# LSB-Adaptive-Matching-Suite-图像LSB隐写改进方案集

**Repository Path**: siga42/LSB-Adaptive-Matching-Suite

## Basic Information

- **Project Name**: LSB-Adaptive-Matching-Suite-图像LSB隐写改进方案集
- **Description**: 本项目为课程：信息隐藏与数字水印的实验产物，实现了 LSB 隐写术的两种改进方案：LSB 匹配（增强统计安全）和自适应 LSB（优化视觉感知）。旨在弥补标准 LSB 算法的统计和感知缺陷。
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2025-11-27
- **Last Updated**: 2025-11-28

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 图像 LSB 隐写改进方案集 (Adaptive & Matching)

## 简介

本项目旨在探索和实现两种改进型的 LSB (最低有效位) 图像信息隐藏算法，以优化标准 LSB 算法在**统计安全性**和**视觉感知质量**上的不足。项目代码基于 Python 语言实现，并严格遵循行优先（Row-Major）的像素遍历原则。

## 参考
本项目引用参考的开源网址是：
https://gitee.com/A1LinLin1/stegano

## 算法方案

本项目实现了两种改进方案：

### 1. LSB 匹配算法 (LSB Matching, LSB-M)

* **优化目标：** 抵抗基于差分统计的隐写分析（如 RS 分析）。
* **核心机制：** 在需要修改 LSB 时，随机选择将像素值修改为 $P+1$ 或 $P-1$。这种机制消除了标准 LSB 带来的统计偏差，极大地提高了隐写方案的**统计安全性**。
* **对应代码：** `lsb_matching_encode_display.py` / `lsb_matching_extract.py`

### 2. 自适应 LSB 隐写 (Adaptive LSB)

* **优化目标：** 提高视觉不可感知性。
* **核心机制：** 使用**局部方差**作为复杂度度量，只在复杂度高于预设阈值（纹理复杂区域）的像素中嵌入信息，从而将失真隐藏在人眼不敏感的区域。
* **对应代码：** `lsb_adaptive_encode_display.py` / `lsb_adaptive_extract.py`

## 运行环境与依赖

本项目基于 Python 3.x 开发，需要以下库支持：

* `Pillow (PIL)`：用于基本的图像读写和格式转换。
* `OpenCV (cv2)`：用于图像处理、灰度转换和 PSNR 计算。
* `NumPy`：用于高效的数组操作和复杂度计算。
* `Matplotlib`：用于最终结果的图像对比显示。

**安装依赖：**
```bash
pip install Pillow opencv-python numpy matplotlib
```
## 参与贡献

1.  Fork 本仓库
2.  新建 Feat_xxx 分支
3.  提交代码
4.  新建 Pull Request