基于DCT的HSV饱和度通道隐写解码结果错误问题求解

核心错误点 #

• 解码流程缺失DCT变换：编码阶段对每个8x8图像块执行了cv2.dct变换后再做量化，但是解码阶段注释掉了DCT变换代码，直接对原始图像块做量化除法，无法得到正确的量化DCT系数，提取的位信息完全错误。
• 位值判断逻辑反转：编码阶段直接将消息位赋值给DC系数的LSB位（DC[7]），解码阶段却做了反转判断：DC[7]为1时取0、为0时取1，导致提取的位信息和原始信息完全相反。
• 编码阶段DC值计算错误：编码时将pack后的uint8类型DC值转float后多执行了DC = DC - 255操作，导致DC系数值异常，反量化后生成的S通道像素值错误，解码时无法拿到正确的系数。
• 主代码变量名错误：最后遍历提取位时错误使用了内置变量next，而非实际存储位字符串的变量ntext，直接触发运行时错误。
• 容量判断逻辑错误：原始容量判断(col/8)*(row/8)<len(secret)未考虑每个字节需要8个块存储，且/得到的是浮点数，应该替换为整数运算判断总位数是否足够。
• 补边逻辑错误：addPadd方法使用cv2.resize拉伸图像而非补边，会破坏原始像素值，导致后续变换结果偏差。

修复方案 #

1. 修复解码阶段的DCT变换逻辑 #

修改DCTDecoder中图像块处理代码：

# break into 8x8 blocks
imgBlocks = [sImg[j:j+8,i:i+8]-128 for (j,i) in itertools.product(range(0,row,8),range(0,col,8))]
# 恢复被注释的DCT变换代码
dctBlocks = [np.round(cv2.dct(ib)) for ib in imgBlocks]
# 对DCT结果做量化
quantDCT = [np.round(dbk/quant) for dbk in dctBlocks]

2. 修复解码位值判断逻辑 #

删除位反转逻辑，直接提取DC[7]的原始值：

if (flag == 0):
    buff += (DC[7] & 1) << (7-i)
else:
    nb += str(DC[7])

3. 修复编码阶段DC值计算错误 #

删除错误的减255操作：

DC = np.packbits(DC)
DC = np.float32(DC)
# 移除DC = DC - 255这一行代码
qb[0][0] = DC

4. 修复主代码遍历变量名错误 #

将遍历的内置变量next替换为实际存储位字符串的ntext：

for byte in ntext:
    try:
        decoded_data += int (byte,2).to_bytes (len(byte) // 8, byteorder='big')
    except Exception as e:
        print(byte)
        break

5. 修复容量判断逻辑 #

按实际存储需求计算可用容量：

total_blocks = (col//8)*(row//8)
# 每个字节需要8个块存储，总可用容量要大于消息总位数
if total_blocks < len(self.message)*8:
    print("Error: Message too large to encode in image")
    return False

6. 替换补边逻辑为补零而非拉伸 #

避免图像被拉伸破坏像素值：

def addPadd(self,img,row,col):
    pad_row = 8 - row%8 if row%8!=0 else 0
    pad_col = 8 - col%8 if col%8!=0 else 0
    img = cv2.copyMakeBorder(img, 0, pad_row, 0, pad_col, cv2.BORDER_CONSTANT, value=0)
    return img

内容的提问来源于stack exchange，提问作者Shaina Mehta