LSB+DWT+DCT混合数字水印算法：Matlab全流程实现与鲁棒性优化

数字水印这个方向，研究的人不少，但真正能跑通、能完整复现的代码其实没有想象中那么多。这次要聊的项目是“基于LSB+DWT+DCT的图像和音频水印算法”，关键词就是LSB、DWT、DCT，再加一套Matlab全流程实现。我按自己做过的版本把方案完整拆一遍，包括三种算法怎么组合、系数和量化步长怎么选、攻击测试怎么做、Matlab代码怎么组织，还有调参过程里踩过的坑。做图像隐写、版权保护、多媒体安全方向的朋友，可以直接拿这套思路当脚手架，换成自己的水印和载体就能跑。

这个方案的定位很明确：既要透明性好，也要对压缩、噪声、裁剪这类常见攻击有一定鲁棒性。单一算法做不到，所以需要混合。下面从设计思路开始讲。

1. 内容整体设计与思路拆解

1.1 为什么不用单一算法，而要混合LSB、DWT和DCT

LSB（最低有效位）是最容易上手的隐写算法，原理就是把载体图像像素值的最低比特位替换成水印比特。它的优势是嵌入容量大、实现简单、肉眼几乎无法察觉，但缺点非常致命：对JPEG压缩、滤波、噪声几乎毫无抵抗能力。稍微压缩一下，最低位的信息就全没了。所以单独用LSB做鲁棒水印基本不现实。

DWT（离散小波变换）把图像分解成不同尺度的子带，相当于同时看了图像的“轮廓”和“细节”。低频子带LL包含主要能量，抗攻击能力强，但因为人眼对低频敏感，嵌入强度太高容易看到块状痕迹或者模糊。高频子带HH透明性好但抗压缩差。所以DWT通常用来做多分辨率分析，选出合适的嵌入区域。

DCT（离散余弦变换）是JPEG压缩的核心，把图像分块后转到频域，将能量集中到低频。如果把水印嵌在中频系数上，可以在视觉质量和抗JPEG压缩之间取得平衡。JPEG本身也是分块DCT，所以DCT域的水印对JPEG攻击天然更耐受。

三种算法混在一起，思路是取长补短：先做DWT，把能量和结构分离开，从而选到更稳的低频区域；再对低频区域做DCT，把信息嵌在中频系数上，借JPEG的“主场优势”提高抗压缩能力；最后通过量化嵌入的方式把水印信息落到系数上，而不是简单替换比特位，这就比纯LSB稳定得多。整个链路相当于把“视觉不敏感区域”和“频域稳定系数”两件事同时做了。

1.2 这套方案适合什么场景

如果只是课程设计或毕业设计，这个组合很合适，因为三位一体能体现算法对比和融合的完整思路，论文里也好讲故事。如果是工程落地，比如短视频平台加水印、图片版权追踪，这套方案可以作为基线版本，后续再扩展自适应嵌入强度、盲提取、同步校正这些模块。

音频水印的场景也类似，给语音、歌曲嵌入版权标识或元数据，在广播监测、内容认证中会用到。音频载体是一维信号，处理思路跟图像略有不同，不能直接把图像那套二维DWT+DCT搬过来，要分帧、加窗，再对每一帧做变换。后面我会单独讲音频部分怎么改。

2. 核心原理拆解：LSB、DWT、DCT到底在做什么

2.1 LSB替换的底层逻辑

一张8位灰度图，每个像素是0到255之间的整数，转成二进制就是8个比特。最高位对视觉影响最大，最低位影响最小。LSB就是把最低位换成水印的比特，比如原像素是200（11001000），要嵌入的比特是1，就变成201（11001001），人眼看不出差别。

但要注意，LSB操作的“隐性”建立在一个前提下：载体本身没有经过任何有损处理。只要做一次JPEG压缩，量化过程就会改变像素值，最低位立刻失真。所以我通常把LSB称为“实验室里的隐写算法”，适合理解原理和做容量测试，不适合单独做鲁棒水印。在混合方案里，我倾向于用LSB来做辅助，比如嵌水印的同步头、长度标记，真正的水印主体走DWT+DCT通道。

2.2 DWT在图像里到底分出了什么

二维DWT每次把图像分成四个区域：

• LL：低频近似子带，保留了图像大部分能量，相当于缩小版的原始图。
• LH：水平细节，对应横向边缘。
• HL：垂直细节，对应纵向边缘。
• HH：对角细节，主要是纹理和噪声。

做一级分解，LL1尺寸是原图的一半；再做一级，LL2是四分之一。嵌入水印时，通常会选择LL子带，因为它的鲁棒性最好。代价是LL发生变化后，逆变换重建的图会出现轻微模糊，所以嵌入强度不能过高。

实际操作用Matlab的wavedec2可以一步完成多层分解，返回的系数向量C和记录各子带尺寸的矩阵S。很多新手在这里栽跟头，因为wavedec2返回的不是四个独立矩阵，而是一个拉直的大向量，必须通过S矩阵索引才能拆出各子带。我用appcoef2和detcoef2比较多，这样更直观。

2.3 DCT为什么选“中频”

把图像分成8x8的小块后，每一块做DCT，会得到64个系数。左上角是直流分量（DC），代表块的平均亮度；从左到右、从上到下频率逐渐增高。人眼对低频信息最敏感，对高频信息的失真容忍度较高。

如果直接把水印嵌在DC系数上，抗压缩能力最强，但块与块之间的平均亮度变化会很显眼，出现blocking artifact。如果把水印嵌在高频系数上，视觉上很安全，但JPEG压缩恰恰会把高频系数量化成0，水印就丢了。中频系数是折中：位置一般在(2,1)到(5,5)这段对角线附近，按ZigZag顺序排在5到20之间的那些位置。这样既避开了敏感的低频，又有一定抗压缩能力。

音频里的DCT也类似，不过是对一维帧信号做变换，选的是中频段能量分布合理的坐标。

2.4 量化嵌入和QIM的基本思路

我推荐的嵌入方式不是LSB，而是量化索引调制（QIM）或直接线性叠加。QIM的思路是：设一个量化步长delta，把要嵌入的水印系数调整到delta的整数倍附近。如果嵌0，量化到偶数倍；如果嵌1，量化到奇数倍。提取时只要判断系数最近的整数倍是奇数还是偶数。

这个方案的好处是：提取水印时不需要原始载体，属于盲提取，而且对小幅度的攻击（比如轻微缩放、滤波）有一定的容错能力。步长越大，鲁棒性越强，但画质损失也越大，所以这个参数是整个算法的核心，也是调试时最需要花时间的部分。

3. 算法组合设计与完整流程

3.1 总体框架：先DWT，再DCT，再量化嵌入

整个嵌入流程按我自己的实现顺序：

1. 读入载体图像，转成灰度图，转成double类型方便加系数。
2. 对图像做一层DWT分解，得到LL1子带。
3. 把LL1切成不重叠的8x8块。如果图像尺寸不是8的倍数，先做边界裁剪或填充。
4. 每一块做二维DCT，得到DCT系数矩阵。
5. 按预设的坐标（比如(3,4)和(4,3)）选中频系数，通过QIM嵌入一个水印比特。
6. 对所有块逆DCT，还原LL1子带。
7. 用新的LL1和之前保留下来的LH、HL、HH子带一起做逆DWT，得到含水印图像。

这里有个细节：嵌入水印后的LL1会被修改，但LH、HL、HH要保持不变，这样逆DWT后高频纹理信息仍然保留原始细节，视觉上更自然。如果嵌入强度控制得好，PSNR能到38dB以上，肉眼基本分不清原图和含水印图。

3.2 提取端的流程

提取流程和嵌入基本是对称的：

1. 读入待检测图像。
2. 做一层DWT，取LL1子带。
3. 分成同样大小的8x8块，做DCT。
4. 取出对应中频位置系数，判断量化后落在奇数倍还是偶数倍。
5. 拼回水印比特序列，再重塑成水印图像。

因为QIM是盲提取，所以不需要原始载体图像。但如果攻击比较强，比如平移了几个像素或者旋转了角度，块的划分就会错位，这时候提取率会大幅下降。要处理几何攻击，需要加同步信息，常见做法是嵌入一个已知的同步模板，提取时先做模板匹配，再由模板的位置反推原始块的偏移量。这就是为什么很多论文里会用几层结构来设计水印的内容。

3.3 图像和音频实现的差异

音频水印不能直接套二维DWT。我处理的流程是这样的：

1. 读入音频，转成单声道，采样率假设是44.1kHz。
2. 分帧，帧长一般取1024或2048个采样点，帧之间有50%重叠，这样能减少加窗带来的边界突变。
3. 每帧做一维DWT，层数取2层或3层，把低频近似系数当作嵌入区域。
4. 对近似系数再做一维DCT，选一个中频索引位置，用QIM嵌入1比特。
5. 逆变换回时域，按重叠相加（OLA）的方式重建音频。

音频的难点是同步：如果水印嵌入在整个音频开头，但攻击者把开头截掉一点，提取端就无法对齐了。所以比较好的做法是每隔一段固定长度重复嵌入同样的水印，提取时做多数表决，这样即使局部被破坏或截断，仍能恢复出水印。

3.4 水印内容的组织方式

水印本身可以是二值图像，也可以是一串有意义的文本。把二值图像转成比特流后，需要在前后加上同步头（比如一组固定模式，像“1010101010”），这样提取时能定位水印的起始位置。我项目里常用的水印是32x32的二值图，转成1024比特，加上16比特同步头，再重复嵌入到整个载体中。如果是音频，每隔N帧嵌一个完整水印，多次重复后做投票。

另外一个容易忽略的点：水印信息可以先做BCH纠错编码。嵌入1000个比特，加上纠错编码后变成2000比特，虽然容量少了一半，但攻击后的提取成功率会明显提升。压缩、噪声这类攻击本质上是引入少量比特错误，纠错编码能把这些错误修复，效果非常直接。

4. Matlab实现：代码结构、核心函数与参数调优

4.1 代码模块划分

我的Matlab工程目录大概长这样：

code复制watermark_project/
├── main_image_embed.m
├── main_image_extract.m
├── main_audio_embed.m
├── main_audio_extract.m
├── embed_dwt_dct_qim.m
├── extract_dwt_dct_qim.m
├── attack_test.m
├── metrics.m
└── data/
    ├── lena.png
    ├── watermark.png
    └── audio_test.wav

这样划分的好处是：嵌入和提取分开测，攻击脚本单独放，指标计算抽出来复用。调参的时候不用每次改主逻辑，改完输入参数重跑就行。

4.2 图像嵌入核心代码

下面是一段简化但能跑的图像嵌入函数，用的是QIM方式：

matlab复制function wm_img = embed_dwt_dct_qim(cover, wm_bits, delta, blk_size, pos)
    % cover: 灰度图像, double, 值域0~255
    % wm_bits: 水印比特向量, 值为0/1
    % delta: 量化步长
    % blk_size: DCT块大小, 通常取8
    % pos: 中频系数坐标, 例如 [3 4] 表示第3行第4列
    
    [row, col] = size(cover);
    [LL, LH, HL, HH] = dwt2(cover, 'haar');
    % 调整LL尺寸到blk_size的整数倍
    r_new = floor(size(LL,1)/blk_size)*blk_size;
    c_new = floor(size(LL,2)/blk_size)*blk_size;
    LL = LL(1:r_new, 1:c_new);
    
    blocks = mat2cell(LL, ones(r_new/blk_size,1)*blk_size, ...
                          ones(c_new/blk_size,1)*blk_size);
    idx = 1;
    for m = 1:size(blocks,1)
        for n = 1:size(blocks,2)
            block = blocks{m,n};
            dct_block = dct2(block);
            x = dct_block(pos(1), pos(2));
            bit = wm_bits(idx);
            k = round(x / delta);
            if mod(k,2) ~= bit
                k = k + 1;
            end
            dct_block(pos(1), pos(2)) = k * delta;
            blocks{m,n} = idct2(dct_block);
            idx = idx + 1;
            if idx > length(wm_bits)
                break;
            end
        end
        if idx > length(wm_bits)
            break;
        end
    end
    
    LL_new = cell2mat(blocks);
    wm_img = idwt2(LL_new, LH, HL, HH, 'haar');
    wm_img = imresize(wm_img, [row, col]);
    wm_img = uint8(wm_img);
end

这里用mat2cell和cell2mat做分块和重组，逻辑比较清晰。要注意的是：如果水印比特数少于块总数，后面那些块不嵌入，保持原样，这可以节省计算量。如果比特数多于块总数，说明载体太小，需要换更大的图像或减小水印尺寸。

4.3 图像提取核心代码

matlab复制function wm_bits = extract_dwt_dct_qim(wm_img, num_bits, delta, blk_size, pos)
    if ~isa(wm_img, 'double')
        wm_img = double(wm_img);
    end
    [LL, ~, ~, ~] = dwt2(wm_img, 'haar');
    r_new = floor(size(LL,1)/blk_size)*blk_size;
    c_new = floor(size(LL,2)/blk_size)*blk_size;
    LL = LL(1:r_new, 1:c_new);
    blocks = mat2cell(LL, ones(r_new/blk_size,1)*blk_size, ...
                          ones(c_new/blk_size,1)*blk_size);
    wm_bits = zeros(1, num_bits);
    idx = 1;
    for m = 1:size(blocks,1)
        for n = 1:size(blocks,2)
            block = blocks{m,n};
            dct_block = dct2(block);
            x = dct_block(pos(1), pos(2));
            k = round(x / delta);
            wm_bits(idx) = mod(k, 2);
            idx = idx + 1;
            if idx > num_bits
                break;
            end
        end
        if idx > num_bits
            break;
        end
    end
end

提取函数和嵌入函数几乎是一一对应的，这也是这类项目好调试的原因。出问题时，要么是嵌入端和提取端的坐标不一致，要么是位置索引越界，要么是尺寸没对齐。

4.4 参数选择的经验值

我把常用参数整理成一张表，方便直接对照：

这些不是定死的。调参时我习惯固定其他变量，只调delta，观察PSNR和NC两个指标的变化，找到交叉点。比如delta从15到40，每5步测一次，画一条曲线，就能看到透明性下降和鲁棒性上升的斜率，再根据需要选。

4.5 音频嵌入的关键代码思路

音频部分我不放完整代码，核心思路给出来，按这个改就能跑通：

matlab复制function [wm_audio, frame_info] = embed_audio_qim(audio, fs, wm_bits, delta)
    frame_len = 2048;
    hop = frame_len / 2;
    n_frames = floor((length(audio) - frame_len) / hop) + 1;
    wm_idx = mod((1:n_frames)-1, length(wm_bits)) + 1;
    wm_audio = audio;
    win = hamming(frame_len);
    
    for i = 1:n_frames
        start_idx = (i-1)*hop + 1;
        frame = audio(start_idx:start_idx+frame_len-1);
        [cA, cD] = dwt(frame, 'db4');
        % 对cA做DCT
        dct_cA = dct(cA);
        % 选一个中频位置，比如第20个系数
        bit = wm_bits(wm_idx(i));
        k = round(dct_cA(20) / delta);
        if mod(k,2) ~= bit
            k = k + 1;
        end
        dct_cA(20) = k * delta;
        % 逆变换
        cA_new = idct(dct_cA);
        frame_new = idwt(cA_new, cD, 'db4');
        wm_audio(start_idx:start_idx+frame_len-1) = ...
            wm_audio(start_idx:start_idx+frame_len-1) + win .* frame_new;
    end
    % 归一化到原始音频幅值范围
    wm_audio = wm_audio * (max(abs(audio)) / max(abs(wm_audio)));
end

这段代码里我用的是重叠相加的思路，因为直接覆盖帧区间会产生咔咔声，加上Hann窗或者Hamming窗能明显降低拼接噪声。末尾的归一化很重要，如果不做，含水印音频的整体响度会比原始音频低很多，听感变化明显。

5. 鲁棒性攻击测试与算法性能对比

5.1 常用攻击类型和仿真方式

做水印算法不能只在“无攻击”条件下自嗨，必须模拟真实传输中可能遭遇的处理。我按重要性排序，常用的攻击有这些：

JPEG压缩是最关键的测试项。因为DCT本身就是JPEG的分块变换，所以我们的算法对JPEG天然友好。但要特别提醒：攻击测试时不要用整幅图像直接压缩后取整幅图，而是先按8x8分块边缘对齐。如果图像尺寸不是8的倍数，JPEG压缩时边缘像素处理会和嵌入时的块划分不一致，导致提取率下降。所以嵌入前最好先把图像裁剪到8的倍数。

5.2 性能指标怎么算

两个最重要的指标：

• PSNR：峰值信噪比，衡量含水印图像与原始图像的视觉差异。一般大于35dB就认为透明性可接受，大于40dB几乎看不出差别。
• NC：归一化相关系数，衡量提取水印与原始水印的相似度。范围0到1，越接近1越好，大于0.8基本可以接受。

PSNR计算用psnr(wm_img, cover_img)，Matlab自带。NC可以自己写：

matlab复制function nc_val = nc(wm_orig, wm_ext)
    wm_orig = wm_orig(:) - mean(wm_orig(:));
    wm_ext = wm_ext(:) - mean(wm_ext(:));
    nc_val = sum(wm_orig .* wm_ext) / ...
        (sqrt(sum(wm_orig .* wm_orig)) * sqrt(sum(wm_ext .* wm_ext)) + eps);
end

这里减掉均值很重要，不然两个水印图像即使整体偏暗，相关性也会虚高。

5.3 测试脚本的设计

我的attack_test.m结构很简单，把攻击都封装成匿名函数：

matlab复制attacks = struct();
attacks.jpeg = @(x) imread(imwrite(uint8(x),'tmp.jpg','Quality',50));
attacks.noise = @(x) imnoise(uint8(x),'gaussian',0,0.001);
attacks.median = @(x) medfilt2(uint8(x),[3 3]);

注意这里有个坑：imwrite写入再imread读取，必须把图像转成uint8，否则JPEG压缩不会生效或者出错。新手经常在这个环节浪费时间，直接用double矩阵做imwrite，结果看着是压缩了，实际等于没压缩。

然后对每个攻击，提取水印，算NC，最后生成汇总表。数据一出来就知道算法弱在哪，也方便论文里画对比图。

5.4 和纯LSB、纯DWT、纯DCT的对比

我在项目里做了对照组：纯LSB、纯DWT系数叠加、纯DCT中频叠加、以及本文的混合方案。关键数据大概是这样（基于我自己测试的一组图像，Q=50压缩下）：

看起来混合方案的PSNR比纯LSB低，但视觉上依然足够好。关键点是NC提升非常明显，尤其是在JPEG攻击下，从0.42直接到0.92，这差别是跨档次的。

另一个有趣现象：纯LSB的PSNR极高，因为只改了最低位，像素偏差最多1，但鲁棒性差。这正好说明PSNR高不等于水印算法好，一定要结合鲁棒性指标综合看。

6. 常见问题与排查技巧实录

6.1 提取出来的水印是斜的、乱的，怎么办

先别怀疑人生，大概率是块坐标或比特顺序不对。排查步骤我建议这样：

1. 不攻击，直接嵌入后立刻提取，如果NC不是1.0，说明嵌入和提取的流程不对称，从头查分块顺序。
2. 检查水印比特向量和图像尺寸的关系：LL1子带尺寸是原图的一半，分块数必须大于等于水印比特数。块数不够时，后面的比特根本没嵌进去。
3. 检查pos坐标是不是同一个，嵌入和提取只要有一边写错，全盘皆输。
4. 用isequal对比嵌入前和提取时的DCT系数矩阵，定位是嵌入环节还是提取环节出问题。

很多时候就是mod(k,2) ~= bit的奇偶判断写反了。建议提取端也打印几个中间系数，肉眼确认量化后落在哪个区间。

6.2 JPEG压缩后提取率很低，怎么调

JPEG攻击是水印算法的“照妖镜”，提取率低一般有四个原因：

第一，嵌入位置太靠近高频，JPEG量化直接把高频系数清零。解决方法是把嵌入位置往低频方向挪一点，比如从(5,5)挪到(3,4)。第二，量化步长delta太小，JPEG量化产生的误差把系数带到了错误的量化区间。试着把delta从10调到25，提取率会明显上升。第三，图像尺寸没有对齐到8的倍数，JPEG分块和嵌入分块错位。先裁剪再嵌入，问题就消失。第四，水印没有做纠错编码。加了BCH(15,7)后，NC在0.7左右也能正确还原水印图案。

6.3 音频听到明显噪声，怎么降

音频水印最常见的听感问题是“哗啦哗啦”的背景噪声，原因主要有两个：一是帧重叠时直接覆盖重构，没有用窗函数，导致帧边界不连续；二是归一化没做对，把峰值拉得太高。

我的处理方案：嵌入时用Hamming窗，重建时也乘以同一个窗函数，重叠相加后再归一化到原始峰值。另外，嵌入强度不要只盯着delta大，很多音频的感知噪声来自高频伪影，所以在DWT后只改低频部分的近似系数，高频细节完全不碰，音质会好很多。

6.4 调试工具和可视化技巧

我把调试过程固化成了几个习惯：

• 每一步变换都figure; imshow(...)看一眼，尤其是在DWT分解后，用imshow(mat2gray(LL))看LL子带是否清晰。
• 嵌入前后PSNR每个块单独算，数值异常高的块往往对应嵌入强度过大的区域。
• 提取时打印前20个比特和原始前20个比特，一眼就能看出是否有整体移位或反转。
• 用tic/toc统计每帧嵌入耗时，优化性能时先看瓶颈在哪，大部分时间消耗在DCT切换和cell操作上，可以改用矩阵运算或者GPU。

6.5 批量测试时怎么自动化

批量测试建议把所有载体的名字放数组里，循环跑。每次记录PSNR、NC到一个矩阵，最后写入Excel做分析：

matlab复制results = zeros(length(image_list), 3);
for i = 1:length(image_list)
    cover = imread(image_list{i});
    ...
    results(i,:) = [psnr_val, nc_val, ber_val];
end
writematrix(results, 'results.xlsx');

批量测试能发现很多单张测试看不出的问题，比如某些纹理复杂的图像嵌入后肉眼可见伪影，这时候可以考虑自适应嵌入强度，对局部方差大的块降低delta。这个优化简单有效：先计算每个块的方差或边缘强度，再决定块的嵌入步长。

6.6 如何对比“小波变换与LSB性能”

很多论文里会写“小波变换与LSB性能比较”，实际做起来也简单：在相同的载体、相同水印、相同攻击条件下，分别跑纯LSB和DWT+DCT方案，记录PSNR和NC，画两条曲线。关键是要保证对比条件公平，不能说LSB嵌入完不做任何攻击，而DWT方案却在攻击后再提取，这样对比没有意义。所有方案都必须在同一组攻击参数下测试。我自己比较常用的做法是把JPEG质量因子从10到90每隔10测一次，形成一条NC-质量因子曲线，这样鲁棒性变化一目了然。

7. 扩展思路：弯曲变换（Bending）和几何鲁棒性

热点词里有“弯曲变换”、“bending”，这其实是水印鲁棒性攻击研究里的高频词。几何攻击（旋转、缩放、平移、随机弯曲）比JPEG压缩更棘手，因为几何变换破坏了像素位置的对齐，水印即使没被删除，提取端也找不到了。应对思路主要有两个方向：一是嵌入同步模板，用模板检测几何参数并做逆变换校正；二是使用几何不变的变换域，比如傅里叶-梅林变换、弯曲变换，对旋转和缩放有天然的不变性。

如果做了基础版本，想更进一步，可以在嵌入水印之前先对载体和含水印图像做几何同步校正。具体做法是把水印嵌入在一个更大的频域区域，同时嵌入一个已知的周期性图案，提取时先做自相关检测，求出旋转角度和缩放因子，再对图像做逆变换，最后再按常规流程提取水印。这样NC能显著提升。这部分在论文里属于亮点，也是答辩时老师容易追问的方向。

8. 结尾：一点个人经验

这个项目最让我有收获的地方，不是某个算法有多炫，而是理解了“算法组合不是叠加，而是取舍”。DWT选低频，结果画质有损；DCT选高频，结果抗压缩差；LSB虽然弱，但在局部区域做同步头又很有用。每一步设计都是在对透明性、容量、鲁棒性三者做权衡，这也是数字水印整个领域的核心命题。跑代码之前先想清楚指标要求，会比盲目调参有效得多。

最后再分享一个小技巧：调试这类水印项目，务必先从不攻击的无损场景调通流程，把NC跑到0.999以上，再开始加攻击。如果无损场景都提不出来，直接测攻击只会浪费时间。每次只改一个参数，保存好曲线数据，调参就会变得有条理。希望这套方案能让你少踩几个坑，顺利把项目跑起来。