應用改良式差異擴張法於彩色醫學影像之可逆資訊隱藏技術

全文

(1)國立臺灣師範大學工業教育學系碩士論文指導教授：蘇崇彥. 博士. 應用改良式差異擴張法於彩色醫學影像之可逆資訊隱藏技術 Reversible Data Hiding for Color Biomedical Images using Improved Difference Expansion. 研究生：陳鈺棠. 撰. 中華民國一百零四年六月.

(2) 應用改良式差異擴張法於彩色醫學影像之可逆資訊隱藏技術學生：陳鈺棠. 指導教授：蘇崇彥. 博士. 國立臺灣師範大學工業教育學系碩士班. 摘. 要. 在本論文中我們提出了一個應用於彩色醫學影像的可逆資訊隱藏技術，而我們提出的可逆資訊隱藏技術包含了一個改良的差異擴張演算法和一個增加影像品質的嵌入規則。我們擴展了嵌入的條件以增加嵌入的範圍。在某些彩色的影像中，原先的差異擴張法可能會有嵌入資訊容量不足之問題，導致某些特定的資訊無法完全藏入，為了增進嵌入的容量，我們修改了原先差異擴張法的限制條件。此外為了進一步的增進影像的品質，我們定義了一個門檻值。. 經由實驗的結果顯示，我們提出的改良方法能有效的增加嵌入的容量且使用我們的嵌入規則能在三個色彩平面中選擇其中一個色彩平面來嵌入資訊並獲得較佳的影像品質。由實驗結果獲得的峰值信噪比也顯示我們提出的可逆資訊隱藏技術更適合應用於彩色醫學影像。. 關鍵字：可逆資訊隱藏、差異擴張法、彩色醫學影像 i.

(3) Reversible Data Hiding for Color Biomedical Images using Improved Difference Expansion Student：Chen,Yu-Tang. Advisors：Dr.Su,Chung-Yen. Institute of Industrial Education National Taiwan Normal University. ABSTRACT. In our research, we proposed a reversible data hiding scheme for color biomedical images, our proposed scheme consists of an improved difference expansion method and an embedding rule to elevate the image quality. We extended the region of embedding to increase capacity. In some color images, the original difference expansion method might not have enough capacity to embed specific information, so we modify the restrictions of original difference expansion method to increase the embedding capacity. In addition, we define a threshold value to enhance the image quality.. Experimental results show that our proposed method can increase the embedding capacity and our embedding rules can choose one of the three components in a color space for embedding in order to get the quality of embedded images. The results of Peak Signal-to-Ratio also demonstrated our proposed method is suitable for color biomedical images.. Keywords: Reversible Data Hiding, Color Biomedical Images, Difference Expansion. ii.

(4) 誌. 謝. 光陰似箭，轉眼間兩年的時光就這麼過去了，而本論文的完成，首先要以最誠摯的心感謝我的指導教授. 蘇崇彥老師，在我的研究上能夠不厭其煩的給. 予建議、協助並適時的提供正確的研究方向，讓我在碩士生涯中學會了如何發現問題、分析問題及解決問題。也感謝老師願意在基礎不好的我身上從零開始教起，讓我在程式碼的撰寫上有所進步。除了在專業及研究上，在老師的身上我還學到了許多待人處事的方法，從您嚴謹的做事態度與扎實的研究方法，讓我知道成功絕對是靠一點一滴的努力建構出來的。在此同時也要感謝教授、. 葉榮木. 李炯三教授的建議與指導，使本論文更臻完整。. 在這段時間內，感謝我的實驗室同學施哲揚，雖然你常常用屬於你獨特的模式對待所有的人事物，但你特有的模式確也帶給了實驗室及周遭的人歡笑，也感謝實驗室學長游重賢、陳彥霖、林俊宇、黃福安在我的研究上給予的幫助與照顧。感謝實驗室專題生學弟王政鈞、余立安、陳乃魁在這兩年內帶給我許多歡樂。感謝實驗室學弟林俊霖、柳英浩在我碩二的這一年為實驗室分擔了許多責任讓我可以專心做研究。. 感謝 SOC 實驗室的學長劉建輝、吳昇儒在我碩一的時候給我許多研究的建議，感謝吳昇儒學長教我玩桌遊。感謝李星融學長會講一些好笑的大道理紓解我研究的壓力。感謝同學李家宜、張榮堃常來跟我一起討論研究與吃飯聊天讓煩悶的研究增添了許多樂趣。感謝同學趙苡捷跟我一起克服那些有點艱鉅的課程，感謝其他在我碩班兩年中認識的學長姐、同學、學弟妹，感謝大家在這兩年內給我的幫助與歡樂。. iii.

(5) 最後我要感謝我的父母與姐姐對我的無限支持與幫助，讓我可以無憂的完成碩士學位，以及感謝我其他的好友們讓我在這段時間能夠過得開心與充實。. 陳鈺棠. 謹誌于. 臺灣師範大學影像處理實驗室 2015 年 6 月. iv.

(6) 目. 錄. 中文摘要 ....................................................................................................................... Ⅰ 英文摘要 ....................................................................................................................... Ⅱ 誌. 謝 .......................................................................................................................III. 目. 錄 ........................................................................................................................ V. 圖目錄 ..................................................................................................................... VII 表目錄 ...................................................................................................................... IX 第一章. 緒論 .................................................................................................................1. 1.1 1.2 1.3 1.4. 研究背景 ..........................................................................................................1 研究動機 ..........................................................................................................2 研究目的 ..........................................................................................................3 論文架構 ..........................................................................................................4. 第二章. 文獻探討 .........................................................................................................5. 2.1 2.2 2.3 2.4. 可逆資訊隱藏簡介 ..........................................................................................5 可逆資訊隱藏之差異擴張法 ..........................................................................8 可逆色彩空間轉換 ........................................................................................12 文獻回顧 ........................................................................................................13. 第三章. 研究方法 .......................................................................................................16. 3.1 3.2 3.3 3.4 3.5 3.6. 資訊隱藏嵌入之架構 ....................................................................................17 資訊隱藏取出之架構 ....................................................................................21 資訊隱藏嵌入量之問題 ................................................................................24 改良資訊隱藏嵌入之架構 ............................................................................26 改良資訊隱藏取出之架構 ............................................................................34 資訊隱藏影像品質之問題 ............................................................................36. 第四章. 實驗結果與數據分析 ...................................................................................39. 4.1 4.2 4.3 4.4. 測試方法 ........................................................................................................42 評估方法 ........................................................................................................43 影像品質與標準差分析 ................................................................................45 資訊嵌入量與門檻值分析 ............................................................................49. 第五章. 可攜裝置之實現 ...........................................................................................53. v.

(7) 5.1 5.2. 開發環境 ........................................................................................................53 應用程式說明 ................................................................................................55. 第六章. 結論與未來展望 ...........................................................................................58. 參考. 文. 附錄. 一 ...................................................................................................................62. 附錄. 二 ...................................................................................................................72. 自學術. 獻 ...........................................................................................................59. 傳 .......................................................................................................................96 成. 就 ...........................................................................................................97. vi.

(8) 圖目錄. 圖 1-1 多媒體檔案的組成 .......................................................................................1 圖 2-1 差異擴張法之像素對示意圖 .......................................................................7 圖 3-1 可逆資訊隱藏之嵌入架構 .........................................................................17 圖 3-2 差異擴張嵌入檢查流程 .............................................................................19 圖 3-3 可逆資訊隱藏之取出架構 .........................................................................21 圖 3-4 資訊隱藏嵌入架構之可藏容量不足之問題.............................................24 圖 3-5 改良可逆資訊隱藏嵌入架構 .....................................................................26 圖 3-6 當 x、y 皆為正數之嵌入範圍 ...................................................................28 圖 3-7 當 x、y 為有正數有負數之嵌入範圍 .......................................................29 圖 3-8 需要修改取出公式的嵌入範圍 .................................................................30 圖 3-9 不嵌入資訊的範圍 .....................................................................................32 圖 3-10 增加的嵌入範圍 .........................................................................................33 圖 3-11 改良資訊隱藏取出之架構.........................................................................34 圖 3-12 原始 RGB 值 ..............................................................................................36 圖 3-13 原始 YUV 值 ..............................................................................................36 圖 3-14 差異擴張 .....................................................................................................37 圖 3-15 新的 YUV 值 ..............................................................................................37 圖 3-16 新的 RGB 值 ..............................................................................................37 圖 4-1 原始的數位影像 .........................................................................................40 圖 4-2 嵌入的二值化影像資訊 .............................................................................41 圖 4-3 各門檻值的規則符合率 .............................................................................48 圖 4-4 bio001 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖...............50 圖 4-5 bio002 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖...............51 圖 4-6 bio003 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖...............52 圖 5-1 開發工具之介面 .........................................................................................53 圖 5-2 開啟應用程式 .............................................................................................55 圖 5-3 產生二值化影像 .........................................................................................55 圖 5-4 選取的原始彩色數位影像 .........................................................................56 圖 5-5 location map 資料讀取 ...............................................................................56 圖 5-6 嵌入資訊取出 .............................................................................................57 附錄圖 1 bio001 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 .................72 附錄圖 2 bio002 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 .................73 附錄圖 3 bio003 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 .................74 附錄圖 4 bio004 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 .................75 附錄圖 5 bio005 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 .................76 vii.

(9) 附錄圖 6 bio006 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 .................77 附錄圖 7 bio007 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 .................78 附錄圖 8 bio008 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 .................79 附錄圖 9 bio009 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 .................80 附錄圖 10 bio010 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 ...............81 附錄圖 11 bio011 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 ...............82 附錄圖 12 bio012 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 ...............83 附錄圖 13 bio013 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 ...............84 附錄圖 14 bio014 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 ...............85 附錄圖 15 bio015 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 ...............86 附錄圖 16 bio016 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 ...............87 附錄圖 17 bio017 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 ...............88 附錄圖 18 bio018 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 ...............89 附錄圖 19 bio019 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 ...............90 附錄圖 20 bio020 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 ...............91 附錄圖 21 bio021 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 ...............92 附錄圖 22 bio022 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 ...............93 附錄圖 23 bio023 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 ...............94 附錄圖 24 bio024 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖 ...............95. viii.

(10) 表目錄. 表 2-1 演算法比較表 ...............................................................................................7 表 2-2 文獻優缺點比較 .........................................................................................15 表 4-1 門檻值 T=5 時各色彩平面的標準差及 PSNR .........................................45 表 4-2 門檻值 T=10 時各色彩平面的標準差及 PSNR .......................................46 表 4-3 門檻值 T=15 時各色彩平面的標準差及 PSNR .......................................47 表 4-4 各門檻值符合張數 .....................................................................................48 表 4-5 bio001 影像在 U 色彩平面與 V 色彩平面增進的嵌入量.......................50 表 4-6 bio002 影像在 U 色彩平面與 V 色彩平面增進的嵌入量.......................51 表 4-7 bio003 影像在 U 色彩平面與 V 色彩平面增進的嵌入量.......................52 表 5-1 電腦軟硬體規格 .........................................................................................54 附錄表 1 門檻值 T=5 時各色彩平面的標準差及 PSNR ...........................................62 附錄表 2 門檻值 T=10 時各色彩平面的標準差及 PSNR .........................................63 附錄表 3 門檻值 T=15 時各色彩平面的標準差及 PSNR .........................................64 附錄表 4 門檻值 T=20 時各色彩平面的標準差及 PSNR .........................................65 附錄表 5 門檻值 T=25 時各色彩平面的標準差及 PSNR .........................................66 附錄表 6 門檻值 T=30 時各色彩平面的標準差及 PSNR .........................................67 附錄表 7 門檻值 T=35 時各色彩平面的標準差及 PSNR .........................................68 附錄表 8 門檻值 T=40 時各色彩平面的標準差及 PSNR .........................................69 附錄表 9 門檻值 T=45 時各色彩平面的標準差及 PSNR .........................................70 附錄表 10 門檻值 T=50 時各色彩平面的標準差及 PSNR .......................................71 附錄表 11 bio001 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................72 附錄表 12 bio002 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................73 附錄表 13 bio003 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................74 附錄表 14 bio004 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................75 附錄表 15 bio005 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................76 附錄表 16 bio006 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................77 附錄表 17 bio007 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................78 附錄表 18 bio008 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................79 附錄表 19 bio009 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................80 附錄表 20 bio010 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................81 附錄表 21 bio011 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................82 附錄表 22 bio012 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................83 附錄表 23 bio013 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................84 附錄表 24 bio014 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................85 附錄表 25 bio015 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................86 ix.

(11) 附錄表 26 bio016 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................87 附錄表 27 bio017 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................88 附錄表 28 bio018 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................89 附錄表 29 bio019 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................90 附錄表 30 bio020 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................91 附錄表 31 bio021 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................92 附錄表 32 bio022 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................93 附錄表 33 bio023 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................94 附錄表 34 bio024 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 .......................95. x.

(12) 1 第一章緒論. 1.1 研究背景近年來，隨著科技的日新月異，資訊的蓬勃發展，越來越多的人擁有一台甚至多台的智慧型手持裝置(例如手機、平板)，在這瞬息萬變的時空下，人們透過手持可攜裝置(Portable Device)、筆記型電腦、桌上型電腦、智慧型電視(Smart TV)，將多媒體(Multimedia)檔案透過網際網路(Internet)快速的交換及傳遞，然而這些多媒體檔案，包括動畫(Animation)、文字(Text)、圖片(Image)、照片(Picture)、影片 (Video)及音樂(Audio)…等，大多是以數位的方式來儲存，如圖1-1所示。. 文字. 聲音. 多媒體圖片. 照片影片圖 1-1. 多媒體檔案的組成. 在資訊數位化的年代，許多的重要資訊也透過數位化的方式儲存及傳遞，包括衛星空照圖、軍事機密資訊、醫療診斷資料。因此，這些重要的多媒體檔案在 1.

(13) 透過網際網路傳送時必須特別考慮其安全性、真實性及保密性，避免有心人士惡意的竊取或篡改。. 在資訊隱藏的技術(Information hiding)[1]中，數位浮水印就是一項技術可將資訊隱藏在其中，並提高其安全性以及驗證其真實性，此技術可將版權資訊(例如醫院標誌、名稱)或軍事機密(例如重要設施座標位置、攻擊任務代號)隱藏在數位媒體中(例如醫療影像、軍事地圖)，再從特定的媒體取出隱藏的資訊，判斷其的真實性，避免使用錯誤的資訊。. 1.2 研究動機在上述的研究背景下，醫療領域受到全球化的影響，目前大多數的先進醫療診斷中心及醫院經常地透過網際網路交換生物醫學資訊，共同研究治療的案例以及改善診斷的結果。. 數位化的醫療資訊在傳輸的過程中，必須考慮資料的安全性及真實性，在以往的浮水印技術中會將醫院的標誌，嵌入醫學影像中提供版權保護的資訊，用以提升其安全性與真實性。. 為了增進診斷的結果，我們不僅將醫院標誌嵌入醫療影像，還嵌入電子病歷資訊(Electronic Patient Record，EPR)[2]，包含病人的名字、身分證字號、體溫、心跳、看診的日期及時間…等。我們可將上述之資訊轉換成浮水印嵌入醫學影像中，而將浮水印嵌入醫學影像中會導致影像的失真(Distortion)，但醫學影像是用來診斷疾病用的，當醫學影像嚴重的失真可能會導致錯誤的診斷。有些研究[3][4] 在不影響診斷結果的最小容許範圍內將少量的資訊嵌入醫學影像中，因此如何在. 2.

(14) 不影響診斷的結果(也就是降低醫學影像的失真程度)與可藏入診斷的資訊量中做一個取捨，是一項艱鉅的挑戰。. 可逆資訊隱藏(Reversible Data Hiding)是一種特別的浮水印技術，它不僅能將隱藏的資訊(例如EPR)從被藏入後的影像中取出也能同時還原被嵌入前的影像，而這種特性相當適合運用在醫學影像上[5]，因為此特性可讓藏入影像達到零失真的還原，也就是無損(Lossless)，如此一來可以避免錯誤的診斷，延誤治療的黃金期。. 1.3 研究目的在可逆資訊隱藏技術領域中，已有眾多的專家學者提出了許多的研究 [9][10][11]，但在大多數的研究中所使用的數位影像皆為灰階影像。現今，在生物醫學工程技術的發展與科技的進步，有越來越多的醫學影像是以彩色的數位影像來儲存的，不再只有使用灰階影像而已，人們對於彩色的影像的喜愛度也比較高，而且彩色數位影像所提供可嵌入的空間容量比灰階影像大的多，因為彩色的影像擁有三個色彩平面而灰階影像只有一個色彩平面，所以能提供嵌入的容量為灰階影像的三倍，如能應用於需要嵌入大量資訊的醫療影像，是再適當不過的。. 本論文是以Jun Tian[12]演算法為基礎，最主要是將其演算法改良並套用在彩色影像，使其也能應用在彩色的醫學影像上，而在彩色影像中我們提出了嵌入色彩平面選擇的規則，在此規則下能使被嵌入的彩色影像有比較好影像品質，用於增強其安全性在視覺感受中不易被察覺其嵌入了一些特殊的資訊。. 3.

(15) 1.4 論文架構本論文的內容主要分為六個章節，第一章為緒論，主要介紹研究的背景、動機及目的；第二章為文獻探討，將介紹可逆資訊隱藏技術及彩色影像的色彩空間轉換，接著介紹可逆資訊隱藏技術中的差異擴張法；第三章為研究方法，將介紹本論文實驗的流程及架構，以及實驗的過程中參考Jun Tian[12]演算法遇到的問題與解決的方法；第四章為實驗的結果與數據分析整理；第五章為可攜裝置之實現；最後一章為本論文的結論與未來展望分析。. 4.

(16) 2 第二章文獻探討. 2.1 可逆資訊隱藏簡介可逆資訊隱藏，也可以稱之為無損的資訊嵌入，我們將不可視的資訊以可逆的方式藏入一張數位影像中。在可逆資訊隱藏中，我們必須維持某種程度的影像品質也就是降低嵌入資訊後的影像品質衰減度。可逆資訊隱藏的重要特色就是它的可逆性。所謂可逆性就是即使我們將藏入的資訊移除後，仍然能夠還原原始的影像。. 從資訊隱藏的觀點來看，可逆資訊隱藏是一種方法，將資訊藏入數位影像中，在被授權的一方可從藏入資訊的數位影像中將隱藏的訊息解碼出來，除此之外還能將數位影像還原到初始狀態。一個好的可逆資訊隱藏演算法可以透過下列特性來做評估。. (1) 可藏的資訊量(Payload capacity limit)：也就是說我們能在一張數位影像上最多可以藏入的資訊量。 (2) 視覺影像品質(Visual quality) ：在一張數位影像中被藏入資訊後，會改變影像的像素值，而隨者像素值的改變，影像的品質也會隨之變動，為了提高其不被察覺的特性(Imperceptibility)，視覺影像也是相當重要的特性之一。 (3) 演算法複雜度(Complexity)：在資訊隱藏中，能夠快速又簡單的將要隱藏的資訊嵌入數位影像及從數位影像取出，這其中的關鍵點取決於演算法的複雜度，好的演算法能夠提高資訊隱藏的效率，同時也考量了後續應用時使用者的感受。. 5.

(17) 在一些資訊隱藏的研究中，雖然藏入資訊的影像看似沒有被藏入資訊，也就是其不易察覺性較高。但是當數位影像被嵌入一些資訊後難免會改變原始影像的像素值，即使是很微小的像素值變化也可能會造成一些錯誤。尤其是在一些用途需要精密影像資訊，例如軍事用途與醫療用途。在某些場合中，即使是一些細微的資訊都是非常的重要的。任何的影像變化將會影響資訊的判讀與解析，所以有的時候我們必須使用原始的影像資訊。. 從應用的觀點來看，可逆資訊隱藏可以被用來傳送及攜帶資訊，由於從人類的肉眼幾乎是無法察覺原始的影像與被嵌入影像的差異，因此可逆資訊隱藏可被用來當作一種秘密傳輸的管道。藉由嵌入資訊認證碼，可逆資訊隱藏提供了一種自我認證的機制，不需要再使用其他中繼資料(Metadata)[19]。. 在可逆資訊隱藏技術中，大多的相關文獻主要分為兩種演算法，一種是直方圖位移法[13]，另一種是差異擴張法(Difference Expansion)[12]。這兩種可逆資訊隱藏的演算法各有其優點及缺點，我們把兩個演算法做個比較，如表2-1所示。. 直方圖位移法是一種可簡單實現並且在可逆還原不需要過多繁瑣的步驟，透過稍微的修改直方圖，及可將需要隱藏的資訊藏入數位影像中。它需要考慮的是原始影像整張圖的特性。首先我們產生原始影像的直方圖，接者記錄直方圖中最大的像素值，然後利用特定的移動，調整直方圖向左或向右位移，我們就可以將要隱藏的資訊位元藏入數位影像中。. 差異擴張法是一種需要考慮原始影像特性，將隱藏的資料嵌入在局部影像的方法，應用於一對的像素值(𝑥, 𝑦)如圖2-1所示，而這種嵌入資料的概念是使兩個像素值的平均值保持相同和兩個像素之間的差，用特定的擴張來嵌入我們要隱藏 6.

(18) 的資訊位元，而像素值(𝑥, 𝑦)經過差異擴張嵌入資訊後可以得到(𝑥 ′ , 𝑦 ′ )，我們將會在下一節做更詳細的介紹。. x. 圖 2-1 表 2-1. y. 差異擴張法之像素對示意圖. 演算法比較表. 演算法. 優點. 缺點. 演算法簡單容易實現，又能可藏的資訊量會因不同的直方圖位移法. 維持一定的視覺影像品質. 數位影像特性有所限制. 演算法簡單且可藏的資訊視覺影像品質會因為像素差異擴張法. 量比其它演算法來的大. 值的差異越大失真的程度也越高. 7.

(19) 2.2 可逆資訊隱藏之差異擴張法在本節將會介紹可逆資訊隱藏，首先會用個簡單例子來介紹差異擴張，接者介紹可逆的整數轉換，而利用可逆的整數轉換，我們可以得到差異擴張法的公式。. 假設我們有兩個像素值(Pixel Value)分別為𝑥 = 206，𝑦 = 201，而我們要嵌入的資訊為一個位元 𝑏 = 1 ，首先我們計算出兩個像素值的平均值 𝑙 及兩個像素值的差 ℎ 如方程式(2-1)及(2-2). 𝑙=⌊. 206+201 2. 407. ⌋=⌊. 2. ⌋ = 203. ℎ = 206 − 201 = 5. (2-1). (2-2). 在這裡⌊‧⌋表示地板函數(Floor Function)，也就是小於或等於的最大整數。接下來我們將兩個像素值的差 ℎ 用二進制的方式表示 ℎ = 5 = 1012 ，然後我們在 ℎ 二進制的表示最後面附加一個要嵌入的位元 𝑏 也就是最低有效位元(Least Significant Bit，LSB），於是我們可以得到一個新的差異值 ℎ′ ， ℎ′ 可以表示為 ℎ′ = 101𝑏2 = 10112 = 11。在數學中，這相當於下列方程式(2-3)。. ℎ′ = 2 × ℎ + 𝑏 = 2 × 5 + 1 = 11. (2-3). 最後我們，基於新的差值 ℎ′ 與原本像素值的平均值 𝑙 計算出新的像素值 𝑥 ′ 與 𝑦 ′ ，如方程式(2-4)及(2-5)所示. 11+1. 𝑥 ′ = 203 + ⌊. 8. 2. ⌋ = 209. (2-4).

(20) 11. 𝑦 ′ = 203 − ⌊ ⌋ = 198 2. (2-5). 我們可以從被嵌入資訊位元的(𝑥 ′ , 𝑦 ′ )對中將嵌入位元𝑏取出並還原(𝑥, 𝑦)對，我們再一次計算(𝑥 ′ , 𝑦 ′ )的平均值 𝑙′ 及差值 ℎ′ ，如方程式(2-6)及(2-7)所示。. 𝑙′ = ⌊. 209+198 2. ⌋ = 203 = 𝑙. ℎ′ = 209 − 198 = 11. (2-6). (2-7). 我們將 ℎ′ 用二進制的方式來表示 ℎ′ = 11 = 10112 在將最低有效位元取出，在這個例子中最低有效位元為1，然後我們將最低有效位元取出後我們可以知道原本的兩個像素值差為 ℎ = 1012 = 5 ，在數學上這相當於方程式(2-8)及(2-9)。 𝑏 = LSB(ℎ′ ) = 1 ℎ′. ℎ=⌊ ⌋=5. (2-8). (2-9). 2. 最後我們可以利用平均值 𝑙′ 和還原後的差值 ℎ ，完全地還原(𝑥, 𝑦) ，如方程式(2-10)及(2-11)。. 5+1. 𝑥 = 203 + ⌊. 5. 2. ⌋ = 206. 𝑦 = 203 − ⌊ ⌋ = 201 2. (2-10). (2-11). 在上述的例子，我們利用兩個像素值的差使有效的長度位元從3 bits(ℎ = 5)增加到4 bits(ℎ′ = 11)，而這種可逆的資料嵌入運算ℎ′ = 2 × ℎ + 𝑏就稱之為差異擴張。. 9.

(21) 由上面簡單的例子我們可以知道什麼是差異擴張，接著我們要介紹可逆的整數轉換，而這個轉換的過程在上述差異擴張的例子中已經使用到了，對於一對8 bits的灰階值(𝑥, 𝑦)對，(𝑥, 𝑦) ∈ Z，0 ≤ 𝑥, 𝑦 ≤ 255，我們定義(𝑥, 𝑦)的平均值 𝑙 及和差 ℎ ，如方程式(2-12)及(2-13). 𝑙=⌊. 𝑥+𝑦 2. ⌋. (2-12). ℎ =𝑥−𝑦. (2-13). 由上述方程式可得反轉換 𝑥 =𝑙+⌊. ℎ+1 2. ⌋. ℎ. 𝑦=𝑙−⌊ ⌋ 2. (2-14). (2-15). 可逆整數轉換在(𝑥, 𝑦)與(𝑙, ℎ)之間的關係為一對一從(2-14)與(2-15)方程式中，我們為了預防產生溢位(overflow)及下溢(underflow)的問題產生，因此我們將(𝑥, 𝑦) 的範圍限制在[0,255]，我們可以寫成下列式子(2-16)及(2-17)。. ℎ+1. 0≤𝑙+⌊. 2. ℎ. ⌋ ≤ 255. 0 ≤ 𝑙 − ⌊ ⌋ ≤ 255 2. (2-16). (2-17). 因為 𝑙 及 ℎ 都是整數，我們可以由(2-16)導出下列不等式(2-18)及(2-19)。. 10.

(22) |ℎ| ≤ 2(255 − 𝑙). (2-18). |ℎ| ≤ 2𝑙 + 1. (2-19). 從上列式子的我們可以看出𝑙的條件範圍相當於下列式子(2-20). {. |ℎ| ≤ 2(255 − 𝑙), |ℎ| ≤ 2𝑙 + 1,. 11. 𝑖𝑓 128 ≤ 𝑙 ≤ 255 𝑖𝑓 0 ≤ 𝑙 ≤ 127. (2-20).

(23) 2.3 可逆色彩空間轉換可逆色彩轉換[18]是一種將不同色彩成份彼此之間相依關係去除的轉換，也就是我們所謂去相關(Decorrelation)，它是一種無所損的色彩轉換且轉換後的輸出值為整數值。對於一張RGB的彩色數位影像，透過下列轉換公式(2-21)進行可逆的色彩轉換 𝑅+2𝐺+𝐵. 𝑌=⌊. 4. ⌋. 𝑈 =𝑅−𝐺 𝑉 =𝐵−𝐺. (2-21). 而要執行逆的色彩轉換要透過下列的公式(2-22) 𝑈+𝑉. 𝐺 =𝑌−⌊. 4. ⌋. 𝑅 =𝑈+𝐺 𝐵 =𝑉+𝐺. (2-22). 可逆色彩轉換被認為是一種很接近ITU-R BT.601標準的整數轉換，而ITU-R BT.601標準提供了讓RGB色彩空間轉換到YCrCb色彩空間的三乘三矩陣，可依據下列的方程式(2-23). 𝑌 0.299 𝐶 [ 𝑟 ] = [−0.16875 𝐶𝑏 0.5. 0.587 −0.33126 −0.41869. 𝑅 0.114 0.5 ] [𝐺 ] −0.08131 𝐵. ( 2-23). 由於RGB色彩空間轉換到YCrCb色彩空間的轉換矩陣是非整數的，它需要運用浮點數的運算，而這樣的轉換會有四捨五入的誤差產生，所以它無法運用在可逆的轉換上。由於可逆的資訊隱藏必須完整的還原原始的檔案並且無任何的失真，所以我們選擇的是可逆的色彩轉換，而不是將RGB色彩空間轉換到YCrCb色彩空間。 12.

(24) 2.4 文獻回顧可逆資訊隱藏技術簡單的說，就是將我們要隱藏的資訊與被藏入資訊的數位影像結合後，我們不僅能將藏入的資訊完整的取出也能還原數位影像的原始狀態不會有任何的差異。. 而這種方法應用於醫學上的診察有相當大的幫助，可以將病人的一些生理資訊如病人的名字、身分證字號、體溫、心跳、看診的日期及時間…等，將這些生理資訊或其他診斷資訊嵌入醫學影像中，當醫生在診察的時候將其分開能得到輔助診斷的訊息又能得到無損醫療影像，降低誤診的情況發生。下列依序介紹應用於彩色影像或醫學影像上的可逆資訊隱藏相關文獻。. Jun Tian[12]提出以差異擴張的方法(Difference Expansion)來嵌入要隱藏的資訊，使用此方法的最大好處是可以擁有高資訊量的隱藏空間，且其演算法的複雜度較低，而此法會因兩相鄰像素值之間差異大小而影響其藏入資訊後的影像畫質，也就是視覺影像品質(Visual Quality)，所以在使用此方法必需考慮如何維持一定的視覺影像品質。. Ni等人[13]提出了以基於直方圖的方法(Histogram-based Method)來嵌入要隱藏的資訊，藉由修改數位影像的直方圖，然後利用特定的移動，調整直方圖向左或向右位移，及可達到資訊隱藏的目的，此方法最大好處是能獲得較好的視覺影像品質(Visual Quality)且計算的複雜度也低所以執行的時間比較短，但此法最大的缺點就是會因為影像的特性，使得可藏入的資訊量有所限制。. Huang等人[14]提出了一個整合差異擴張法與基於直方圖法優點的嵌入方法，利用上述兩種演算法優點的特性，分別應用在一張數位影像將不同的部分。首先. 13.

(25) 將一張影像分為平滑區與主動區，將差異擴張法與直方圖法分別應用於平滑區與主動區。而分類的方法是使用四分樹切割法將影像分為不同的大小區塊，平滑區的大小為32 × 32及64 × 64兩種大小，而主動區的大小為16 × 16，使用這種方法的優勢是被嵌入的影像能獲得更好的品質，而此法的缺點是要多紀錄四分樹切割法產生的資訊。. Wu等人[15]提出了一個結合邊緣檢測的差異擴張法，利用Sobel將要嵌入資訊的像素對做分類，分為水平方向、垂直方向及其他三類，此法可降低兩像素的差異也就前兩節中提到的ℎ，此法的優點是嵌入資訊的時候能夠不造成影像破壞程度的增加，缺點是必須紀錄邊緣方向的資訊。. Pal等人[16]提出了一個混合式的資訊隱藏法應用於彩色的生物醫學影像上，主要是利用奇偶法與差異擴張法的混合應用，將資訊隱藏在R色彩平面利用奇偶法嵌入，而將位置地圖(Location Map)紀錄資料嵌入在B色彩平面上，此方法優點是利用兩個色彩平面提高藏入的資訊量，但因為將資料藏入兩個色彩平面改動原始影像的資訊過大，導致影像品質下降。. 14.

(26) 表 2-2. 文獻優缺點比較. 文獻作者. 優點. 缺點. Jun Tian[12]. 可以擁有高資訊量的隱藏因所選的兩鄰像素值的差空間，且其演算法的複雜異大小影響其藏入資訊後度較低. 的影像畫質，也就是視覺影像品質(Visual quality). Ni 等人[13]. 能獲得較好的視覺影像品會因為影像的特性，使得質(Visual quality)且計算. 可藏入的資訊量有所限制. 的複雜度也低所以執行的時間比較短 Huang等人[14]. 被嵌入的影像能獲得更好要多紀錄四分樹切割法產的品質. Wu等人[15]. 生的資訊. 是嵌入資訊的時候能夠不必須紀錄邊緣方向的資訊造成影像破壞程度的增加. Pal等人[16]. 利用彩色影像的兩個平. 資料藏入兩個色彩平面改. 面，可提高藏入的資訊量動原始影像的資訊過大，導致影像品質下降. 15.

(27) 3 第三章研究方法. 在大多數的可逆資訊隱藏技術中，大部分的研究是將資訊嵌入到灰階的數位影像上，而應用在彩色數位影像上的研究是比較少的，在彩色影像的可逆資訊隱藏技術中，普遍是將灰階影像的可逆資訊隱藏技術移植至RGB色彩空間上，有些研究是選擇R、G、B三個色彩平面的其中兩種平面[16]，也有的研究是分別對R、 G、B各個彩色平面去嵌入資訊[17]，而如何在彩色的數位影像上藏入資訊的同時又能獲得最佳的影像品質是較少被研究的。. 在本文裡所提出的改良可逆資訊隱藏技術中，我們將彩色的數位影像透過可逆色彩轉換(Reversible Color Transform，RCT)由RGB色彩空間(Color Space)轉換到YUV色彩空間，在可逆色彩轉換後分為三個平面(Y平面、U平面、V平面)，我們選擇三個平面中的其中一個平面去做資訊隱藏，將資訊藏入後再執行可逆色彩轉換的反轉換，將彩色影像由YUV色彩空間轉換回RGB色彩空間。將資訊隱藏在轉換後的色彩平面(也就是YUV色彩空間)，我們可以得到較好的視覺影像品質 (Visual Quality)，也可提升其不被察覺的特性(Imperceptibility)。. 在本章節裡，首先會先介紹參考Jun Tian[12]所提出的可逆資訊隱藏之嵌入技術並將其應用於彩色的數位影像上，在原嵌入架構下在某些數位影像上會出現可嵌入容量之不足之問題，為解決容量不足之問題，接下來將說明改良後的可逆資訊隱藏架構，可以解決上述嵌入容量不足之問題，我們進一步提出改良後的取出架構，可提高可藏入的容量。最後說明在嵌入時選擇嵌入的位置會造成原始彩色數位影像資訊改動幅度太大造成數位影像品質大幅下降之問題，因此我們定義了一個門檻值，用來選擇適當的嵌入位置以維持一定的影像品質。. 16.

(28) 3.1 資訊隱藏嵌入之架構在本節將會說明本論文的可逆資訊隱藏嵌入之架構，而可逆資訊隱藏嵌入之架構主要可分為六個步驟，分別為影像分解取出RGB資訊、RGB色彩空間轉換到 YUV色彩空間、隱藏資訊轉換為位元流、差異擴張嵌入、YUV色彩空間轉換到 RGB色彩空間、RGB資訊合成影像，如圖3-1所示。. 診斷資訊. 原始彩色影像. 彩色影像分解RGB 資訊. 位元流. RGB色彩空間轉換到 YUV 色彩空間. 差異擴張嵌入. 被嵌入資訊彩色影像. YUV 色彩空間轉換到 RGB 色彩空間. RGB資訊合成彩色影像. 紀錄位置地圖. 圖 3-1. 可逆資訊隱藏之嵌入架構. 步驟一、影像分解取出 RGB 資訊我們將一張位元深度為24的彩色數位影像，分別取出R、G、B平面，而R、G、 B三個色彩平面，每一個色彩平面的位元深度為8。. 17.

(29) 步驟二、RGB 色彩空間轉換到 YUV 色彩空間由步驟一中取出的RGB色彩資訊，透過可逆的色彩轉換後，將一張彩色的數位影像從RGB色彩空間轉變為YUV色彩空間。. 步驟三、隱藏資訊轉換為位元流. 我們將要隱藏的資訊先產生一張二元的數位影像，再將影像轉為位元流，在二元影像中白色的點設為b = 1，黑色的點設為b = 0。. 步驟四、差異擴張嵌入. 選擇YUV色彩空間三個色彩平面的其中一個色彩平面，在這裡假設是選擇Y 平面，將Y平面影像中相鄰的兩個像素值取為一對(𝑥, 𝑦)，再將取出的像素值𝑥、𝑦 透過下列公式完成差異擴張。. 𝑥+𝑦. 𝑙=⌊. ⌋. (3-1). ℎ =𝑥−𝑦. (3-2). ℎ′ = 2 × ℎ + 𝑏. (3-3). 2. ℎ ′ +1. 𝑥′ = 𝑙 + ⌊. 2. ℎ′. 𝑦′ = 𝑙 − ⌊ ⌋ 2. 18. ⌋. (3-4). (3-5).

(30) 差異擴張後可以得到新的( 𝑥 ′ , 𝑦 ′ )，我們在此先檢查( 𝑥 ′ , 𝑦 ′ )是否有溢位 (Overflow)及下溢(Underflow)的問題，檢查(𝑥 ′ , 𝑦 ′ )的值是否介於[0,255]，如果符合再將𝑥 ′ 、𝑦 ′ 的像素值轉換回RGB色彩空間，再檢查RGB像素值是否會有溢位及下溢的問題，RGB值需要介於[0,255]，如果都符合條件我們就將要藏入的資訊b嵌入，並記錄在位置地圖(Location Map)中。. 圖3-2說明在差異擴張嵌入的檢查流程，而檢查流程是在嵌入架構圖中虛線的步驟。. 診斷資訊. 位元流. Y 檢查 0≦x’≦255 0≦y’≦255. U. V. Y YUV轉換 RGB 檢查 R G B 值 0≦R≦255 0≦G≦255 0≦B≦255. U. V. 紀錄位置地圖. 圖 3-2. 差異擴張嵌入檢查流程 19.

(31) 步驟五、YUV色彩空間轉換到RGB色彩空間. 由上個步驟後我們可以得到藏入資訊的Y色彩平面，將修改後的Y色彩平面與U、V兩個色彩平面，透過可逆色彩轉換，由YUV色彩空間轉回RGB色彩空間。. 步驟六、RGB資訊合成. 將步驟五轉換後的R、G、B資訊合成為一張RGB的彩色數位影像並包含有藏入的資訊，此影像的每個像素位元深度為24。. 20.

(32) 3.2 資訊隱藏取出之架構在本節將說明本論文的可逆資訊隱藏的取出架構，可逆資訊隱藏取出之架構主要可分為六個步驟，分別為影像分解取出RGB資訊、RGB色彩空間轉換到YUV 色彩空間、差異擴張取出、位元流轉換隱藏資訊、YUV色彩空間轉換到RGB色彩空間、RGB資訊合成影像，如圖3-3所示。取出位置地圖. 被嵌入資訊彩色影像. 彩色影像分解取出 RGB資訊. RGB色彩空間轉換到 YUV 色彩空間. 差異擴張取出. 原始彩色影像. RGB資訊合成彩色影像. YUV色彩空間轉換到 RGB色彩空間. 診斷資訊. 圖 3-3. 位元流. 可逆資訊隱藏之取出架構. 步驟一、影像分解取出 RGB 資訊將藏入資訊的彩色數位影像，先分解成R、G、B三個色彩平面。步驟二、RGB 色彩空間轉換到 YUV 色彩空間由步驟一中取出的R、G、B色彩資訊，透過可逆的色彩轉換，將一張藏入資訊的彩色數位影像從RGB色彩空間轉變為YUV色彩空間。. 21.

(33) 步驟三、差異擴張取出選擇YUV色彩空間的其中一個色彩平面，在這裡假設是選擇Y平面，將Y平面影像中相鄰的兩個像素值取為一對(𝑥 ′ , 𝑦 ′ )，再將取出的像素值𝑥 ′ 、𝑦 ′ 透過下列公式差異擴張，可取出藏入的資訊 𝑏 。. 𝑙′ = ⌊. 𝑥 ′ +𝑦 ′ 2. ⌋. (3-6). ℎ′ = 𝑥 ′ − 𝑦 ′. (3-7). 𝑏 = 𝐿𝑆𝐵 (ℎ′ ). (3-8). ℎ′. ℎ=⌊ ⌋. (3-9). 2. 𝑥 = 𝑙′ + ⌊. ℎ+1 2. ℎ. 𝑦 = 𝑙′ − ⌊ ⌋ 2. ⌋. (3-10). (3-11). 將 𝑥 ′ 、𝑦 ′ 帶入公式(3-6)及(3-7)可得到 𝑙′ 及 ℎ′ ，我們可以利用新的ℎ′ 來得到我們嵌入的資訊位元 𝑏 如公式(3-8)所示，而要獲得原始彩色數位影像我們必須先將 ℎ′ 利用公式(3-9)得到 ℎ ，然後將 ℎ 及 𝑙′ 帶入公式(3-10)及(3-11)可得到Y平面中的原始彩色數位資訊𝑥、𝑦。. 22.

(34) 步驟四、位元流轉換在上述步驟中取出的位元資訊𝑏所形成之資訊流進行轉換，將位元資訊b = 1 設為白色的點，b = 0設為黑色的點，即可獲得一張含有隱藏資訊的二元影像。. 步驟五、YUV色彩空間轉換到RGB色彩空間. 由上述步驟四我們可以得到藏入之前資訊的Y色彩平面，也就是原始的Y色彩平面資訊，將原始的Y色彩平面與U、V兩個色彩平面，透過可逆色彩轉換，由 YUV色彩空間轉回RGB色彩空間。. 步驟六、RGB資訊合成. 將步驟五轉換後的R、G、B資訊合成為一張RGB的彩色數位影像，此影像每個像素的位元深度為24。. 23.

(35) 3.3 資訊隱藏嵌入量之問題此節將說明在資訊隱藏嵌入架構中，某些彩色的數位影像在嵌入的情況，會有嵌入容量不足之問題，導致某些色彩平面只能藏入少量的資訊，造成無法將特定資訊完全嵌入色彩平面中，但是在色彩平面嵌入容量不足之問題，在本論文所提出的改良嵌入架構中可以有效解決此問題。. 圖 3-4 顯示資訊隱藏嵌入資訊量不足之問題. (a). (b). 圖 3-4 資訊隱藏嵌入架構之可藏容量不足之問題(a)嵌入容量充足之狀況(b)嵌入容量不足之狀況. 在圖3-4(a)正常情況下，我們將資訊藏入彩色數位影像中，在從彩色數位影像中取出我們可以得到完整的嵌入資訊，包含病患姓名、體溫(如圖中t=36.5)、心跳次數(如圖中b=67)、身分證字號及看診日期、時間，但在原先的資訊隱藏嵌入之架構下，我們將資訊嵌入在某些彩色影像中的U平面或V平面就會造成圖3-4(b)之嵌入容量不足情況的發生，無法將特定的資訊藏入影像中。. 24.

(36) 而造成此情況發生的原因是因為彩色數位影像由RGB色彩空間轉換到YUV 色彩空間時，由於可逆色彩轉換的公式在U平面(方程式3-13)、V平面(方程式3-14) 是由R、G、B三個色彩資訊中的兩個色彩資訊的像素值相減，由於相減的運算會造成像素值有正有負，在差異擴張法中為了預防產生溢位及下溢的問題產生，所以將嵌入後的色彩平面像素值範圍限制在[0,255]，此範圍限制會造成只有少數的像素對可以用來藏入資訊，而此問題只有在U平面及V平面上才會發生而在Y平面的轉換公式(方程式3-12)不會產生負的像素值，所以不會有嵌入容量之不足發生。. 𝑌=⌊. 𝑅+2𝐺+𝐵 4. ⌋. (3-12). 𝑈 =𝑅−𝐺. (3-13). 𝑉 =𝐵−𝐺. (3-14). 為了解決上述U平面、V平面嵌入容量不足之問題，本論文提出了一改良資訊隱藏之架構，可有效提升嵌入容量。. 25.

(37) 3.4 改良資訊隱藏嵌入之架構本節將說明本論文提出之改良的可逆資訊隱藏嵌入架構，在原先的可逆資訊隱藏嵌入架構中，由於差異擴張法公式的範圍限制導致像素值為負值的像素點無法用來嵌入資訊。. 為了解決嵌入容量不足之問題，我們修改原先的可逆資訊隱藏中差異擴張嵌入步驟的限制範圍，來增加可用的像素點。改良後的資訊隱藏嵌入架構可分為六個步驟，分別為影像分解取出RGB資訊、RGB色彩空間轉換到YUV色彩空間、隱藏資訊轉換為位元流、改良差異擴張嵌入、YUV色彩空間轉換到RGB色彩空間、 RGB資訊合成。. 圖3-5為改良後可逆資訊隱藏嵌入架構圖. 診斷資訊. 原始彩色影像. 彩色影像分解取出 RGB資訊. 位元流. RGB色彩空間轉換到 YUV 色彩空間. 改良差異擴張嵌入. 被嵌入資訊彩色影像. YUV 色彩空間轉換到 RGB 色彩空間. RGB資訊合成彩色影像. 紀錄位置地圖. 圖 3-5. 改良可逆資訊隱藏嵌入架構. 26.

(38) 從圖3-5中，可以看到紅色虛線框裡的步驟為修改原先可逆資訊隱藏嵌入架構中差異擴張嵌入的步驟，而其餘的步驟皆與原先的可逆資訊隱藏嵌入架構相似，接下來我們會詳細介紹修改過的步驟。. 步驟一、步驟二、步驟三、步驟五、步驟六皆與原先的資訊隱藏嵌入之架構相同，可參考3.1節。接下來介紹步驟四改良後的差異擴張嵌入。. 步驟四、改良差異擴張嵌入改良的嵌入架構中，U平面或V平面上的像素值可能會出現像素值為負的情況，也就是說我們選擇的(𝑥, 𝑦)可能會有正正、正負、負正、負負四種組合，在上述幾種的(𝑥, 𝑦)組合中並不是每個情況都能直接將資訊𝑏藏入數位影像中，所以我們將嵌入的組合分為幾種狀況，我們將像素值的範圍用笛卡兒坐標系統來表示可嵌入的範圍。. 先說明可嵌入的範圍，分別為三種情況，情況一、紅色斜邊範圍，情況二、紫色點範圍，情況三、黃色點範圍。. 可嵌入範圍. 條件一、紅色斜邊範圍當𝑥、𝑦都在第一象限內的時候，也就是𝑥、𝑦都是正數，如圖3-6表示𝑥、𝑦介於0到255之間，在此狀況下我們可以直接的將𝑥、𝑦利用差異擴張的嵌入公式將資訊𝑏藏入數位影像中。. 在條件一的範圍是Jun Tian[12]提出方法使用的範圍，同時也是差異擴張法應 27.

(39) 用於數位灰階影像上的範圍，如圖3-6所示。. y. x. 圖3-6. 當x、y皆為正數之嵌入範圍. 條件二、紫色點範圍. 在圖3-7中，在二、四象限上的𝑥、𝑦點是必須同時為奇數或同時為偶數我們才做嵌入；在第三象限上的𝑥、𝑦的點必須是同時為偶數或奇數的條件才嵌入資訊；在y軸上則為x座標等於零，y座標為負的偶數時嵌入資訊；在x軸上則為y座標為零， x座標為負的偶數時嵌入資訊。在此狀況下我們也是直接將𝑥、𝑦利用差異擴張的嵌入公式將資訊𝑏藏入數位影像中。 28.

(40) 當我們將嵌入範圍從第一象限擴展到第二、第三及第四象限後，原先在U平面或V平面上嵌入空間不足之問題，可以獲得大幅度的改善。而在嵌入的條件三中我們可進一步增加嵌入的範圍，如此可讓嵌入的容量再微幅增加。. y. x. 圖3-7. 當x、y為有正數有負數之嵌入範圍. 條件三、黃色點範圍. 在圖3-8中，黃色的點主要是在第三象限的點及在x軸、y軸上的負數點，在第三象限內的黃色點𝑥、𝑦為一奇一偶的條件，而在x軸上則是x為負的奇數，y為零； 29.

(41) 在y軸上是y為負的奇數，x為零。此範圍在我們改良的嵌入架構中可以提供嵌入資訊𝑏，但必須在取出的架構中修改還原公式才能還原被嵌入影像的資訊，而修改的公式將會在改良的取出架構中介紹。. y. x. 圖3-8. 需要修改取出公式的嵌入範圍. 在說明完可嵌入範圍的條件，接下來說明不可嵌入範圍的各種條件。. 30.

(42) 不可嵌入範圍. 條件一、紅色點範圍在圖3-9中，第二象限及第四象限中的紅色點表示我們不嵌入浮水印的條件，在第二象限的點條件當x是負的奇數時，y是正的偶數；x是負的偶數時，y是正的奇數。在第四象限內紅色的點也是同樣的條件當x是正的奇數時，y是負的偶數； x是正的偶數，y是負的奇數，在這條件下剛好是𝑥、𝑦為一奇一偶與一正一負的情形。. 條件二、藍色點範圍在圖3-9中藍色的點也是我們選擇不嵌入資訊的條件，分別是在第二象限當y = 1且x為負的奇數。在第四象限內則是x = 1且y為負的奇數。. 條件三、綠色點的範圍在圖3-9中，第三象限內綠色的點，我們也不將資訊b嵌入其中，而綠色的點範圍是當𝑦 = −1且𝑥 ≤ 0的條件或是當𝑥 = −1且𝑦 ≤ 0的條件。. 31.

(43) y. x. x. 圖 3-9. 不嵌入資訊的範圍. 在上述的三種條件下我們不將資訊b嵌入其中，由於這幾種條件下我們無法將被藏入資訊的影像(Cover Image)完整地還原，因此在改良的嵌入架構中我們重新的設定了嵌入的範圍。. 在改良的資訊隱藏嵌入架構下，可嵌入的範圍由原先的紅色斜邊範圍增加了紫色點及黃色點的範圍，可參考圖3-10，而這些增加的紫色與黃色點範圍為原先紅色斜邊範圍的198%。紅色斜邊的點𝑥、𝑦為0到255所包含的範圍為256 × 256 = 65536，紫色及黃色範圍的點在第二象限及第四象限範圍為(128 × 127 + 127 × 127) × 2 = 64770，在第三象限範圍為254 × 254 = 64516，在𝑥、𝑦軸的範圍為 254 × 2 = 508，總和為64770 + 64516 + 508 = 129794。. 32.

(44) 也就是增加的範圍為198%，可依據(3-15)式得出。. 紫色點範圍+黃色點範圍紅色斜邊範圍. × 100% =. 129794 65536. × 100% ≅ 198%. y. (3-15). y. x. x. 圖 3-10 增加的嵌入範圍. 33.

(45) 3.5 改良資訊隱藏取出之架構在本節將說明本論文提出的改良資訊隱藏的取出架構，為了再增加嵌入的容量，我們修改原先的可逆資訊隱藏中，差異擴張取出步驟的還原公式，來增加可用的像素點。. 取出位置地圖. 被嵌入資訊彩色影像. 彩色影像分解取出 RGB資訊. RGB色彩空間轉換到 YUV 色彩空間. 改良差異擴張取出. 原始彩色影像. YUV色彩空間轉換到 RGB色彩空間. YUV色彩空間轉換到 RGB色彩空間. 診斷資訊. 位元流. 圖 3-11 改良資訊隱藏取出之架構從圖3-11中，可以看到紅色虛線框裡的步驟為修改原先可逆資訊隱藏取入架構中差異擴張取出的步驟，其餘的步驟皆與原先的可逆資訊隱藏取出架構相似，接下來我們會詳細介紹修改過的步驟。步驟一、步驟二、步驟四、步驟五、步驟六皆與原先的資訊隱藏取出之架構相同，可參考3.2節。接下來介紹步驟三改良的差異擴張取出。. 34.

(46) 步驟三、改良差異擴張取出選擇YUV色彩空間的其中一個色彩平面，在這裡假設是選擇U平面，將U平面影像中相鄰的兩個像素值取為一對(𝑥 ′ , 𝑦 ′ )，在將取出的像素值𝑥 ′ 、𝑦 ′ 透過差異擴張公式，可取出藏入的資訊𝑏。. 在改良資訊隱藏取出架構中，我們將𝑥 ′ 、𝑦 ′ 預先轉換回𝑥、𝑦後，我們判斷 𝑥、𝑦是否在上節敘述嵌入條件三中，黃色範圍的點內，若點在此範圍內我們必須修改取出的公式才能還原被嵌入影像(Cover Image)的原始資訊. 下面為修改後的還原公式，將上述的(3-10)及(3-11)修改為(3-16)及(3-17). 𝑥 = 𝑙′ + ⌊. ℎ+1. ℎ. 2. ⌋−1. 𝑦 = 𝑙′ − ⌊ ⌋ − 1 2. (3-16). (3-17). 透過(3-16 及(3-17)兩式我們就可以還原被嵌入影像的原始資訊，若是不在上節中敘述嵌入條件三黃色範圍的點，則使用未修改的公式(3-10)及(3-11)將𝑥、𝑦還原。. 35.

(47) 3.6 資訊隱藏影像品質之問題本節將說明在改良資訊隱藏嵌入的架構中，在將資訊b嵌入YUV平面中，再透過可逆色彩轉換回RGB平面後，原始的RGB彩色數位影像有像素值改變過大的問題，造成被嵌入資訊的影像品質降低，同時也降低其不被察覺的特性。. 我們用下面的例子說明被嵌入影像可能會造成影像品質降低之情況，在圖 3-12中我們選擇原始影像的兩個像素點分別為P1及P2，而P1像素點的RGB值為26、 19、0，P2像素點的RGB值為230、223、83。. (R,G,B)=(26,19,0). (R,G,B)=(230,223,83). 圖 3-12 原始 RGB 值. 我們將兩像素點P1及P2從RGB色彩空間轉換到YUV色彩空間，P1像素點的 YUV值為16、-19、7，P1像素點的YUV值為189、-140、7。如圖3-13所示. (Y,U,V)=(16,-19,7). (Y,U,V)=(189,-140,7). 圖 3-13 原始 YUV 值. 在這裡我們選擇U平面來嵌入資訊，在U平面上(𝑥, 𝑦)對的值為(-19,-140)，我們利用差異擴張公式嵌入資訊 𝑏 = 1，當嵌入資訊後我們可以得到 (𝑥 ′ , 𝑦 ′ ) = (43, −200)，如圖3-14所示. 36.

(48) x = -19. y = -140 差異擴張(DE). x' = 43. y' = -200 圖 3-14 差異擴張. 嵌入資訊後我們可以得到新的YUV值，𝑥像素點的YUV值為16、43、7，𝑦像素點的YUV值為189、-200、7。如圖3-15所示. (Y,U,V)=(16,43,7). (Y,U,V)=(189,-200,7). 圖 3-15 新的 YUV 值. 我們將新的YUV值透過可逆色彩轉換回RGB色彩空間，可得到嵌入資訊後的兩個像素點P1及P2的RGB值，而P1像素點的RGB值為11、4、47，P2像素點的RGB 值為245、238、38。如圖3-16所示。. (R,G,B)=(11,4,47). (R,G,B)=(245,238,38). 圖 3-16 新的 RGB 值. 在上述的情況下，我們嵌入資訊 b 後，RGB 的像素值都會有所改變，而改動的幅度可能會很大，造成被嵌入資訊的影像品質降低，為了解決此狀況的發生，我們定義了一個門檻值 T，用以避免 RGB 值改動過大。. 37.

(49) 在嵌入資訊時我們用門檻值 T，來選擇較好的𝑥、𝑦點，而如何選擇嵌入點的公式定義如(3-18)所示. abs(ℎ) > 𝑇. (3-18). 在此 abs 表示為絕對值，h 表示為嵌入時兩個像素點的差，當兩個像素點的差大於門檻值時，我們則不將資訊 b 嵌入。. 38.

(50) 4 第四章實驗結果與數據分析. 本論文採用二十四張RGB彩色的數位醫學影像來當作原始的影像，每張彩色醫學影像的解析度分別為512 × 512像素，而每個像素的深度為24位元，也就是每個彩色平面中的每個像素的位元深度為8，如圖4-1所示. (a). (b). (c). (d). (e). (f). (g). (h). (i). (j). (k). (l). 39.

(51) (m). (n). (o). (p). (q). (r). (s). (t). (u). (v). (w). (x). 圖 4-1. 原始的數位影像. 在圖4-1中，(a)到(x)分別命名為影像bio001、bio002、bio003、bio004、bio005、 bio006、bio007、bio008、bio009、bio010、bio011、bio012、bio013、bio014、bio015、 bio016、bio017、bio018、bio019、bio020、bio021、bio022、bio023、bio024共二十四張彩色的數位影像。在本論文我們要藏入的資訊為一張二值化的影像，而此二值化的影像的解析度為100 × 52像素，而每個像素值的位元深度為1位元，在這張白色為底黑色為字的影像上，含有4531個白色的點(資訊位元b=1)以及669個黑色的點(資訊位元b=0)， 40.

(52) 也就是我們要藏入的資訊量為5200 bits，如圖4-2所示。. 圖4-2為嵌入資訊的二值化影像資訊. 圖4-2. 嵌入的二值化影像資訊. 41.

(53) 4.1 測試方法本論文首先測試在不同的色彩平面下(Y色彩平面、U色彩平面、V色彩平面) 嵌入資訊的影像品質，我們將原始的彩色數位影像與被嵌入資訊的彩色數位影像，利用峰值信噪比(Peak Signal-to-Noise Ratio，PSNR)的評測方式來比較影像品質的差異，並且計算用來嵌入資訊之像素點的標準差。我們分析在不同的門檻值下被嵌入資訊的彩色數位影像之峰值信噪比(PSNR)與標準差(Standard Deviation)來獲得最佳的資訊嵌入彩色平面。. 接下來測試在不同門檻值下U色彩平面、V色彩平面可嵌入的資訊量，我們將原始的彩色數位影像，分別測試資訊隱藏改良前的方法與資訊隱藏改良後的方法的嵌入量，我們用直條圖來呈現其嵌入量的差異。. 42.

(54) 4.2 評估方法在可逆資訊隱藏技術的嵌入演算法中，一般都是從修改數位影像的原始資訊來嵌入資訊，所以被嵌入資訊的數位影像之品質大部分都會有失真之情況產生，一般來說判斷數位影像失真，除了用人類的視覺系統主觀的去判斷影像品質的好壞外，還可以用一種客觀的判斷方式，而這種客觀的方式為PSNR，此方式可以用來了解被嵌入資訊的影像與原始的影像之間訊號的差異，藉以了解影像品質的好壞，而PSNR的數值越大表示影像的品質越好，也就是被嵌入資訊的影像與原始的影像越相近。. 在灰階的數位影像PSNR的計算方式如下面公式(4-1). PSNR = 10 × log10. 𝑃𝑒𝑎𝑘 2 𝑀𝑆𝐸. (𝑑𝐵). (4-1). 在公式中Peak是指影像中最大的數值，在灰階影像中其位元深度為8位元，所以其Peak的最大值為28 = 255，也就是灰階影像的Peak值為255。. MSE為均方差(Mean Squared Error)的簡稱，其計算的方式為(4-2). MSE =. 1 𝑀×𝑁. 2 𝑁−1 ̂ ∑𝑀−1 𝑖=0 ∑𝑖=0 [𝑓 (𝑖, 𝑗) − 𝑓 (𝑖, 𝑗)]. (4-2). 上述公式M表示為原始影像的長(Length)，N表示為原始影像的寬(Width) 𝑓 (𝑖, 𝑗)為原始影像中的像素值，𝑓̂(𝑖, 𝑗)為被嵌入資訊影像的像素值，𝑖 和𝑗分別為影像中每一個像素值的長與寬的座標值。. 43.

(55) 基於灰階數位影像的PSNR計算公式，我們可以得到RGB彩色數位影像的 PSNR公式(4-3)如下. 𝑃𝑆𝑁𝑅 = 10 × 𝑙𝑜𝑔10 1. 𝑃𝑒𝑎𝑘 2. [𝑀𝑆𝐸(𝑅)+𝑀𝑆𝐸(𝐺)+𝑀𝑆𝐸(𝐵)]. (𝑑𝐵). (4-3). 3. 其中𝑀𝑆𝐸 (𝑅)為紅色色彩平面的均方差，𝑀𝑆𝐸 (𝐺 )為綠色色彩平面的均方差， 𝑀𝑆𝐸 (𝐵)為藍色色彩平面的均方差。. 44.

(56) 4.3 影像品質與標準差分析本節我們用改良的資訊隱藏架構，分析在不同門檻值下影像的品質與標準差之間的關係，我們使用的圖4-1中的二十四張彩色數位影像與圖4-2二值化的嵌入資訊影像來進行實驗。表4-1為門檻值T=5時YUV各色彩平面的標準差及PSNR。. 表4-1 門檻值T=5時各色彩平面的標準差及PSNR T=5 Image bio001 bio002 bio003 bio004 bio005 bio006 bio007 bio008 bio009 bio010 bio011 bio012 bio013 bio014 bio015 bio016 bio017 bio018 bio019 bio020 bio021 bio022 bio023 bio024. Standard Deviation Y U V 1.81635 -0.442 1.49885 1.91798 -0.2786 2.18019 0 0 0 7.74096 -0.2985 2.12769 1.5999 -0.484 1.08846 2.18788 -0.4475 2.32558 0.83385 -0.2663 1.58808 0.59808 -0.3042 1.12058 0.35221 0.01413 0.00577 4.74702 -0.1133 -0.0002 17.2045 -7.1349 -6.1795 0.62173 -0.3078 0.4851 7.63221 0.66077 0.23039 0 0 0 10.4299 -4.6644 -3.0103 10.5087 -4.7364 -2.8933 7.4601 -0.0166 2.87317 2.38654 -0.535 3.06183 2.35596 -0.3163 2.16192 2.25731 -0.084 2.63394 2.02558 -0.4781 1.75221 2.03231 -0.3261 2.20692 2.22769 -0.2327 2.62817 2.16375 -0.3457 2.81673. 45. Y 65.6017 65.6604 65.7543 65.7085 65.0866 65.7237 65.7735 65.7332 65.7342 65.7094 62.0411 65.6258 64.1871 65.7543 65.5731 65.5731 65.7132 65.7142 65.787 65.6726 65.7619 65.6839 65.7313 65.7227. PSNR U 69.7115 69.3139 70.5255 69.2391 69.3357 69.2756 69.6539 69.8743 70.4807 70.398 66.7427 70.0151 68.8027 70.5255 69.6657 69.8389 69.0467 68.7261 69.2835 69.0372 69.2943 69.2256 68.9529 69.2864. V 69.515 68.8933 70.5255 68.9576 68.9563 68.8828 69.153 69.6156 70.5111 70.3961 66.8344 69.7917 69.2057 70.5255 69.531 69.6102 68.6154 68.4163 68.9296 68.7033 68.9683 68.8377 68.6788 68.8358.

(57) 在表4-1中我們可以看到在二十四張的彩色數位影像的標準差與PSNR之間的關係，在色彩平面嵌入像素點的標準差最小時其PSNR是最大的，也就是影像的品質是三個色彩平面的最好的。只有在bio011這張影像是不符合此規則的。表4-2為門檻值T=10時YUV各色彩平面的標準差及PSNR。. 表4-2 門檻值T=10時各色彩平面的標準差及PSNR T=10 image bio001 bio002 bio003 bio004 bio005 bio006 bio007 bio008 bio009 bio010 bio011 bio012 bio013 bio014 bio015 bio016 bio017 bio018 bio019 bio020 bio021 bio022 bio023 bio024. Standard Deviation Y U V 2.6175 -1.0844 1.7901 2.30404 -0.1278 2.54038 0 0 0 8.12135 -0.1292 2.49462 2.30788 -0.6696 1.39154 2.65163 -0.2935 2.65606 1.24654 -0.504 1.75846 0.82817 -0.4901 1.21106 0.36029 0.01606 0.00577 4.8526 -0.1529 -0.0116 19.7006 -6.5458 -8.3008 1.29538 -0.5337 0.79414 8.88212 0.73798 0.23471 0 0 0 10.5469 -4.7326 -2.7805 10.5952 -4.7643 -2.8714 7.82731 0.085 3.24654 2.91721 -0.6901 3.36615 2.94337 -0.1998 2.60962 2.56365 -0.2274 2.81894 2.41962 -0.3557 2.02615 2.6349 -0.2003 2.72212 2.39788 -0.3684 2.85865 2.67913 -0.2505 3.1699. Y 64.8042 65.199 65.7543 65.2859 63.5006 65.2235 65.3658 65.5219 65.6962 65.5002 59.438 64.7597 62.5495 65.7543 65.0907 65.2193 65.162 65.0899 65.1578 65.2533 65.2928 65.0702 65.5083 65.0213. PSNR U 68.1448 68.487 70.5255 68.5008 68.3432 68.581 68.7995 69.4382 70.425 70.2606 64.4757 69.5501 67.5721 70.5255 69.2498 69.6289 68.2816 67.7546 68.5129 68.367 68.5761 68.408 68.0495 68.5981. V 68.2753 67.7994 70.5255 67.8199 67.5726 67.6589 68.6701 69.2363 70.5111 70.3059 63.8518 68.5718 68.0728 70.5255 68.545 68.7547 67.6048 67.4279 67.8674 68.0794 68.1866 67.8752 67.7845 67.8111. 在表4-2中我們可以看到在bio001、bio010、bio011這三張影像是不符合標準差最小其PSNR值最大的規則。 46.

(58) 表4-3 門檻值T=15時各色彩平面的標準差及PSNR T=15 image bio001 bio002 bio003 bio004 bio005 bio006 bio007 bio008 bio009 bio010 bio011 bio012 bio013 bio014 bio015 bio016 bio017 bio018 bio019 bio020 bio021 bio022 bio023 bio024. Standard Deviation Y U V 3.49096 -1.372 1.8025 2.55202 -0.1478 2.85231 0 0 0 8.70875 -0.1138 2.63048 2.87587 -0.8784 1.57846 3.02856 -0.2854 2.88788 1.60913 -0.5637 1.77077 1.07981 -0.5889 1.2274 0.36029 0.02394 0.00577 4.94019 -0.1537 -0.0116 20.7787 -6.1841 -9.61 1.85529 -0.7988 1.02106 9.90337 0.91798 0.27654 0 0 0 10.6575 -4.7937 -2.804 10.6656 -4.8069 -2.7714 8.30067 0.15779 3.60192 3.57644 -0.8908 3.48904 3.21462 -0.2689 2.81769 2.81587 -0.3341 2.85567 2.85942 -0.293 2.18962 2.98798 -0.2249 2.99904 2.87971 -0.5453 2.99635 3.21548 -0.2431 3.52317. Y 63.2437 64.4743 65.7543 64.0026 61.5071 64.2476 64.4872 65.0043 65.6962 65.2159 57.3673 63.3986 60.8811 65.7543 64.2605 64.4508 64.0971 63.7817 64.4155 64.6018 64.1333 64.0296 64.4021 63.59. PSNR U 66.7467 67.8846 70.5255 68.0947 67.1035 68.0484 68.2976 68.9463 70.1793 70.0847 62.6242 68.3443 66.2772 70.5255 68.9959 69.3679 67.9663 66.9823 68.0881 67.869 68.1222 67.7989 67.234 67.9833. V 68.1299 66.9688 70.5255 67.3161 66.2096 66.9326 68.4751 69.1488 70.5111 70.3059 61.3807 66.9188 66.873 70.5255 67.8147 68.1067 66.7203 66.7911 67.0861 67.8369 67.3488 67.2032 66.9393 66.9671. 表4-3為門檻值T=15YUV各色彩平面的標準差及PSNR，在表4-3中我們可以看到在bio001、bio007、bio008、bio010、bio011這五張影像是不符合標準差最小其PSNR值最大的規則。其餘不同門檻值下各色彩平面的標準差與PSNR請參閱附錄一。. 47.

(59) 我們計算在不同門檻值下二十四張彩色影像其各平面的標準差與PSNR並將標準差最小時其PSNR為最大之情況設為一個規則，而在不同的門檻值能符合此情況的影像張數，如表4-4所示。表 4-4. 各門檻值符合張數門檻值 T 符合張數率門檻值 T 符合張數率. 圖 4-3. 5 23 24 30 13 24. 10 21 24 35 13 24. 15 19 24 40 14 24. 20 15 24 45 14 24. 25 14 24 50 14 24. 各門檻值的規則符合率. 圖4-3為各門檻值的規則符合率比較圖，在圖4-3中我們可以看到當門檻值小於15時，我們選擇嵌入的色彩平面的規則符合率為79.1%以上，也就是我們選擇嵌入相素值標準差為最小的色彩平面，可獲得較佳的被嵌入影像品質。. 48.

(60) 4.4 資訊嵌入量與門檻值分析本節我們用改良的資訊隱藏之架構與原先的資訊隱藏之架構比較分析在不同門檻值下，改良前影像的嵌入量與改良後影像的嵌入量差異，我們使用的圖4-1 中的二十四張彩色數位影像來進行實驗。. 表4-5到表4-7分別為bio001、bio002、bio003三張原始影像在不同門檻值下，改良前方法與改良後方法其U色彩平面、V色彩平面可嵌入量之差異。而圖4-4到圖4-6分別為改良前與改良後的嵌入量之長條圖，由圖中我們可以明顯發現bio001、 bio002、bio003三張影像在U色彩平面、V色彩平面的嵌入量在本論文提出的改良方法下有明顯增加嵌入量，而此增加量能解決原先資訊隱藏嵌入架構中之嵌入不足的問題。. 而其餘21張影像在不同門檻值下，改良前方法與改良後方法其U色彩平面、 V色彩平面可嵌入量之差異，可參閱附錄二。. 49.

(61) 表 4-5. T 5 10 15 20 25 30 35 40 45 50. bio001 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 U V Original Proposed Original Proposed Capacity T Capacity T Capacity T Capacity 108632 5 119462 5 119266 5 121741 108841 10 121511 10 120971 10 123494 108892 15 121871 15 121209 15 123740 108898 20 121966 20 121241 20 123772 108898 25 122019 25 121257 25 123788 108898 30 122052 30 121265 30 123796 108898 35 122078 35 121266 35 123797 108898 40 122098 40 121269 40 123800 108898 45 122131 45 121271 45 123802 108898 50 122147 50 121273 50 123804. bio001 in U 125000. Bits. 120000 115000 110000. Original. 105000. Proposed. 100000 5 10 15 20 25 30 35 40 45 50. T. (a). bio001 in V 126000. Bits. 124000 122000 120000. Original. 118000. Proposed. 116000 5 10 15 20 25 30 35 40 45 50. T. 圖 4-4. (b) bio001 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖(a)U 平面 (b)V 平面. 50.

(62) 表 4-6. T 5 10 15 20 25 30 35 40 45 50. bio002 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 U V Original Proposed Original Proposed Capacity T Capacity T Capacity T Capacity 76419 5 89293 5 77419 5 93175 76940 10 90932 10 77916 10 94836 77159 15 91833 15 78087 15 95592 77285 20 92462 20 78216 20 96065 77367 25 92921 25 78304 25 96439 77430 30 93262 30 78391 30 96704 77463 35 93582 35 78500 35 96963 77502 40 93815 40 78600 40 97208 77532 45 94017 45 78696 45 97410 77546 50 94177 50 78762 50 97567. bio002 in U 100000. Bits. 80000 60000 40000. Original. 20000. Proposed. 0 5 10 15 20 25 30 35 40 45 50. T. (a). Bits. bio002 in V 120000 100000 80000 60000 40000 20000 0. Original Proposed 5 10 15 20 25 30 35 40 45 50. T. 圖 4-5. (b) bio002 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖(a)U 平面 (b)V 平面. 51.

(63) 表 4-7. T 5 10 15 20 25 30 35 40 45 50. bio003 影像在 U 色彩平面與 V 色彩平面增進的嵌入量 U V Original Proposed Original Proposed Capacity T Capacity T Capacity T Capacity 65849 5 124766 5 119782 5 120359 65889 10 126926 10 121833 10 122432 65898 15 127362 15 122746 15 123349 65900 20 127508 20 122914 20 123521 65900 25 127545 25 123004 25 123612 65900 30 127573 30 123038 30 123649 65900 35 127584 35 123053 35 123664 65900 40 127596 40 123063 40 123674 65900 45 127598 45 123067 45 123678 65900 50 127604 50 123069 50 123680. bio003 in U 130000. Bits. 125000 Original. 120000. Proposed 115000 5 10 15 20 25 30 35 40 45 50. T. (a). bio003 in V 150000. Bits. 100000 Original. 50000. Proposed 0 5 10 15 20 25 30 35 40 45 50. T. 圖 4-6. (b) bio003 影像 U 平面與 V 平面增進的嵌入量與門檻值關係圖(a)U 平面 (b)V 平面. 52.

(64) 5 第五章可攜裝置之實現. 在本章節將說明我們把本論文提出的改良可逆資訊隱藏技術實現在可攜式的移動裝置，而下面首先會介紹程式的開發環境介紹包含開發的工具軟體、開發的電腦裝置，接下來說明行動應用程式(Application，APP)的使用說明。. 5.1 開發環境在本論文中我們採用的是搭載Android[20]系統的裝置來實現我們的研究動機，而在Android的開發工具中，我們使用的是ADT Bundle (Android Developer Tools Bundle)其內含我們所熟悉的Eclipse[21]還有一些開發所需的套件，而除了 ADT Bundle之外我們還需要JDK(Java Developement Kit)，因為Android的程式主要是以Java語言為主，因此我們還需要JDK來進行開發，圖5-1為開發工具之介面。. 圖 5-1. 開發工具之介面. 53.

(65) 而我們執行Eclipse所使用的電腦軟硬體規格如表5-1所示。表 5-1. 電腦軟硬體規格. 中央處理器. Intel® Core™ i5-3450 Processor. 記憶體. 4 GB. 作業系統. Windows 7 (32位元). 硬碟大小. 500 GB. 54.

(66) 5.2 應用程式說明在本節將說明我們實現的APP的如何操作使用，包含把資訊的嵌入及資訊的取出，下面依序說明操作步驟。. 步驟一、開啟應用程式RDHAPP，如圖5-2所示。. 圖 5-2. 開啟應用程式. 步驟二、輸入要嵌入的資訊並按下Generate watermark按鈕後在左下角會產生一張二值化的影像，如圖5-3所示。. 圖 5-3. 產生二值化影像. 55.

(67) 步驟三、按下Load image按鈕後右方會出現我們所選取的原始彩色數位影像，如圖5-4所示。. 圖 5-4. 選取的原始彩色數位影像. 步驟四、按下Embedding按鈕後將二值化的影像嵌入我們選取的原始彩色數位影像完成嵌入之動作，如圖5-4所示。. 步驟五、按Decode UI按鈕後將畫面切換到取出嵌入資訊之畫面。. 步驟六、按Load File按鈕後將location map資料讀取等待取出資訊用，如圖5-5所示。. 圖 5-5. location map 資料讀取. 56.

(68) 步驟七、按Load image按鈕後將選擇被嵌入資訊的影像，如圖5-6所示。. 步驟八、按下Decoding按鈕即可將我們嵌入的資訊從被嵌入影像中取出。. 圖 5-6. 嵌入資訊取出. 57.