• 沒有找到結果。

具可逆能力的色彩轉換演算法

N/A
N/A
Protected

Academic year: 2021

Share "具可逆能力的色彩轉換演算法"

Copied!
15
0
0

加載中.... (立即查看全文)

全文

(1)具可逆能力的色彩轉換演算法 A Reversible Color Transformation Algorithm 王宗銘、李鴻昌、黃明隆、蔡宗佑、黃彥翔、陳昱仁、曾楷倫、黃彥人 國立中興大學資訊科學研究所 cmwang@cs.nchu.edu.tw 摘要. 被提出,由以上可知,與色彩相關的研究確實有其 必要性與重要性[14]。. 本文提出一個具有可逆能力的色彩轉 換演算法。我們的演算法有別於過去學者 提出的色彩轉換演算法,我們結合資訊隱 藏的技術,將色彩轉換過程中所需的重要 變數隱藏於結果影像中,而當使用者對於 色彩轉換的結果不甚滿意或是遺失了原始 的來源影像時,可以透過我們提出的演算 法將結果影像還原成原始的來源影像,可 再進行下一次的色彩轉換。根據試驗結 果,我們提出的方法確實能夠將結果影像 還原。演算法具三項優點:(1) 記憶體空間 的節省;(2) 更多次的色彩轉換;(3) 快速 的還原時間。演算法適合被使用於行動裝 置或是即時系統上。. 生活週遭的環境變化往往是影響我們最深的, 在同一景致中,依時間的不同,早晨與黃昏;依天 氣的不同,晴天或陰天;依季節的不同,春、夏、 秋、冬,均會呈現多樣性的變化,據此, Reinhard 等人於 2001 年首次提出影像間的色彩轉換(Color Transfer between Images)技術[9],透過使用ㄧ不同的 目標影像,達到對同ㄧ場景的影像作多樣性的變 換,隨後也有學者陸續投入與色彩轉換相關之研究 [3, 4, 5, 10, 12, 13, 15],總結相關文獻,色彩轉換演 算 法 , 其 主 要 的 概 念 為 企 圖 將 來 源 影 像 (Source Image)與目標影像(Target Image)經過一轉換機制的 處理後,以自動將目標影像上的色彩特徵轉換至來 源影像上,以使得結果影像的色彩分佈相似於目標 影像的色彩分佈,更可進一步使單張的來源影像搭 配多張不同的目標影像,分別得到不同色彩風格的. 關 鍵 字 : 可 逆 的 色 彩 轉 換 (Reversible Color 結果影像。 Transformation)、資訊隱藏(Information Hiding)。. 不過,目前在文獻上並沒有學者探討關於色彩 轉換之後,將結果影像還原的問題,因此色彩轉換. ㄧ、簡介. 後必須保留原始的來源影像,才能於使用者不滿意 轉換結果時,再次使用其他目標影像來進行色彩轉. 在日常生活中,人類藉由視覺所獲得知的資訊 換,不過,若使用者遺失最初的來源影像,將永遠 佔所有獲取資訊的百分之八十以上,其中,色彩對 無從得知來源影像原來的風貌,無法使用同樣的原 視覺的影響力,更是佔有相當的一席之地,例如我 始影像與多張不同的目標影像進行色彩轉換以茲比 們所使用的衣服,家具,甚至是科技產品,對於產 較,此外,未來若是將色彩轉換技巧嵌入行動裝置, 品本身色彩上的設計均越趨講究,藉此提高銷售成 或是即時系統中,如數位相機,可拍照的行動電話 績,此外,在許多的研究領域中,電腦圖學、視訊 以及 PDA,因此儲存空間的問題是可以預見的,若 多媒體、影像處理等,常有與色彩有關的研究成果 可以直接還原結果影像至原來的風貌,將可以有效. 1.

(2) 章展示並且說明我們的試驗結果,第五章則總結本. 的降低所需的儲存空間。. 本論文首創一個具可逆能力的色彩轉換演算法 文並且進一步地提出未來的研究方向。 (A Reversible Color Transformation Algorithm),我們. 二、相關工作. 的主要目標為企圖使已經由色彩轉換後的結果影像 具有可還原為原始來源影像的能力。我們的演算法 架構簡單易懂且處理速度上亦很快速,這對於未來 2.1. 色彩轉換 將此技術應用於行動裝置上時有莫大的幫助。 由於我們企圖使經由色彩轉換後的結果影像具. 近來色彩轉換技術可分為兩大類:1:彩色影. 有可還原的能力,因此,必需要將色彩轉換過程中, 像間的色彩轉換;2:黑白轉成彩色的色彩轉換。 一些重要的變數隱藏於結果影像上,主要的參數有. 關於彩色影像間的色彩轉換,文獻上有幾篇文. 來 源 影 像 與 目 標 影 像 的 平 均 值 (Mean) 與 標 準 差 獻,分別為 [3, 4, 9, 10, 12, 15] 。Reinhard 等人透過 (Standard Deviation),如此一來,即可在結果影像需 ㄧ個有較低相依性的色彩空間,透過統計的技巧, 要還原時,將所需變數取出,再進一步經過色彩還 達成影像間的色彩轉換,她們的演算法快速且有效 [9, 10]。Chang 等人提出ㄧ新的演算法實行色彩轉. 原運算式的計算,便能夠獲得原始的來源影像。. 2004 年,Ni 等人提出一具有較低遺失率與較佳 換,她們使用 11 種基本的顏色類別作色彩的轉換, 隱藏效果的影像資訊隱藏演算法[8],由於此演算法 因此需要先對來源與目標影像做色彩分類,再做色 的特性符合於我們的基本需求:低遺失率與隱藏效 彩的轉換,因此計算較為繁複,需較長的計算時間 果佳;不過,在低遺失率部份無法勝任我們的需求, [3, 4] 。 Zhang 的 論 文 探 討 如 何 選 取 主 要 區 域 我們期望隱藏至影像上的變數必須能被百分之百地 (Principal Region),來建構出一個至多二次的多項式 完全取出,針對此目標,透過展頻(Spread Spectrum) 貼覆函數(Polynomial Mapping Function),據此,在 技術及投票法(Ballot box)與 Ni 的方法結合,將原始 一群影像中,可以兼顧顏色的外觀,達成快速的影 影像及目標影像的一些重要變數隱藏至色彩轉換的 像校正[15],該技術主要的貢獻為色彩校正,因此, 結果影像中,經由我們的試驗,改善後的資訊隱藏 該論文不在我們討論的範疇內。Wang 基於 Reinhard 方法,能夠確實地將資訊藏入影像中,並且亦能夠 的演算法,考慮時間的變化,透過轉換曲線的變化, 完整地被取出,取出後的數值與原始的數據僅有微 成 功 地 為 同 ㄧ 場 景 模 擬 於 不 同 時 間 的 景 色 變 化 小的誤差,因此在實行結果影像的反運算處理後, [12]。 黑白轉彩色的相關文獻主要以 Welsh [13] 等. 所獲得的原始來源影像與原先我們所使用的來源影. 像,他們之間的 PSNR 值均大於 30dB 以上,因此 人於 2002 年提出之論文為主。Welsh 的目的是重新 在視覺上看不出有任何太大的差異性。. 賦予黑白圖片新的生命,企圖將彩色影像之色彩導. 我們結合色彩轉換與資訊隱藏技術提出一具可 入黑白影像,使得結果影像具有黑白影像之特徵, 逆能力的色彩轉換演算法,此演算法可以解決當失 亦具有彩色影像之色彩,Welsh 亦提出予許使用者 去原始來源影像時,而無法得知原始來源影像,其 手動定義影像區塊(Swatch),透過這些區塊進行色 色彩分佈的問題,更可節省儲存空間的容量,因為 彩的匹配跟調整處理,來提升轉換的效果,儘管 僅需要最後的結果影像便能夠獲得原始的來源影 Welsh 的方法獲致了不錯的成果,但是黑白轉彩色 像,解決了色彩轉換演算法不可逆性的缺點。. 必須將原先一個的灰階頻道,擴展為三個的彩色頻. 本文其他章節的架構如下:第二節說明相關的 道。由於不足的資訊需要一些複雜的手動額外處 研究,包括色彩轉換演算法以及資訊隱藏的概念與 理,因此,Welsh 所提的演算法不在我們探討的範 演算法;第三節詳細敘述我們提出的演算法,第四 圍內。2004 年,Chen 以 Welsh 的技術為基礎,提出. 2.

(3) 一個效果更佳的技術為灰階影像上色[5],不同於 出並驗證浮水印的存在及正確性,其中,不可視浮 Welsh 技 術 之 處 為 , Chen 利 用 影 像 分 割 (Image 水印依照藏入的資訊是否具備抵抗破壞的能力,則 Metting)的技術,將灰階影像中的物件分解,此處分 可再區分為兩類,分別為強韌性(Robust)及易碎性 解物件的意義相當於 Welsh 所使用的取樣區塊 (Fragile)技術,強韌性技術主要運用於浮水印相關的 (Swatch),被分解後的物件再分別予以指定所希望 著作權保護,而易碎性常用於驗證保護之數位媒體 轉換的色彩,因此效果更優於 Welsh 提出的方法。. 是否經過竄改。 現今與資訊隱藏的相關技術可說是玲瑯滿目,. 總結相關的文獻資料,被提出的技術均只探討. 如何變換色彩,無相關文獻探討如何將色彩還原的 根據 Katzenbeisser 等人對於浮水印技術的分類整 問題,有鑑於此,我們結合資訊隱藏的技術,期望 理,大致可將這類技術分成六大類[7]: 能夠發展出一個具有還原影像能力的色彩轉換演算 1. 置換方式(Substitution Systems). 法。. 2. 轉換領域 (Transform Domain) 3. 展頻 (Spread Spectrum). 2.2. 資訊隱藏. 4. 統計法(Statistical Methods) 近年來,由於網際網路的蓬勃發展,使得人們 5. 失真技術(Distortion Techniques) 得以輕鬆地藉由網路,傳遞各式各樣的資訊。無論 6. 產生遮蓋物件法(Cover Generation Methods) 聲音、影像、文字、指令等,凡是可數位化的資訊, 本文引用 Ni 等人於 2004 年所提出的影像資訊. 皆可透過網路傳遍世界各地。其中有些資訊是珍貴. 的智慧財產,為了保護它們,許多人便在其中秘密 隱藏演算法來建構出我們的演算法,Ni 的演算法屬 藏入可辨識其智慧財產權的資訊,這些技術被統稱 於上述分類中的統計法,係利用原始影像之統計特 為資訊隱藏(Data Hiding)。. 質來嵌入資訊,我們採用此演算法主要考量有三. 根據[1]對資訊隱藏研究的分類,可以將資訊隱 點,1.適用於 JPEG (Joint Photographic Experts Group) 藏 的 研 究 區 分 為 二 大 領 域 , 分 別 為 偽 裝 學 影像格式;2.效率高:此演算法不需繁雜的計算過 (Steganography) 及 數 位 浮 水 印 (Digital 程,3.影像被藏入資訊後,平均仍保有 39dB 以上之 Watermarking)。. PSNR(Peak Signal to Noise Ratio)值,且不會有明顯. 偽裝學主要著重於資訊隱藏方面,其目的主要 的雜訊出現[8],但是,Ni 的技術在取回資訊的部 是保護被隱藏的資訊而非數位媒體本身,且通常希 份,儘管有較低的遺失率,不過,我們期望藏入的 望藏入的資訊愈多愈好,而浮水印之目的則是保護 資訊必須能夠被完整地取出,因此我們需要對 Ni 數位媒體本身,如 3D 模型、2D 影像或是文件等, 的技術做改善,以期能夠百分之百地取出資訊。 因此浮水印通常須具備一定程度之抵抗攻擊的能. 三、演算法. 力,我們擬提出之可逆的色彩轉換演算法,則是屬 於偽裝學領域。 若是以資訊嵌入數位媒體後之視覺效果來作分. 本文擬提出一具有可逆能力的色彩轉換演算. 類,那麼上述兩個領域皆可再區分為可視(Visible) 法,我們以 Reinhard 等人提出的色彩轉換演算法為 及不可視(Imperceptible)二類。可視浮水印通常是直 基礎[9],其演算法主要的概念為計算兩張欲相互轉 接在數位媒體中嵌入浮水印,可明顯的由肉眼辨別 換的影像在 lαβ色彩空間中的平均值與標準差,透 出這些嵌入的浮水印。不可視浮水印則無法用肉眼 過此二個變數使得來源影像上的色彩分佈類似於目 察覺,必須使用特定的演算法來進行計算,方可取 標影像的分布,由此可以知道,若企圖將轉換後的. 3.

(4) 影像結果,使其還原成為原來的來源影像,我們必 我們的視覺系統無法察覺出有任何的異樣,例如產 須保存影像在 lαβ色彩空間中總共 12 個平均值與標 生雜訊或是產生不符合視覺經驗的結果。 對於現存的資訊隱藏技術,我們發現,Ni 於. 準差(來源與目標影像的每一頻道均具有平均值與. 標準差),因此我們必須將此 12 個重要參數隱藏於 2004 年提出一個效果不錯且低遺失率的影像資訊 隱藏技術[8],因此隱藏上述 12 個重要變數於影像. 色彩轉換後的結果影像中。. 由於必須將資訊隱藏於影像中,因此我們必須 上的部份,我們以 Ni 的技術為基礎,不過,如上述 尋求ㄧ隱藏性較好的資訊隱藏技術,不過,因為我 中的第一點,被隱藏的資訊必須能被完整取回,而 們企圖於影像上隱藏資訊,有兩點重要的事項必須 Ni 的方法儘管效果不錯,但是資訊取回的遺失率依 然太高,為了解決此一問題,我們結合展頻技術與. 要注意:. 1.由於我們的目的是企圖使色彩轉換後的結 投票法於 Ni 的方法中,企圖提高被取回資訊的正確 果影像能夠具有還原的能力,因此隱藏至影像上的 率。我們的演算法主要區分為五個步驟,其流程如 資訊必需能夠被完整地取出,必須有抵擋攻擊的能 圖 1 所示。此五個步驟分別為 1:色彩轉換; 2: 力,例如影像的壓縮,如此才能使得還原後的影像 資料編碼; 3:資訊隱藏; 4:資訊取出; 5:色 近乎與原始的來源影像相同,換句話說,即還原後 彩還原。為了明顯區分步驟彼此間的先後順序,在 影像與原始來源影像間須具有較高的 PSNR 值(至少 圖中我們以五個灰色虛線區塊作為區分;接著,再 需 30dB 以上)。. 以下小節中我們將詳細說明我們提出的演算法之五. 2.將資訊隱藏於影像上後,該影像效果必須使 個步驟的方法及其概念。. 1.. 2. 來源 影像. 目標 影像. 來源、目標影像之 平均值及標準差 資料編碼: 轉換為位元資料. 色彩 轉換. 3.. 結果 影像. 5. 來源 影像. 資訊隱藏. 4. 色彩還原運算式. 取回來源、目標影像之 平 均 值 及 標 準 差. 圖 1:具可逆能力的色彩轉換演算法流程圖。. 4. 新 的 結果影像.

(5) β 的意義為色彩空間的三個頻道,σ 表示影像的標準. 3.1 色彩轉換演算法. 差,m 表示影像的平均值,上標符號 l, α, β 表示需 Buchsbaum 等人於 1983 年提出一份關於色彩轉 分別對 l, α, β 頻道做處理,下標 FinalResult 定義為 換的研究報告,他們發現可以利用一些線性的方法 轉換後的結果,source 為來源影像,target 為欲轉換 將人類視覺系統所能接受的三刺激色,紅、綠、藍, 的參考影像,最後再將所得到的結果從 lαβ 色彩空 轉 換 成 3 個 互 無 關 聯 性 的 色 彩 頻 道 (color 間轉換回至 RGB 色彩空間。 channel)[6],隨後,1998 年,Ruderman 以 Buchsbaum 的研究為基礎,發展出了一個新的色彩空間,lαβ 色彩空間[11],此色彩空間的 3 個色彩頻道之間具 l FinalResult = 有相當低的關聯性,圖 2 為影像隨機選取 1000 個像 素點後轉換到 ιαβ. 色彩空間後所繪得的關係分佈. 圖,由左至右分別是: l − α 、 l. α FinalResult. σ tαarget α ) = α × (α source − msource + mtαarget (3) σ source. β FinalResult. σ tβarget β = β × (β source − msource ) + mtβarget σ source. − β 、α − β 的色. 彩關係分佈圖,其中 l 為無色差頻道(Achromatic. σ tlarget l ) × (l source − msource + mtlarget l σ source. Channel) , α 與 β 則 互 為 對 立 色 頻 道 (Opponent Channels),分別為黃-藍色頻道(Yellow-Blue Channel) 與紅-綠色頻道(Red-Green Channel),圖 3 為影像轉 換至 lαβ 色彩空間中,3 個頻道的顯像圖。 Reinhard 根據 lαβ 色彩空間的特性,於 2001 年提出了以統計學的技巧來達成將目標影像的色彩. 特徵轉換至來源影像上,她們稱此技巧為:影像間 圖 2:影像中隨機選取 1000 個像素經由轉換後. l − α 、 l − β 、α − β 色彩關係分佈圖,由圖中可. 的色彩特徵轉換演算法[9],演算法的實作僅有幾個. 簡單的步驟,首先,透過 LMS 色彩空間將來源影像 很清楚地得知此 3 個色彩頻道間僅具些微的關聯性 與參考影像從 RGB 色彩空間轉換至 lαβ 色彩空 [11]。 間,演算式(1)為 LMS 色彩空間的轉換矩陣:. ⎡ L ⎤ ⎡ 0.3811 0.5783 0.0402⎤ ⎡ R ⎤ ⎢ M ⎥ = ⎢0.1967 0.7244 0.0782⎥ ⎢G ⎥ ⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢⎣ S ⎥⎦ ⎢⎣ 0.0241 0.1288 0.8444⎥⎦ ⎢⎣ B ⎥⎦. (1). 然後利用演算式(2)將 LMS 色彩空間轉換至 lαβ 色 彩空間,演算式如下: ⎡ ⎢ ⎡ι ⎤ ⎢ ⎢α ⎥ = ⎢ ⎢ ⎥ ⎢ ⎢⎣ β ⎥⎦ ⎢ ⎢ ⎣. 1 3 0 0. 0 1 6 0. ⎤ 0 ⎥ 1 ⎤ ⎡ log10 L ⎤ ⎥ ⎡1 1 ⎢ ⎥ 0 ⎢1 1 − 2⎥⎥ ⎢⎢log 10 M ⎥⎥ ⎥ 1 ⎥ ⎢⎣1 − 1 0 ⎥⎦ ⎢⎣ log10 S ⎥⎦ ⎥ 2⎦. (2) 圖 3:左上圖為原始的測試影像(RGB),右上圖為無 色差頻道(Achromatic Channel) ,l;左下圖為黃-藍. 當影像均被轉換至 lαβ 色彩空間中後,再利用 色頻道(Yellow-Blue Channel),α;右下圖為紅-綠色 演算式(3)來轉換兩張影像間色彩特徵。此處符號 l, α, 頻道(Red-Green Channel),β[11]。. 5.

(6) 誤。因此我們結合了展頻技術以及投票法,利用一. 3.2 資訊編碼. 般影像中鄰近像素之間的相依性及重覆性所形成特 資訊在藏入影像前,必須事先經過編碼的處 性,在 JPEG 影像格式中藏入位元值,本節裡,我 理。而我們所隱藏至結果影像上的資訊為目標影像 們將分為二部份來說明,第一是演算法之核心理 和來源影像,lαβ三頻道各別的平均值和標準差,總 論,第二是位元嵌入策略。 共有 12 個數值。我們以 l 頻道的平均值為例作說 明,這 12 個數值的編碼處理均以此為核心。. 3.3.1 核心理論. 根據 lαβ 色彩空間與 RGB 之間的特性,由 首先我們導入 Ni 論文中資訊隱藏的概念,先. RGB 轉到 lαβ的數值,範圍將大致落於-5 與 5 之間。. 假設轉換的值為 x,因此我們估計 x 以 39 位元來 將影像切割成數個互不重疊、互不相依,大小為 8x8 進行編碼儲存,格式如圖 4 所示,其中,第 1 個位 的影像區塊。並於此區塊內,以交叉間隔的方式, 元表示正負符號,第 2 到 4 個位元表示個位數字的 再分割成兩種(以 A 和 B 來表示)不重疊的子區塊, 值,第 5 到第 39 個位元則為小數部份,小數部份我 共 64 塊。其中區塊 A 以‘+’來標示,區塊 B 以 ‘-’ 們以 35 個位元來進行編碼處理,主要目的就是為了 標示,其表示方式如圖 5 所示。此外需注意一點, 保持小數點以下 10 到 11 位的精確度,以減少運算 我們事先刪除極端值(如 RGB 值為 0 或是 255 的像 素)的區塊,這麼一來可以預防程式執行中所產生的. 過程中所累積產生的誤差。. 由於我們須隱藏的資料共有 12 個數值,每個值皆以 錯誤,例如嵌入資訊後造成 RGB 值發生溢位/下溢 39 個位元編碼,總計藏入的位元總共有 468 個位元 (over/underflow)等問題。而每個 8x8 區塊,我們計 算區塊中每一對像素(即每一對‘+-’,共 32 對)之. (12 x 39),編排的格式如圖 5 所示。. 差異值,接著算出此區塊中所有差異值的平均,以 α 表示。如演算式(4)所示,其中 n 值為 32。. 3.3 資訊隱藏. 本節是演算法過程中相當重要的一個步驟,主. α =. 要說明我們如何將資訊藏入至結果影像中,要是處. 1 n. n. ∑ (a i =1. i. − bi ). (4). 理的不妥善,將導致資訊無法完全的取出而造成錯. 0. ±. 4. 38. 0~8. 0 ~ 34359738368. 圖 4:資料位元的編碼方式。. 0. 來源影像資料. 目標影像資料. 234. l 平均, l 標準差, α 平均, α 標準差, β 平均, β 標準差. 468. l 平均, l 標準差, α 平均, α 標準差, β 平均, β 標準差. 圖 5:資料編排格式。. 6.

(7) 一般我們常見的影像中鄰近相素通常具有相. 至門檻值之內,調整方式與狀況 1 相. 當高的相依性及重覆性,因此區塊中所計算出來的. 同,同樣針對兩個子區塊中的每一個像. α 值大多趨近於 0,其分佈如圖 6 所示。. 素,加或減去一個固定值。但若藏入的 資訊為 1,則不進行變動。 在狀況 2 時,我們的作法與 Ni 作法略有不同,原 始作法是當 α 值落在門檻值之外時,不管原本欲 藏入的位元值為 0 還是 1,皆以 1 作為嵌入位元, 而資訊取出後,再藉由錯誤訂正碼(Error Correction Code, ECC)進行修正。因為我們的目的與 Ni 不盡. 圖 5:8x8 區塊,分為二個子區塊的交叉方式。. 相同,Ni 的目標是希望藏入更多的資訊,而我們 則是每次藏入的資訊量皆一致(即 468 bits),因此 我們針對此部份略作修改,期望能達到我們所預期 的成果。 由於我們期望所提出的演方法能夠適用於使 用較為普遍的 JPEG 格式上,因此我們必須考慮到 JPEG 格式的破壞性壓縮問題,此一問題可能致使 取出後的資訊為了進行錯誤檢查,而必須藏入更多 的錯誤檢查碼,來進行錯誤偵測,於此,我們決定 以展頻技術搭配投票法來取代狀況 2 的部份。所謂. 圖 6:影像中 α 值的分佈情形。. 的展頻技術,即使用者想隱藏資訊,然而將同樣的 資訊藏許多份。而投票法是當在進行資訊取出的工 作時,若某個 bit 在取出時,因為傳送或壓縮時失. 3.3.2 位元藏入策略. 真的關係,造成每份的此 bit 不完全相同,導致資 接下來討論 α 值位於不同的範圍內,要用何. 訊取出的結果可能造成錯誤,因此我們就把出現最 多次數的 bit 值當作是正確的,藉由這兩樣技術的. 種方式來處理:. 搭配我們即可以完善的處理狀況 2 的情形。如以下 狀況 1: 當 α 值位於預設的門檻值內(本文使用小. 這個例子:. 於 5 的數值作為門檻值),此時若要藏入. 要藏入的原始資訊:0 0 0 1 0 1 1 0. 的位元值為 1 時,我們便將 α 值往左或. 複製三份藏入:. 0 0 0 1 0 1 1 0 (第一份). 是往右移動,使其越過門檻值,如圖 7. 0 0 0 1 0 1 1 0 (第二份). 所示。移動 α 值的方式是,藉此來調整. 0 0 0 1 0 1 1 0 (第三份) 傳送或壓縮時失真,使得某些 bit 錯誤. 兩個子區塊的差異值。若藏入的位元為. 0 1 0 1 0 1 1 0 (第一份). 0,則不須對此區塊進行變動。. 0 0 1 0 0 1 1 0 (第二份) 0 0 0 1 0 0 1 0 (第三份). 狀況 2: 同理,當 α 值位於事先設定的門檻值外,. 利用投票法決定: 0 0 0 1 0 1 1 0. 此時若要藏入的位元值為 0 時,我們便. →得到正確結果。. 將 α 值往左或往右移動,使其 α 值縮小. 7.

(8) l source =. l σ source l × (l FinalResult − mtlarget ) + m source l σ target. α source =. α σ source α × (α FinalResult − mtαarget ) + m source α σ target. β source =. β σ source β × (β FinalResult − mtβarget ) + m source σ tβarget. (5) 四、實驗結果分析 圖 7:位元嵌入策略。 本節我們分為兩個部份來說明我們所提出的 3.4. 演算法,首先,比較與展示 Zhicheng 與經由我們. 資訊取出. 改進過後的驗算法結果,以茲證明我們提出的方法 資訊藏入之後,最關鍵的部份為須絲毫無誤. 其可行性;緊接著,展示色彩轉換還原後的結果,. 的把資訊地成功截取出來,僅能容許微小的差異. 並且輔以 PSNR 數量化反轉後的影像品質。我們. 性;位元取出的步驟和藏入順序相反。當我們得到. 所使用的平台為 Intel Pentium4 2.0 GHz 處理器,. 一張已存入資訊的影像時,首先將影像切割成不重. 記憶體為 768 MB,所有程式以 PHP 5.04 搭配 GD. 疊的 8x8 區塊,如上圖 5,並計算出每個區塊的 α. Library 並於 OpenBSD 3.7 系統下開發及執行。. 值,並且由算出的 α 值可以得知此區塊嵌入之位. 由於原 PSNR 公式僅定義於灰階影像,本論. 元為何,再加上我們搭配了展頻技術及投票法,因. 文實驗皆為 RGB 之彩色影像,因此將原 PSNR 公. 此一個位元值通常須由 3 到 5 個區塊來決定最終值. 式稍作修改,如式(6):. 為 0 或 1,如此便能夠大大地提升資訊的正確率。 當我們取回正確的資訊後,再利用演算式(5) 將藏有資訊的結果影像還原成原始的來源影像。. 3.5. (6). 色彩還原. 於經由色彩轉換後的結果影像上取出資訊. 4.1. 資訊隱藏. 後,緊接著便是對該影像做還原色彩的處理;由於 我們是以 Reinhard 提出的色彩轉換演算法為基. 實驗中,我們以 8 張解析度為 1600x1200 的. 礎,因此在色彩還原的部份,我們僅需對 Reinhard. 影像進行測試。首先,在第一組的實驗裡,我們直. 演算法中負責處理色彩轉換的部份做反運算的處. 接以 Ni 的演算法嵌入 468 個位元,並將結果配合. 理即可獲得原始的來源影像,演算式如式子(5),. PSNR 值,列於表格 8。由表格 1 可以明顯的觀察. 注意,等式的左邊即為我們所欲得到的-還原後的. 出直接使用此演算法藏入資訊後的影像,仍然保有. 來源影像。. 相當高的 PSNR 值,但是由於影像經過 JPEG 格式 壓縮[2],使得取出後的位元資訊若沒有經過錯誤 檢查碼或投票法的修正,錯誤率可能高達 34%, 也就是在 468 個位元中,有高達 162 個位元發生錯. 8.

(9) 源影像相同,並具有 33.4dB 的 PSNR 值。圖 12. 誤,如表格 1 中的 Sample4。 我們將表格 1 的實驗結果影像展示於圖 8 及. 與 13 為另兩組試驗模型,排列方式與日出模型相. 9,其中圖 8-(a)為使用的原始影像,圖 8-(b)為藏入. 同,此兩個模型還原後仍具有 45.8dB 與 39.15dB. 資訊後的結果影像,為了視覺化原始影像與藏入資. 的 PSNR 值。. 訊後的結果影像之差別,我們將兩張影像相減,結. 根據實驗結果證實,我們提出的演算法,可. 果如圖 8-(c),但由於差異並不明顯,因此我們將. 以成功的還原結果影像之色彩,回復成原來的來源. 差異放大 10 倍展示於圖 8-(d)。圖 9 則為 Sample2~8. 影像,使其色彩分佈與來源影像相同,於還原後依. 之實驗結果,同樣也展示了兩張影像差異值放大. 然保有較高的影像品質。. 10 倍後的結果。. 五、結論與未來工作. 觀察圖 8 及圖 9,被嵌入資訊後的影像不會 產生明顯的雜點,而且仍然保持著 40dB 以上的 PSNR 值,視覺上幾乎感受不出影像被藏入資訊,. 本文提出一具可逆能力的色彩轉換演算法,首. 但由於 JPEG 在成圖時須經過壓縮,使得取回的資. 創讓色彩轉換後之結果影像具備了色彩還原的能. 訊時不全然正確,造成日後無法正確還原影像,因. 力。我們運用色彩轉換演算法配合資訊隱藏的技. 此我們為 Zhicheng 的演算法加入展頻技術與投票. 術,將來源影像及目標影像在 lαβ 色彩空間的平. 法,企圖提高資訊提取的正確性;緊接著展示經由. 均值與標準差嵌入結果影像中,經由實際測試與分. 我們修正過後的結果表格 2 列出 Sample1~8 展頻. 析顯示,具可逆能力的色彩轉換演算法確實不僅成. 的倍數及 PSNR 值。. 功的使得色彩轉換後的結果影像還原成原始影. 圖 10 則為實驗結果影像,在我們運用展頻技. 像,具有相當不錯之成效,其 PSNR 值均維持在 30dB 以上。. 術配合投票法,展頻三倍或五倍之後,即可使得取 回的資訊正確率接近於 100%,數值上僅有些微的. 我們提出的演算法至少具三項優點。第一、記. 誤差,在圖 10 的結果中,我們更發現即使經過展. 憶體空間的節省:我們利用具可逆能力的色彩轉換. 頻,藏入資訊後的結果影像也不會有明顯的雜訊產. 演算法,使得藏有變數的結果影像,可以藉由色彩. 生,並且仍然保持著相當高的 PSNR 值,視覺上. 還原運算式而得到原始的來源影像,如此僅需要儲. 亦是幾乎看不出影像被藏入資訊。經由上述實驗,. 存結果影像,而無須再儲存原始來源影像的必要,. 證明我們的方法可以確保資訊隱藏後取出資料之. 使得原本需要兩張影像的空間,只需存放一張結果. 正確性,並且保有相當高的 PSNR 值。. 影像即可,節省了記憶體空間。第二、更多次的色 彩轉換:將結果影像經過色彩還原,除了獲得的原. 4.2. 色彩還原. 始來源影像,也能將隱藏其中的目標影像平均值與 標準差取得,用來做下次色彩轉換的參考基準,以. 在此部分,展示三組色彩轉換還原之結果,. 搭配多張不同的目標影像進行色彩轉換。第三、快. 我們先以兩組 Reinhard[9]論文的日出模型及城堡. 速的還原時間:在演算法中,經過色彩還原運算式. 模型進行實驗,再以先前的 Sample4 進行實驗。. 以獲取原始來源影像的時間在 5 秒以內都可完成,. 圖 11 為 Reinhard 論文的日出模型,以我們. 演算法適合被使用於行動裝置上。. 的演算法進行色彩轉換後並藏入資訊的結果影像. 儘管演算法還原的效果良好,能夠使得人類. 為圖 11-(c),接著把結果影像進行還原,還原之後. 視覺系統無法察覺到其中的差異性,但是我們認為. 的結果為圖 11-(d),觀察還原後的影像,我們提出. 尚有的進步空間。未來的研究目標為發展視覺效果. 的方法確實成功的還原其色彩,使其色彩分佈與來. 更優異的還原演算法。. 9.

(10) 表 1:不使用錯誤檢查碼的情型下,取出資訊的錯誤率可能高達 34.6% 影像. 可藏 bit 的 block. 嵌入資訊之位元. 嵌入資訊後之 PSNR. 取出後錯誤. (1600x1200). 數. 總數. (dB)值. 的位元數. Sample1. 11,805. 468. 54.14. 154. 32.9%. Sample2. 21,339. 468. 86.62. 56. 11.9%. Sample3. 10,408. 468. 48.05. 18. 3.8%. Sample4. 11,001. 468. 42.17. 162. 34.6%. Sample5. 26,801. 468. 99.52. 2. 0.4%. Sample6. 11,429. 468. 50.98. 12. 0.2%. Sample7. 12,994. 468. 74.43. 30. 6.4%. Sample8. 9,864. 468. 58.71. 52. 11.1%. (a) 原始影像. (b) 藏入資訊後影像. (c) 差異影像,即 a-b. (d) 將差異放大 10 倍後結果. 圖 8:資訊隱藏於 JPEG 影像,實驗結果(Sample 1)。. 10. 錯誤率.

(11) 2. 3. 4. 5. 6. 7. 8. (a) 原始影像. (b) 藏入資訊後影像. (c) 差異影像,即(a-b)*10. 圖 9:資訊隱藏於 JPEG 影像,實驗結果(Sample 2~8)。. 11.

(12) 表 2:達到取出位元的正確率為 100% 時,所需展頻的倍數及 PSNR 值。 影像. 展頻. 嵌入資訊之位元總數. 嵌入資訊後之 PSNR (dB)值. Sample1. 468. 49.52. 5. Sample2. 468. 83.74. 3. Sample3. 468. 47.33. 3. Sample4. 468. 39.15. 5. Sample5. 468. 90.08. 3. Sample6. 468. 49.14. 3. Sample7. 468. 72.64. 3. Sample8. 468. 56.22. 3. (1600x1200). 1. 2. 3. 4. 5. 12. 倍數.

(13) 6. 7. 8. (a) 原始影像. (b) 藏入資訊後影像. (c) 差異影像,即 a-b. 圖 10:展頻後,取出資訊正確率為 100%,所呈現之結果。. (a) 來源影像. (b) 目標影像. (c) 被藏入資訊後的色彩轉換結果. (d) 經由提取資訊後還原的結果. 圖 11:日出模型還原結果,還原後 PSNR=33.4 dB。. 13.

(14) (a) 來源影像. (b) 目標影像. (c) 被藏入資訊後的色彩轉換結果. (d) 經由提取資訊後還原的結果. 圖 12:城堡模型,還原後 PSNR=45.8 dB。. (a) 來源影像. (b) 目標影像. (c) 被藏入資訊後的色彩轉換結果. (d) 經由提取資訊後還原的結果. 圖 13:Sample4 模型還原結果,還原後 PSNR=39.15dB。. 14.

(15) 六、誌謝. [8]. Z. Ni, Y. Q. Shi, N. Ansari, W. Su, Q. Sun, and X. Lin, “Robust Lossless Image Data Hiding,”. 本研究承蒙國科會專題研究計畫之經費補助 NSC. in Proceedings of the 2004 IEEE International. 94-2213-E-005-022、NSC 94-2218-E-164-001、NSC. Conference on Multimedia and Expo, pp.. 94-2815-C-005-026-E 、 NSC 93-2213-E-005-018,. 2199-2202, 2004.. NSC 92-2213-E-005-021,謹此向國科會致謝。. [9]. E. Reinhard, M. Ashikhmin, B. Gooch, and P. Shirley, “Color Transfer between Images,”. 七、參考文獻. IEEE Computer Graphics and Applications, Vol. 21, No. 5, pp. 34-41, 2001.. [1] 吳大鈞,“在影像中隱藏資料的研究”,國立交. [10] E. Reinhard, A. O. Akuyz, M. Colbert, C. E. 通大學博士論文,民國 89 年.. Hughes, and M. O'Connor, “Real-time Color. [2] 吳炳飛、胡益強、瞿忠正、蘇崇彥,JPEG2000. Blending of Rendered and Captured Video”,. 影像壓縮技術,台北市,全華圖書,民國 92. Interservice / Industry Training, Simulation. 年.. and Education Conference, 2004. Nakajima, “A. [11] D. J. Ruderman, T. W. Cronin, and C. C. Chiao,. Framework for Transfer Colors Based on the. “Statistics of Cone Responses to Natural. Basic Color Categories,” in Proceedings of. Images: Implications for Visual Coding,”. Computer Graphics International, pp. 176-181,. Journal of Optical Society of America, Vol. 15,. 2003.. No. 8, pp. 2036-2045, 1998.. [3] Y. Chang, S. Saito, and M.. [4] Y. Chang, S. Saito, K. Uchikawa, M. Nakajima,. [12] C. M. Wang and Y. H. Huang, “A Novel Color. “Example-Based Color Stylization Based on. Transfer Algorithm for Image Sequences,”. Categorical Perception,” in Proceedings of the. Journal. 1st Symposium on Applied perception in. Engineering, Vol. 20, No. 6, pp. 1039-1056,. graphics. 2004.. and. visualization,. Los. Angeles,. Colorization,”. in. Image. Matting. Proceedings. of. Science. and. “Transferring Color to Greyscale Images,” in. [5] T. Chen, Y. Wang, V. Schillings, and Christoph “Grayscale. Information. [13] T. Welsh, M. Ashikhmin, and K. Mueller,. California August 07-08, pp. 91-98, 2004. Meinel.. of. Proceedings of SIGGRAPH 2002, pp. 277-280,. and. 2002.. Asian. [14] G. Wyszecki and W. S. Stiles, Color Science:. Conference on Computer Vision, 2004. [6] G. Buchsbaum and A. Gottschalk,“Trichromacy,. Concepts and Methods, Quantitative Data and. Opponent Colour Coding and Optimum Colour. Formulae, second edition, John Wiley and. Information Transmission in the Retina,” in. Sons, New York, 1982. [15] M. Zhang and N. D. Georganas, “Fast Color. Proceedings of Royal Society, London, Ser. B. Correction Using Principal Regions Mapping. 220, pp. 89-113, 1983. [7]. S.. Katzenbeisser,. "Information. F.. Hiding. A.P.. in Different Color Spaces,” Real-Time Imaging,. Petitcolas,. Techniques. Vol. 10, pp. 23-30, 2004.. for. Steganography and Digital Watermarking," Artech House Book Company, 2000.. 15.

(16)

參考文獻

相關文件

所謂宗教方法,是指 宗教幫助人實現心靈超越 的方法。不同的宗教,其 宗教方法也是不同的。基 督宗教的宗教方法可稱之

每10個白色積木可以換成1條橘色積 木,直到剩下的白色積木無法換成橘 色積木為止。.

問題類型 非結構化問題 結構化問題 結構化問題 結構化問題 學習能力 不具學習能力 不具學習能力 自錯誤中學習 自錯誤中學習 學習能力 不具學習能力 不具學習能力

1i , l 轉船且事 江永哲 林基源 許夭治 林清江 誓:t清 注群從 簡或發 陳鏡潭 張毒山 1輩學志 手哥哥興. 何福田 黃 J島益 實國彥 牢保玉 毛

董少華 在伊春公安局工作的董少華 1975 年就開始偷聽鄧麗君的歌曲了。現年 60 歲 ( 按: 2013 年 ) 的 董少華說,自己是在

強制轉型:把 profit轉換成double的型態

• 我們通常用 nD/mD 來表示一個狀態 O(N^n) ,轉移 O(N^m) 的 dp 演算法. • 在做每題

• Flash 的打散(Break Apart)功能,可以將群組 物件、點陣圖、文字物件,以及元件轉換成填色