update codes of mirage_tank

README.md

@@ -46,8 +46,9 @@ pip install HideInfo
 说明
 - 已支持彩色图片
 - 一般情况下，手机/浏览器的预览和点击大图分别使黑色背景和白色背景，因此有"预览和点击是两张不通的图"的效果
-- 短视频：[B站](https://www.bilibili.com/video/BV1DF41117c7/)
-- 例子：[example/example_mirage_tank.py](example/example_mirage_tank.py)
+- 视频展示：[B站](https://www.bilibili.com/video/BV1DF41117c7/)
+- 代码：[example/example_mirage_tank.py](example/example_mirage_tank.py)
+
 
 ```python
 from hide_info import mirage_tank
@@ -60,13 +61,13 @@ mirage_tank.mirage_tank('图片.png', 'img2.jpeg', '幻影坦克.png')
 功能：把文件/文本/bytes 类数据，转换为图片  
 原理：图片 1 个像素的 1 个通道可以存放 0-255 的数字，也就是一个字节。因此可以用来存放数据。
 使用场景：
-    - 信息隐藏、隐蔽传输
-    - 在只能发送图片的场景下（例如社交软件），发送任意信息
+- 信息隐藏、隐蔽传输
+- 在只能发送图片的场景下（例如社交软件），发送任意信息
 
 说明
-- RGB 3个通道都用来存放数据
+- RGB 3个通道都用来存放数据，但不使用透明通道
 - 使用前4个字节记录数据的大小，因此要求总的数据量小于 4G
-- 可以存放文件、文本、bytes 类数据，把它转化为一张图片
+- 可以存放文件、文本、字节等类型的数据，把它转化为一张图片
 - 代码：[example_hide_as_img.py](example/example_hide_as_img.py)
 
 ```python
@@ -80,16 +81,16 @@ hide_as_img.file_decode(filename='化物为图-解出来的文件.zip', img_file
 
 ## hide_in_img：藏物于图
 
-功能：文件/文本/bytes 类数据，藏进一个 PNG 图片中，并且用肉眼无法看出区别
-原理：（LSB算法）根据信息的二进制，改变像素数据的最低位，肉眼是无法察觉这种改变
+功能：把文件/文本/字节 类数据，藏进一个预先准备好的 PNG 图片中，使其用肉眼无法看出区别  
+原理：（LSB算法）根据信息的二进制，改变像素数据的最低位，肉眼是无法察觉这种改变  
 使用场景：
-    - 信息隐藏、隐蔽传输
-    - 在只能发送图片的场景下（例如某社交软件），发送任意信息
-    - 盲水印、图片溯源、版权保护
+- 信息隐藏、隐蔽传输
+- 在只能发送图片的场景下（例如某社交软件），发送任意信息
+- 盲水印、图片溯源、版权保护
 
 
 说明
-- 解原始数据时，无需原图参与，只看最低位
+- 解原始数据时，无需原图参与
 - 使用前4个字节存放数据的大小
 - 使用位运算，提高一定的性能
 - LSB算法对压缩、转格式等攻击脆弱
@@ -130,6 +131,10 @@ img_watermark.file_decode(img_filename="图片_打入水印.png", wm_extract="
 
 - 例子：[example/example_img_seed.py](example/example_img_seed.py)
 
+原理
+- jpg 的内容结束标志为 FF D9，它不关心之后的内容
+- rar 的内容开始标志为 52 61 71 21，它不关心前面的内容
+
 ## img_exif:把信息隐藏在图片的EXIF中
 
 功能：把信息隐藏在图片的 EXIF 中，从而获得隐蔽信息、传输隐蔽信息的能力
@@ -176,7 +181,11 @@ hide_as_music.file_decode(filename='化物为音-解出来的文件.zip', wav_fi
 
 ## echo_watermark: 回声水印
 
-回声水印（Echo Watermarking）是一种音频水印技术，通过在原始音频信号中添加回声来嵌入信息。这种技术利用了人耳的心理声学特性，即人耳对于短时间内的回声延迟是不敏感的，因此可以将信息隐藏在音频信号的回声中而不影响听感。
+人类听觉系统（HAS）极为灵敏，音频感知冗余小，音频水印同时满足隐蔽性和鲁棒性有一定难度。同时音频压缩算法如 MP3 有损压缩有出色的压缩率和音质，对音频水印带来很大的挑战。
+
+掩蔽效应是 HAS 的一个特点：短时间内高能量部分会掩蔽低能量部分，从而让人耳只能听见高能量部分，掩蔽分为超前掩蔽、同时掩蔽、滞后掩蔽。因此可以将信息隐藏在音频信号的回声中而不影响听感。
+
+回声水印（Echo Watermarking）是一种音频水印技术，通过在原始音频信号中添加回声来嵌入信息。
 
 回声水印的实现通常有两个重要参数：回声延迟和回声幅度。延迟时间决定了回声在原始信号之后多久发生，而幅度则影响回声的强度。通过巧妙地调节这两个参数，可以将数字信息（如比特流）编码到音频信号中。
 

example/example_mirage_tank.py

@@ -1,3 +1,3 @@
 from hide_info import mirage_tank
 
-mirage_tank.mirage_tank('图片.jpg', '图片2.png', '幻影坦克.png')
+mirage_tank.mirage_tank('图片.jpg', '图片2.png', './output/幻影坦克.png')

hide_info/__init__.py

@@ -1 +1 @@
-__version__ = '0.1.7'
+__version__ = '0.1.9'

hide_info/mirage_tank.py

@@ -1,68 +1,39 @@
 '''
-原理如下：
-- 目标是使得一张PNG图片（带透明涂层），在白色背景下显示图A，在黑色背景下显示图B
-- 这样的要求下，可以列出以下方程
-
-aP +(1-a)白 = A
-aP + (1-a)黑 = B
-
-已知 白色 = 255，黑色 = 0，代入方程，得到：
-a = 1- (A-B)
-P = B/a
-
-因为 a 的取值范围为 [0, 1]，因此需要 B 图较暗，A图较亮
+原理：https://www.guofei.site/2023/08/26/hide_info.html
 '''
 
 import cv2
 import numpy as np
 
 
-# 这个只能输出黑白图
-def mirage_tank2(img_filename1: str, img_filename2: str, output_img_filename: str):
-    A = cv2.imread(img_filename1, flags=cv2.IMREAD_GRAYSCALE) / 255
-    B = cv2.imread(img_filename2, flags=cv2.IMREAD_GRAYSCALE) / 255
-
-    # 保证两个图片的大小一致
-    B = cv2.resize(B, A.shape[::-1])
-    a = 1 - (A - B)
-    a = np.clip(a, 0, 1)
-    P = B / a
-    P = np.clip(P, 0, 1)
-
-    # 创建一个带有透明度通道的图像
-    image_with_alpha = np.zeros((A.shape[0], A.shape[1], 4), dtype=np.uint8)
-    image_with_alpha[:, :, 0] = P * 255
-    image_with_alpha[:, :, 1] = P * 255
-    image_with_alpha[:, :, 2] = P * 255
-    image_with_alpha[:, :, 3] = a * 255
-
-    # 保存带有透明度通道的图像
-    cv2.imwrite(output_img_filename, image_with_alpha)
+def mirage_tank(img_filename1: str, img_filename2: str, output_img_filename: str, a=0.5, b=None):
+    img1_rgb = cv2.imread(img_filename1)
+    img2_grey = cv2.imread(img_filename2, cv2.IMREAD_GRAYSCALE)
 
+    # a 越大，img2 越清晰，但是 img1 越可能出现偏差
+    assert 0.1 < a < 0.95, "0.1 < a < 0.95"
+    if b is None:
+        b = max(img1_rgb.mean() - 255 * a, 10)
 
-def mirage_tank(img_filename1: str, img_filename2: str, output_img_filename: str, a=0.5, b=20):
-    A = cv2.imread(img_filename1)
-    B = cv2.imread(img_filename2)
+    img2_grey = a * img2_grey + b
 
-    height, width, _ = A.shape
+    height, width, _ = img1_rgb.shape
     # 保证两个图片的大小一致
-    B = cv2.resize(B, (width, height))
+    img2_grey = cv2.resize(img2_grey, (width, height))
 
     # 计算 alpha 通道
-    A_gray = cv2.cvtColor(A, cv2.COLOR_BGR2GRAY)
-    B_gray = cv2.cvtColor(B, cv2.COLOR_BGR2GRAY)
-    B_gray = a * B_gray + b  # 适当调暗图片B
-    alpha = 255 - A_gray.astype('int') + B_gray.astype('int')
-    alpha = np.clip(alpha, 1, 255).reshape(height, width, 1)
 
-    # 使用 A 或者 B，决定了彩图来自哪个图
-    # P = B / (a / 255)
-    P = (A - (255 - alpha)) / (alpha / 255)
+    img1_avg = img1_rgb.mean(axis=2)
+
+    alpha = 255 - img1_avg.astype('int') + img2_grey.astype('int')
+    alpha = np.clip(alpha, 0, 255).reshape(height, width, 1)
+
+    rgb = (img1_rgb - (255 - alpha)) / (alpha / 255)
 
     alpha = alpha.astype('u8')
-    P = np.clip(P, 0, 255)
+    rgb = np.clip(rgb, 0, 255)
 
     # 带有透明度通道的图像
-    image_with_alpha = np.concatenate([P, alpha], axis=2)
+    image_with_alpha = np.concatenate([rgb, alpha], axis=2)
 
     cv2.imwrite(output_img_filename, image_with_alpha)