1、基礎：基于異或操作實現圖像加密解密

一般情況下，圖像的加密和解密過程是通過按位異或運算實現的。將原始圖像與密鑰圖像進行按位異或，可以實現加密，將加密后的圖像與密鑰圖像再進行按位異或可以實現解密過程。

Opencv-python代碼實現

import cv2
import numpy as np

demo = cv2.imread("E:\matlab_file\picture\picture.jpg", 0)
r, c = demo.shape
key = np.random.randint(0, 256, size=(r, c), dtype=np.uint8)  # 生成隨機的密鑰圖像
cv2.imwrite("E:\matlab_file\picture\key.jpg", key)   # 保存密匙圖像

cv2.imshow("demo", demo)  # 顯示原始圖像
cv2.imshow("key", key)  # 顯示密鑰圖像

encryption = cv2.bitwise_xor(demo, key)  # 加密
cv2.imwrite("E:\matlab_file\picture\encryption.jpg", encryption)     # 保存加密后的圖像
decryption = cv2.bitwise_xor(encryption, key)  # 解密
cv2.imwrite("E:\matlab_file\picture\decryption.jpg", decryption) # 保存解密后的圖像

cv2.imshow("encryption", encryption)  # 顯示密文圖像
cv2.imshow("decryption", decryption)  # 顯示解密后的圖像

cv2.waitKey(-1)
cv2.destroyAllWindows()

效果展示：

原圖：

密匙：

加密后：

解密后：

2、進階：基于混沌序列構成異或模板實現圖像加密解密

混沌系統是非線性的系統，表現出非常復雜的偽隨機性，符合混淆規則。它對初始條件和控制參數非常敏感，任何微小的初始偏差都會被指數式放大，符合擴散規則。同時，它又是確定性的，可由非線性系統的方程、參數和初始條件完全確定。因此，初始狀態和少量參數的變化就可以產生滿足密碼學基本特征的混沌密碼序列，將混沌理論與加密技術相結合，可以形成良好的圖像加密系統。目前常用于圖像加密的混沌系統有：Logistic混沌映射、Chebychev映射、分段線形混沌映射、Cubic映射、標準映射、Henon映射、Lorenz混沌映射、蔡氏混沌、Rossler混沌系統、二維Sinai映射、Chen's混沌系統等。在基于混沌的圖像加密方法中，有的利用混沌系統產生偽隨機序列，進行序列密碼形式的加密。有些利用混沌的遍歷性，對產生的偽隨機序列作處理，得到像素置亂后的位置，然后對像素位置進行置亂。有些利用一些混沌計算表達式可逆的特點，將像素值代入混沌計算式以進行像素的代換和擴散。與傳統加密算法相比，混沌圖像加密算法密鑰空間大，實現簡單，加密速度快。但是，基于混沌的圖像加密存在以下不足：①計算機的有限精度可能導致混沌序列的周期比較短，隨機性不好。 ②現有的混沌加密技術大都基于一維或二維混沌系統，容易受到相空間重構方法攻擊。 ③一些混沌加密算法采用了形式比較復雜的混沌系統，速度較慢，無法實現實時的加密。

本文使用復合混沌加密算法對圖像金星加密解密，詳細原理見：基于復合混沌系統的數字圖像加密方法

#!/usr/bin/env python
# _*_ coding:utf-8 _*_

"""
@Author       :  LitraLin
@File         : Cryption.py
@CreateTime   : 2021/10/07
@Description  : Compound chaos Encryption and Decryption of image
"""

import cv2
import math
import numpy as np


def int2bin8(x):                               # 整型轉8位二進制
  result="";
  for i in range(8):
      y=x&(1)
      result+=str(y)
      x=x>>1
  return result[::-1]

def int2bin16(x):                              # 整型轉8位二進制
  result="";
  for i in range(16):
      y=x&(1)
      result+=str(y)
      x=x>>1
  return result

def Encryption(img,j0,g0,x0,EncryptionImg):
  x = img.shape[0]
  y = img.shape[1]
  c = img.shape[2]
  g0 = int2bin16(g0)
  for s in range(x):
      for n in range(y):
          for z in range(c):
              m = int2bin8(img[s][n][z])                   # 像素值轉八位二進制
              ans=""
              # print("ok")
              for i in range(8):
                  ri=int(g0[-1])                           # 取手搖密碼機最后一位ri
                  qi=int(m[i])^ri                          # 與像素值異或得qi
                  xi = 1 - math.sqrt(abs(2 * x0 - 1))      # f1(x)混沌迭代
                  if qi==0:                                # 如果qi=0,則運用x0i+x1i=1;
                      xi=1-xi;
                  x0=xi                                    # xi迭代
                  t=int(g0[0])^int(g0[12])^int(g0[15])     # 本源多項式x^15+x^3+1
                  g0=str(t)+g0[0:-1]                       # gi迭代
                  ci=math.floor(xi*(2**j0))%2              # 非線性轉換算子
                  ans+=str(ci)
              re=int(ans,2)
              EncryptionImg[s][n][z]=re                    # 寫入新圖像

def Decryption(EncryptionImg, j0, g0, x0, DecryptionImg):
  x = EncryptionImg.shape[0]
  y = EncryptionImg.shape[1]
  c = EncryptionImg.shape[2]
  g0 = int2bin16(g0)
  for s in range(x):
      for n in range(y):
          for z in range(c):
              cc = int2bin8(img[s][n][z])
              ans = ""
              # print("no")
              for i in range(8):
                  xi = 1 - math.sqrt(abs(2 * x0 - 1))
                  x0 = xi
                  ssi = math.floor(xi * (2 ** j0)) % 2
                  qi=1-(ssi^int(cc[i]))
                  ri = int(g0[-1])
                  mi=ri^qi
                  t = int(g0[0]) ^ int(g0[12]) ^ int(g0[15])
                  g0 = str(t) + g0[0:-1]
                  ans += str(mi)
              re = int(ans, 2)
              DecryptionImg[s][n][z] = re


if __name__ == "__main__":
  img = cv2.imread(r"E:\matlab_file\picture\Correlation_matrix.png", 1)                    # 讀取原始圖像

  EncryptionImg = np.zeros(img.shape, np.uint8)
  Encryption(img,10,30,0.123345,EncryptionImg)                                       # 加密
  cv2.imwrite(r"E:\matlab_file\picture\Correlation_matrix-EncryptionImg.png",EncryptionImg)  # 保存加密后的圖像

  img = cv2.imread(r"E:\matlab_file\picture\Correlation_matrix-EncryptionImg.png", 1)        # 讀取加密圖像
  DecryptionImg = np.zeros(img.shape, np.uint8)
  Decryption(img, 10, 30, 0.123345, DecryptionImg)                                   # 解密
  cv2.imwrite(r"E:\matlab_file\picture\Correlation_matrix-DecryptionImg.png", DecryptionImg) # 保存解密后的圖像

  cv2.waitKey(0)

結果展示：

原圖：

加密后：

解密后：

總結

到此這篇關于如何利用Opencv實現圖像加密解密的文章就介紹到這了,更多相關Opencv圖像加密解密內容請搜索服務器之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持服務器之家！

原文鏈接：https://blog.csdn.net/qq_48314528/article/details/120635006