OpenCV实现图像加密解密：从基础异或到混沌算法
本文详解利用OpenCV实现图像加密与解密的两种方法。首先介绍基于按位异或操作的基础加密流程，通过生成随机密钥实现快速加解密。随后深入探讨基于复合混沌系统的进阶加密技术，利用混沌序列的伪随机性和敏感性提升安全性，并对比分析了两种算法的性能与适用场景。
1、基础：基于异或操作实现图像加密解密
通常情况下，图像的加密与解密流程依赖于按位异或（XOR）运算。具体而言，将原始图像数据与生成的密钥图像进行按位异或操作即可完成加密；随后，将得到的加密图像再次与同一密钥图像进行按位异或运算，即可还原出原始图像，实现解密过程。
Opencv-python代码实现
import cv2
import numpy as np
demo = cv2.imread("E:\matlab_file\picture\picture.jpg", 0)
r, c = demo.shape
key = np.random.randint(0, 256, size=(r, c), dtype=np.uint8) # 生成随机的密钥图像
cv2.imwrite("E:\matlab_file\picture\key.jpg", key) # 保存密匙图像
cv2.imshow("demo", demo) # 显示原始图像
cv2.imshow("key", key) # 显示密钥图像
encryption = cv2.bitwise_xor(demo, key) # 加密
cv2.imwrite("E:\matlab_file\picture\encryption.jpg", encryption) # 保存加密后的图像
decryption = cv2.bitwise_xor(encryption, key) # 解密
cv2.imwrite("E:\matlab_file\picture\decryption.jpg", decryption) # 保存解密后的图像
cv2.imshow("encryption", encryption) # 显示密文图像
cv2.imshow("decryption", decryption) # 显示解密后的图像
cv2.waitKey(-1)
cv2.destroyAllWindows()
效果展示：
原图：
密匙：
加密后：
解密后：
2、进阶：基于混沌序列构成异或模板实现图像加密解密
混沌系统属于非线性系统，展现出复杂的伪随机特性，这符合加密中的混淆原则。该系统对初始条件及控制参数具有极高的敏感性，微小的初始偏差会被指数级放大，符合扩散原则。同时，混沌系统是确定性的，其状态完全由非线性方程、参数及初始条件决定。因此，通过调整初始状态和少量参数即可生成满足密码学基本要求的混沌密码序列，将混沌理论与加密技术结合，能构建高效的图像加密系统。目前常用于图像加密的混沌系统包括：Logistic混沌映射、Chebychev映射、分段线形混沌映射、Cubic映射、标准映射、Henon映射、Lorenz混沌映射、蔡氏混沌、Rossler混沌系统、二维Sinai映射以及Chen's混沌系统等。在基于混沌的图像加密方法中，部分方法利用混沌系统生成伪随机序列进行序列密码形式的加密；部分方法利用混沌的遍历性，对伪随机序列处理后得到像素置乱的位置，进而对像素位置进行置乱；还有部分方法利用某些混沌计算表达式的可逆性，将像素值代入混沌计算式以执行像素值的代换和扩散。与传统加密算法相比，混沌图像加密算法具有密钥空间大、实现简单、加密速度快等优势。然而，基于混沌的图像加密也存在以下不足：①计算机有限精度可能导致混沌序列周期较短，随机性不足。②现有的混沌加密技术多基于一维或二维混沌系统，易受相空间重构方法攻击。③部分混沌加密算法采用的混沌系统形式复杂，运行速度较慢，难以满足实时加密需求。
本文使用复合混沌加密算法对图像金星加密解密，详细原理见：基于复合混沌系统的数字图像加密方法
#!/usr/bin/env python
# _*_ coding:utf-8 _*_
"""
@Author : LitraLin
@File : Cryption.py
@CreateTime : 2021/10/07
@Description : Compound chaos Encryption and Decryption of image
"""
import cv2
import math
import numpy as np
def int2bin8(x): # 整型转8位二进制
result="";
for i in range(8):
y=x&(1)
result+=str(y)
x=x>>1
return result[::-1]
def int2bin16(x): # 整型转8位二进制
result="";
for i in range(16):
y=x&(1)
result+=str(y)
x=x>>1
return result
def Encryption(img,j0,g0,x0,EncryptionImg):
x = img.shape[0]
y = img.shape[1]
c = img.shape[2]
g0 = int2bin16(g0)
for s in range(x):
for n in range(y):
for z in range(c):
m = int2bin8(img[s][n][z]) # 像素值转八位二进制
ans=""
# print("ok")
for i in range(8):
ri=int(g0[-1]) # 取手摇密码机最后一位ri
qi=int(m[i])^ri # 与像素值异或得qi
xi = 1 - math.sqrt(abs(2 * x0 - 1)) # f1(x)混沌迭代
if qi==0: # 如果qi=0,则运用x0i+x1i=1;
xi=1-xi;
x0=xi # xi迭代
t=int(g0[0])^int(g0[12])^int(g0[15]) # 本源多项式x^15+x^3+1
g0=str(t)+g0[0:-1] # gi迭代
ci=math.floor(xi*(2**j0))%2 # 非线性转换算子
ans+=str(ci)
re=int(ans,2)
EncryptionImg[s][n][z]=re # 写入新图像
def Decryption(EncryptionImg, j0, g0, x0, DecryptionImg):
x = EncryptionImg.shape[0]
y = EncryptionImg.shape[1]
c = EncryptionImg.shape[2]
g0 = int2bin16(g0)
for s in range(x):
for n in range(y):
for z in range(c):
cc = int2bin8(img[s][n][z])
ans = ""
# print("no")
for i in range(8):
xi = 1 - math.sqrt(abs(2 * x0 - 1))
x0 = xi
ssi = math.floor(xi * (2 ** j0)) % 2
qi=1-(ssi^int(cc[i]))
ri = int(g0[-1])
mi=ri^qi
t = int(g0[0]) ^ int(g0[12]) ^ int(g0[15])
g0 = str(t) + g0[0:-1]
ans += str(mi)
re = int(ans, 2)
DecryptionImg[s][n][z] = re
if __name__ == "__main__":
img = cv2.imread(r"E:\matlab_file\picture\Correlation_matrix.png", 1) # 读取原始图像
EncryptionImg = np.zeros(img.shape, np.uint8)
Encryption(img,10,30,0.123345,EncryptionImg) # 加密
cv2.imwrite(r"E:\matlab_file\picture\Correlation_matrix-EncryptionImg.png",EncryptionImg) # 保存加密后的图像
img = cv2.imread(r"E:\matlab_file\picture\Correlation_matrix-EncryptionImg.png", 1) # 读取加密图像
DecryptionImg = np.zeros(img.shape, np.uint8)
Decryption(img, 10, 30, 0.123345, DecryptionImg) # 解密
cv2.imwrite(r"E:\matlab_file\picture\Correlation_matrix-DecryptionImg.png", DecryptionImg) # 保存解密后的图像
cv2.waitKey(0)
结果展示：
原图：
加密后：
解密后：
总结
到此这篇关于如何利用Opencv实现图像加密解密的文章就介绍到这了,更多相关Opencv图像加密解密内容请搜索本站以前的文章或继续浏览下面的相关文章希望大家以后多多支持本站！
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
