Python中离散小波变换与逆变换TypeError问题及语法咨询

首先，我们先解决你遇到的TypeError：

1. 核心错误原因：numpy数组不能被“调用” #

报错行if (file_name1(kk) == 0):里的file_name1是一个numpy数组（你通过im2double(messagee)得到的灰度图数组），而括号()是用来调用函数的语法，数组要访问元素必须用方括号[]索引。

因为你的file_name1是二维数组（灰度图的形状是[高度, 宽度]），直接用file_name1[kk]会取第kk行，而你需要的是遍历所有像素的一维序列，所以可以先把数组展平成一维，或者用flat属性访问：

# 替换原来的判断行
if file_name1.flat[kk] == 0:

或者提前把file_name1展平：

file_name1_flat = file_name1.flatten()
# 然后循环里用
if file_name1_flat[kk] == 0:

2. DWT与IDWT的语法验证与修正 #

你的DWT/IDWT调用存在几个需要修正的地方：

（1）DWT输入需为单通道图像 #

你当前用dwt2(img, 'haar')，但img是cv2读取的彩色图（默认BGR三通道），dwt2适合处理单通道灰度图。你需要先把原图转成灰度：

# 替换原来的img读取行
img = cv2.imread('xyy.png', cv2.IMREAD_GRAYSCALE)

或者如果要处理彩色图，需要分三个通道分别做DWT/IDWT。

（2）IDWT的调用语法错误 #

idwt2的正确参数格式是：第一个参数是元组(cA, (cH, cV, cD))，第二个是小波基名称，并且你需要接收它的返回值（重构后的图像）。你当前的写法idwt2(cA,cH,cV,cD,'haar')是错误的，而且不应该在循环里重复调用IDWT——应该等所有系数修改完成后，再一次性执行IDWT重构图像。

正确的IDWT调用示例：

# 所有系数修改完成后执行
reconstructed_img = idwt2((cA, (cH, cV, cD)), 'haar')
# 如果你需要裁剪回原图像尺寸
reconstructed_img = reconstructed_img[:Mc, :Nc]

3. 其他代码问题优化 #

除了上述问题，还有几个小问题需要调整：

• Mc=np.shape(cover_object)和Nc=np.shape(cover_object)完全重复，应该直接获取图像的宽高：

  Mc, Nc = cover_object.shape  # 如果是灰度图
  # 如果是彩色图则是 Mc, Nc, _ = cover_object.shape
  

• 你的随机序列生成逻辑有问题：random.randint(512/2,512/2)等价于random.randint(256,256)，只会返回256，导致pn_sequence_h和pn_sequence_v固定为511。如果要生成随机PN序列，应该调整范围，比如：

  # 生成-1或1的随机值，或者其他范围的随机数
  pn_sequence_h = random.choice([-1, 1])
  pn_sequence_v = random.choice([-1, 1])
  

• 循环范围range(1,leng)会跳过第一个元素（索引0），如果要遍历所有像素，应该从0开始：range(leng)

修改后的完整代码示例 #

import cv2
import numpy as np
import pywt
import random

# 读取灰度原图
img = cv2.imread('xyy.png', cv2.IMREAD_GRAYSCALE)

def im2double(im):
    min_val = np.min(im.ravel())
    max_val = np.max(im.ravel())
    out = (im.astype('float') - min_val) / (max_val - min_val)
    return out

k = 2
cover_object = im2double(img)
Mc, Nc = cover_object.shape  # 获取原图尺寸
print(Mc, Nc)

# 处理水印：转灰度并归一化
water = cv2.imread('1.png')
gray_water = cv2.cvtColor(water, cv2.COLOR_BGR2GRAY)
cv2.imwrite('grayim.png', gray_water)
file_name1 = im2double(gray_water)
file_name1_flat = file_name1.flatten()  # 展平为一维数组
leng = len(file_name1_flat)

# 生成密钥
np.random.seed(0)
key = round(100 * np.random.rand(1)[0])  # 修正rand(1)返回的是数组，取第一个元素
print(key)

# 执行DWT分解
cA, (cH, cV, cD) = pywt.dwt2(cover_object, 'haar')

# 修改高频系数
for kk in range(leng):
    # 生成随机PN序列（示例用-1/1，可根据需求调整）
    pn_sequence_h = random.choice([-1, 1])
    pn_sequence_v = random.choice([-1, 1])
    
    if file_name1_flat[kk] == 0:
        cH += k * pn_sequence_h
        cV += k * pn_sequence_v

# 执行IDWT重构图像
reconstructed_img = pywt.idwt2((cA, (cH, cV, cD)), 'haar')
# 裁剪回原图像尺寸
reconstructed_img = reconstructed_img[:Mc, :Nc]

# 可选：保存重构后的图像
cv2.imwrite('watermarked_img.png', (reconstructed_img * 255).astype(np.uint8))

内容的提问来源于stack exchange，提问作者Shaan