4-1 秘密分享機制之灰階影像隱藏技術實作
為了驗證第三章所提出之方法，我們使用 DEV C++語言將所提出之方法實作 出來。我們所使用的灰階機密影像為圖 4.1.1 的“Lena＂（128×128 pixels）。為了 增加實驗結果的可信度，我們嘗試以各種不同的灰階輸入影像來進行實驗；同時，
我們也依照灰階輸入影像的對比將輸入影像分成三類作測試：一般對比、低對比 以及高對比灰階輸入影像，以探討不同對比的灰階輸入影像是否會對本機制的分 享影像品質造成影響。
圖 4.1.1 灰階機密影像 “Lena”
由於，透過本機制加密處理後的分享影像皆無法以人眼辨識其與原圖的差 異，因此，我們使用影像信號雜訊比（Peak Signal to Noise Ratios, PSNR）作為分 享影像品質的評估工具。PSNR 值的定義如公式(4.1.1)所示。
⎟⎟⎠
⎜⎜ ⎞
⎝
× ⎛
= MSE
PSNR 255
2
log
10 , (4.1.1)
MSE（Mean Square Error）是均方差，MSE 值的計算方式如公式(4.1.2)：
19
( )
FrameSize P I MSE
FrameSize
n
2 n
∑
n=
−
= 1 , (4.1.2)
In是指原始影像第 n 個像素值，Pn是指經處理後第 n 個的像素值。PSNR 的 單位為 dB。一般而言，當經過處理的影像 PSNR 值大於 30 dB 時，人眼就不易發 現該影像與原影像的差異性。
z 一般對比之灰階輸入影像：
在實驗一中，我們將把圖 4.1.1 的“Lena＂嵌入至圖 4.1.2 的 15 張灰階輸 入影像（128×128 pixels）。緊接著在實驗二中，將只使用 4 張灰階輸入影像來 嵌入機密影像的資訊，以驗證本機制可以有效的降低分享影像的數量，且能 夠達到資訊隱藏的目的。
20
圖 4.1.2 實驗一之 15 張灰階輸入影像
實驗一 將圖 4.1.1“Lena＂的T_X_Y
( )
i,j 嵌入至圖 4.1.2 的 14 張灰階輸入 影像（128× 128 pixels），T_Z( )
i,j 藏於圖 4.1.2 的“mandrill＂中。mandrill
21
圖 4.1.3 實驗一之 15 張分享影像
經加密處理後，輸出 15 張分享影像（128×128 pixels），如圖 4.1.3 所示。
22
(a)輸入影像 1 “Barbara” (b)輸入影像 2 “Bird”
(c)輸入影像 3 “Woman_darkhair” (d)輸入影像 4 “Cat”
圖 4.1.4 實驗二之灰階輸入影像
實驗二 圖 4.1.4(a)、(b)、(c)藏“Lena”的T_X_Y
( )
i,j ，圖 4.1.4(d)藏“Lena”的T_Z
( )
i,j 。23
(a)分享影像 1 (b)分享影像 2
(c)分享影像 3 (d)分享影像 4 圖 4.1.5 實驗二之分享影像
經加密處理後，可以得到 4 張分享影像（128×128 pixels），如圖 4.1.5 所 示。
24 Woman_darkhair 39.93 dB
Cat 35.85 dB
25
像。我們使用 Adobe Photoshop CS v8.0 的軟體降低本研究所使用的測試影像 對比，以作為此實作測試之低對比灰階輸入影像。同樣地，我們使用影像信 號雜訊比（Peak Signal to Noise Ratios, PSNR）作為分享影像品質的評估工具。
在實驗一中，我們將把圖 4.1.1 的“Lena＂嵌入至圖 4.1.6 的 15 張低對比 灰階輸入影像（128×128 pixels）。在實驗二中，將只使用 4 張低對比灰階輸入 影像來嵌入機密影像的資訊，以驗證當輸入影像為低對比灰階影像時，本機 制仍可以有效地降低分享影像的數量，並維持分享影像的品質，達到資訊隱 藏的目的。
26
圖 4.1.6 實驗一之 15 張低對比灰階輸入影像
實驗一 將圖 4.1.1“Lena＂的T_X_Y
( )
i,j 嵌入至圖 4.1.6 的 14 張低對比灰 階輸入影像（128× 128 pixels），T_Z( )
i,j 藏於圖 4.1.6 的“mandrill＂中。mandrill
27
圖 4.1.7 實驗一之 15 張分享影像
經加密處理後，輸出 15 張分享影像（128×128 pixels），如圖 4.1.7 所示。
28
(a)輸入影像 1 “Barbara” (b)輸入影像 2 “Bird”
(c)輸入影像 3 “Woman_darkhair” (d)輸入影像 4 “Cat”
圖 4.1.8 實驗二之低對比灰階輸入影像
實驗二 圖 4.1.8(a)、(b)、(c)藏“Lena”的百、十位數（T_X_Y
( )
i,j ），圖4.1.8(d)藏“Lena”的個位數（T_Z
( )
i,j ）。29
(a)分享影像 1 (b)分享影像 2
(c)分享影像 3 (d)分享影像 4 圖 4.1.9 實驗二之分享影像
經加密處理後，可以得到 4 張分享影像（128×128 pixels），如圖 4.1.9 所 示。
30
31
像。我們使用 Adobe Photoshop CS v8.0 的軟體增加本研究所使用的測試影像 對比，以作為此實作測試之高對比灰階輸入影像。同樣地，我們使用影像信 號雜訊比（Peak Signal to Noise Ratios, PSNR）作為分享影像品質的評估工具。
在實驗一中，我們將把圖 4.1.1 的“Lena＂嵌入至圖 4.1.10 的 15 張高對 比灰階輸入影像（128×128 pixels）。在實驗二中，將只使用 4 張高對比灰階輸 入影像來嵌入機密影像的資訊，以驗證當輸入影像為高對比灰階影像時，本 機制仍可以有效地降低分享影像的數量，並維持分享影像的品質，達到資訊 隱藏的目的。
32
圖 4.1.10 實驗一之 15 張高對比灰階輸入影像
實驗一 將圖 4.1.1“Lena＂的T_X_Y
( )
i,j 嵌入至圖 4.1.10 的 14 張高對比 灰階輸入影像（128× 128 pixels），T_Z( )
i,j 藏於圖 4.1.10 的“mandrill＂中。mandrill
33
圖 4.1.11 實驗一之 15 張分享影像
經加密處理後，輸出 15 張分享影像（128×128 pixels），如圖 4.1.11 所示。
34
(a)輸入影像 1 “Barbara” (b)輸入影像 2 “Bird”
(c)輸入影像 3 “Woman_darkhair” (d)輸入影像 4 “Cat”
圖 4.1.12 實驗二之高對比灰階輸入影像
實驗二 圖 4.1.12(a)、(b)、(c)藏“Lena”的百、十位數（T_X_Y
( )
i,j ），圖 4.1.12(d)藏“Lena”的個位數（T_Z( )
i,j ）。35
(a)分享影像 1 (b)分享影像 2
(c)分享影像 3 (d)分享影像 4 圖 4.1.13 實驗二之分享影像
經加密處理後，可以得到 4 張分享影像（128×128 pixels），如圖 4.1.13 所示。
36
37
而造成藏T_X_Y
( )
i,j 分享影像的品質大幅降低，導致攻擊者察覺到分享影像是 人為的加工品。但是，卻會影響藏T_Z( )
i,j 分享影像的品質，主要是因為當輸 入影像的對比與亮度拉大時，影像中會有許多像素點的像素值大於 250，在這 樣的情形下，假使T_Z( )
i,j 的值大於 5，便無法順利取代輸入影像的個位數，因此，本機制對於當某一個像素點無法嵌入T_Z
( )
i,j 的時候，我們會將其十位 數減 10 後，再進行嵌入，因此，分享影像與輸入影像間像素值的差異可能高 達 5~6，所以會導致藏T_Z( )
i,j 分享影像的 PSNR 值只有 33~34 dB。透過這三類的實作測試後，我們發現灰階輸入影像的對比度較不易影響本機 制所產生的分享影像品質，反倒是，灰階輸入影像的數量是影響分享影像品質的 直接因素，話雖如此，即使只有少數的灰階輸入影像，本機制的分享影像品質無 論是在視覺效果或是 PSNR 值中都有不錯的表現。
4-2 秘密分享機制之灰階影像隱藏技術安全性實作
為了驗證 3.2 節所探討的秘密分享機制之灰階影像隱藏技術遭受到攻擊者竊 取到部份分享影像時，攻擊者是否能夠從少數的分享影像破解出灰階機密影像。
我們利用圖 4.1.5 的分享影像來驗證本機制擁有相當高的安全性。
(a)少圖 4.1.5 藏T_Z
( )
i,j 的分享影像 4 (b)少圖 4.1.5 的分享影像 1 圖 4.2.1 秘密分享機制之灰階影像隱藏技術之安全性實作(cont.)38
(c)少圖 4.1.5 分享影像 1 及分享影像 2 (d)僅有圖 4.1.5 藏T_Z
( )
i,j 的分享影像 4圖 4.2.1 秘密分享機制之灰階影像隱藏技術之安全性實作
當攻擊者沒有取得藏T_Z
( )
i,j 的分享影像(少圖 4.1.5(d))時，其還原影像如圖 4.2.1(a)所示。僅取得兩張藏T_X_Y( )
i,j 與一張藏T_Z( )
i,j 共三張分享影像(少圖 4.1.5(a))，其還原影像結果如圖 4.2.1(b)所示。僅取得一張藏T_X_Y( )
i,j 與一張藏( )
i,j Z _T 共兩張分享影像(少圖 4.1.5(a)、圖 4.1.5(b))時，還原影像結果如圖 4.2.1(c) 所示。由於僅取得藏T_Z
( )
i,j 之分享影像(圖 4.1.5(d))，其還原影像中的只有T_Z( )
i,j 的資訊，換言之，在還原影像中每個像素點的像素值介於 0 至 9 之間，其視覺效 果看起來有如一張全黑的影像，為了顯示出看似全黑的還原影像中有何資訊，因 此，我們使用 PhotoImpact-10 對此影像進行等化處理，其結果如圖 4.1.5(d)所示。從圖 4.2.1 與上段的描述可以發現，當攻擊者只要少取得任何一張分享影像 時，便無法輕易還原出百分之百的灰階機密影像。因此，本機制能夠有效的防止 攻擊者利用少數分享影像破解出灰階機密影像，亦表示本機制的安全性是足夠的。
接下來我們將測試本機制可以承受 JPEG 品質壓縮的程度，測試方式為從 JPEG 品質壓縮後的分享影像取出還原影像之 PSNR 值。本研究使用 PhotoImpact 10 對分享影像進行 JPEG 品質壓縮。本實驗所採用之分享影像為圖 4.1.5 之 4 張分享 影像。表 4.2.1 為分享影像經 JPEG 品質壓縮後之 Average PSNR 值。表 4.2.2 為從 經過 JPEG 品質壓縮後分享影像所取得的機密影像之 Average PSNR 值。
39
表 4.2.1 經 JPEG 品質壓縮後分享影像之 Average PSNR 值 JPEG Compression
Quality Factor [%]
Average PSNR [dB]
100 38.89 dB
95 38.25 dB
90 37.71 dB
表 4.2.2 自 JPEG 品質壓縮後分享影像取得的機密影像之 Average PSNR 值 JPEG Compression
Quality Factor [%]
Average PSNR [dB]
100 22.44 dB
95 9.77 dB
90 8.54 dB
(a) 100% Quality Factor (b) 95% Quality Factor 圖 4.2.2 自 JPEG 品質壓縮後的分享影像所取得的機密影像(cont.)
40
(c) 90% Quality Factor 圖 4.2.2 自 JPEG 品質壓縮後的分享影像所取得的機密影像
本機制所產生之分享影像可以承受些微的 JPEG 品質壓縮，當分享影像經過 95%的 JPEG 品質壓縮後，從中所取出的還原影像還能夠分辨出一些機密影像輪廓 資訊，如圖 4.2.2 (b)；但是，當分享影像經過 90%的 JPEG 品質壓縮後，則只能看 到雜點以及些許與機密影像有關的資訊，如圖 4.2.2 (c)。這是因為本機制在加密 時，是將機密影像的像素值較重要的百位數以及十位數藏於輸入影像的十位數及 個位數中，當經過 JPEG 品質壓縮之後，分享影像的十位數與個位數資訊遭到破 壞，因而導致還原影像嚴重失真。
4-3 Kim 等學者之視覺密碼機制實作
為了與 Kim 等學者之視覺密碼機制相比較，於是我們使用 DEV C++語言將 Kim 等學者的機制實作出來。為了與他們在同等的條件下相比較，因此在此章節 我們同樣使用圖 4.1.1“Lena＂（128×128 pixels）作為灰階機密影像為。同樣地，
我們也會使用一般對比、低對比及高對比灰階輸入影像作為測試影像。以探討不 同對比的灰階輸入影像是否會對 Kim 等學者機制的分享影像品質造成影響。
z 一般對比之灰階輸入影像：
實驗一至實驗二所使用的灰階輸入影像分別為圖 4.1.2 與圖 4.1.4。其實驗 結果分別如圖 4.3.1 及圖 4.3.2 所示。
41
圖 4.3.1 實驗一之 15 張分享影像
42
(a)分享影像 1 (b)分享影像 2
(c)分享影像 3 (d)分享影像 4 圖 4.3.2 實驗二之分享影像
從實驗結果以及表 4.3.1 中，除實驗一的 15 張分享影像看起來還算可以 接受外，實驗二的結果都是一眼就看出是加工品，無法達到欺瞞攻擊者的目 的，非常不理想。透過以上這些實驗結果我們不難發現，Kim 等學者的機制 必須要用龐大的輸入影像才可以隱藏灰階機密影像的資訊，加上此機制解密 時，需要所有的分享影像才能夠還原出灰階機密影像，因此造成了此機制的 實用性降低。
43
（128×128 pixels）。觀察當輸入影像為低對比灰階影像時，Kim 等學者的機制 是否仍可以維持分享影像的品質，達到資訊隱藏的目的。其結果之分享影像 為圖 4.3.3。
44
圖 4.3.3 低對比灰階輸入影像之實驗結果
從圖 4.3.3 中，能夠清楚的發現分享影像當中隱隱約約洩露出機密影像的
45
輪廓，亦表示當輸入影像為 15 張低對比灰階影像時，Kim 等學者的機制無法 有效地隱藏機密影像的資訊。接下來我們將測試以高對比灰階影像來當作輸 入影像。
z 高對比之灰階輸入影像：
我們將圖 4.1.1 的“Lena＂嵌入至圖 4.1.10 的 15 張高對比灰階輸入影像
（128×128 pixels），其結果之分享影像為圖 4.3.4。
圖 4.3.4 高對比灰階輸入影像之實驗結果
46
47
後，我們將探討輸入影像的數量對兩機制的影響程度。其結果如圖 4.4.1 所示。
Peak Signal to Noise Ratio比較表
38.92 Average PSNR 值為 38.92 dB，Kim 等學者之視覺密碼機制其 Average PSNR 值為 22.8 dB；這也就表示輸入影像數量與兩機制分享影像的品質成正比，當輸入影像
48