decode for rgb image that encoded by Arnold ? ? Args: ? ? ? ? image: rgb image encoded by Arnold ? ? ? ? shuffle_times: how many times to shuffle ? ? Returns: ? ? ? ? decode image ? ? """ ? ? # 1:創(chuàng)建新圖像 ? ? decode_image = np.zeros(shape=image.shape) ? ?? ? ? # 2：計(jì)算N ? ? h, w = image.shape[0], image.shape[1] ? ? N = h # 或N=w ? ?? ? ? # 3：遍歷像素坐標(biāo)變換 ? ? for time in range(shuffle_times): ? ? ? ? for ori_x in range(h): ? ? ? ? ? ? for ori_y in range(w): ? ? ? ? ? ? ? ? # 按照公式坐標(biāo)變換 ? ? ? ? ? ? ? ? new_x = ((a*b+1)*ori_x + (-b)* ori_y)% N ? ? ? ? ? ? ? ? new_y = ((-a)*ori_x + ori_y) % N ? ? ? ? ? ? ? ? decode_image[new_x, new_y, :] = image[ori_x, ori_y, :] ? ? return decode_image
調(diào)用解密代碼，就能恢復(fù)最右邊的“decode”了：
4、結(jié)果分析與總結(jié)
自己還嘗試了不同的a和b的值獲得的不同加密效果：
男神鎮(zhèn)樓！
(1)a = 1, b = 1:
(2)a=1,b=3:
(3)a=1,b=7:
(4) a=7, b=1:
可以看出：a和b作為控制加密的參數(shù)，不同的選擇方式可以獲得不同的加密效果。
到此這篇關(guān)于利用python設(shè)計(jì)圖像加密技術(shù)(Arnold算法)的文章就介紹到這了,更多相關(guān)python圖像加密內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
python opencv如何實(shí)現(xiàn)圖片繪制
這篇文章主要介紹了python opencv如何實(shí)現(xiàn)圖片繪制,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-01-01
用Python的Tornado框架結(jié)合memcached頁面改善博客性能
這篇文章主要介紹了用Python的Tornado框架結(jié)合memcached頁面改善vLog性能,主要使用到了緩存來提升性能,需要的朋友可以參考下2015-04-04
python腳本內(nèi)運(yùn)行l(wèi)inux命令的方法
這篇文章主要介紹了python腳本內(nèi)運(yùn)行l(wèi)inux命令的方法,實(shí)例分析了Python基于subprocess模塊操作Linux命令的相關(guān)技巧,需要的朋友可以參考下2015-07-07
一文教會(huì)你調(diào)整Matplotlib子圖的大小
Matplotlib的可以把很多張圖畫到一個(gè)顯示界面,這就設(shè)計(jì)到面板切分成一個(gè)一個(gè)子圖,下面這篇文章主要給大家介紹了關(guān)于調(diào)整Matplotlib子圖大小的相關(guān)資料,文中通過實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下2022-06-06
下面小編就為大家分享一篇使用pygame模塊編寫貪吃蛇的實(shí)例講解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-02-02
深度學(xué)習(xí)TextLSTM的tensorflow1.14實(shí)現(xiàn)示例
這篇文章主要為大家介紹了深度學(xué)習(xí)TextLSTM的tensorflow1.14實(shí)現(xiàn)示例，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2023-01-01
總結(jié)用Pdb庫調(diào)試Python的方式及常用的命令
大家都知道Python是自帶Pdb庫，使用Pdb調(diào)試Python程序還是很方便的。但是遠(yuǎn)程調(diào)試、多線程，Pdb是搞不定的，下面一起來看看用Pdb庫調(diào)試Python的方式及常用的命令。2016-08-08
這篇文章主要為大家介紹了Python中re模塊常用方法，并對(duì)這些常用方法進(jìn)行總結(jié)分析，有需要的朋友可以借鑒參考下，希望能夠有所幫助2021-09-09
馬上就到畢業(yè)季了，你心中的那個(gè)學(xué)姐，你真的放下了嗎？本文將用pygame為你的學(xué)姐，定制開發(fā)一個(gè)拼圖游戲，感興趣的快跟隨小編一起學(xué)習(xí)一下2022-02-02
TensorFlow實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)
這篇文章主要為大家詳細(xì)介紹了TensorFlow實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-05-05