LSB图像隐写这套东西，我第一次接触是在一个版权标识的模拟项目里，当时的需求很朴素：给一批灰度图打上肉眼看不见的编号，事后能验证图片是不是从自己手里流出去的。翻了半天资料，发现绕不开LSB算法——最低有效位替换，听名字很唬人，拆开看其实就是把像素值最后一位改掉，人眼基本看不出来。数字水印的嵌入、攻击、提取这条链路，是这类项目里最常被问到的一套流程：嵌入解决“怎么把信息塞进去”，攻击解决“塞进去之后经不经得起折腾”，提取解决“别人动过之后还能不能读出来”。这篇文章面向的是刚上手图像隐写、手里有Matlab环境、想把这套流程跑通并理解每一步为什么这么做的读者，也适合已经跑过现成脚本但一遇到提取失败就抓瞎的人。我会按照实际动手的顺序，把原理、参数、代码、踩过的坑一条条摊开讲，重点放在“为什么要这样做”和“出了问题往哪儿查”，代码都能直接放进Matlab里跑。

1. 整体设计与方案思路拆解

1.1 为什么把水印藏进最低位：一次容量与隐蔽性的权衡

图像隐写的水印嵌入位置，说白了就是“在哪儿动手脚最不容易被发现”。一张8位灰度图，每个像素的取值范围是0到255，写成二进制是8个位，从高到低分别是128、64、32、16、8、4、2、1。最高位决定这个像素大概亮还是暗，最低位只决定它差1还是差0。把最低位改掉，像素值最多变化1，在整幅图里这属于肉眼几乎捕捉不到的扰动。这就是LSB算法的立足点：用最低位承载信息，换取隐蔽性。

但隐蔽性不是免费的。最低位只有一个，一张512×512的灰度图总共262144个像素，每个像素贡献1个bit，容量就是262144 bit，折算下来32KB。彩色图三个通道各算一次，容量翻三倍到96KB。这个容量对文本编号、小尺寸二值水印、校验码来说够用，对整幅灰度图做水印就捉襟见肘了。所以选LSB之前先想清楚载荷有多大：如果水印是一张64×64的二值图，4096 bit，随便一张图都放得下；如果水印是一张256×256的灰度图，那就是524288 bit，得找大图或者用多位嵌入。

多位嵌入是另一个岔路口。只改最低位叫1位LSB，容量最小但隐蔽性最好；改最低两位叫2位LSB，容量翻倍，但像素值最多变化3，PSNR会明显下降。我一般建议新手从1位开始，把整条链路跑通、把攻击测试做一遍，再考虑加位深。原因很实际：1位嵌入的PSNR通常在50dB以上，视觉上完全无感，出了问题也容易判断是算法逻辑错还是位深选大了。

1.2 嵌入、攻击、提取三段式框架怎么搭

这套流程我习惯拆成三段独立的脚本，而不是一个大函数从头跑到尾。第一段负责嵌入，输入载体图和水印，输出含密图和一份记录文件，记录里写清楚水印尺寸、嵌入起始位置、是否置乱、置乱密钥。第二段负责攻击，输入含密图，输出一组被不同方式处理过的图像，比如JPEG压缩到不同质量因子、加高斯噪声、加椒盐噪声、裁剪四分之一、缩放再还原、旋转一度。第三段负责提取和评估，对每一张攻击后的图执行提取，和水印原图比对，算NC和BER。

拆成三段的好处是排查方便。提取失败的时候，你可以先拿未攻击的含密图跑一遍，如果这时候就提不出来，问题在嵌入或提取的同步上；如果未攻击能提出来、攻击后提不出来，问题在攻击环节对低位信息的破坏程度上。很多新手把三步揉在一个脚本里，一出错就不知道从哪儿下手，这是第一个要避开的坑。

记录文件这件事值得单独说。LSB提取本身不需要密钥，它只是把最低位读出来，真正需要“记住”的是水印的长度和排列方式。如果你用了Arnold置乱，提取后必须用相同的迭代次数反置乱；如果你把水印按行优先铺进图像线性索引，提取时也得按同样的顺序取。这些参数一旦丢失，提取出来的就是一串看似随机的比特，没法还原。我在模拟项目里见过有人忘了存置乱次数，最后只能拿含密图重新嵌一遍，前面做的攻击测试全白费。

1.3 容量账与像素账：动手前先算清楚

动手之前先算两笔账。第一笔是容量账：水印总位数必须小于等于载体像素总数乘以嵌入位深。以512×512彩色图、1位嵌入为例，容量是512×512×3 = 786432 bit，也就是98304字节。如果你的水印是二值图，先数非零像素没用，要数总像素，因为二值水印每个像素也要占1 bit。第二笔是像素账：嵌入后有多少像素被改动。理论上每个被嵌入的位有50%概率和原值不同，1位嵌入、满容量情况下大约一半的像素会变化1，PSNR约51dB。这个数可以提前估出来，嵌入后实测对不上，说明代码里位操作写错了。

容量账还有个小细节：彩色图像按通道展开成线性索引时，Matlab的索引顺序是先列后行再通道，img(:)会把所有通道拉成一维。如果你按这个顺序嵌，提取也必须按这个顺序读，中间不能做任何改变尺寸的操作。有人习惯把图像转成double再处理，转回来的时候忘了uint8，数值超过255就会截断，最低位全乱，这是后面常见问题里会重点讲的一条。

2. 核心原理与关键参数详解

2.1 位平面视角下的LSB：为什么改动一个bit人眼看不出来

把一幅灰度图的每个像素按二进制拆开，取所有像素的第0位（最低位）拼成一张二值图，这就是第0位平面；取第7位拼成另一张图，就是最高位平面。最高位平面看起来几乎就是原图的轮廓，因为亮暗的大方向由它决定；最低位平面看起来像随机噪点，和原图内容几乎没有关系。LSB隐写就是利用第0位平面“本来就是噪声”这个特性，把水印替换进去，人眼分辨不出这一层的变化。

这里有个容易被忽略的点：自然图像的最低位的统计分布并不是完全随机的，尤其在平坦区域，相邻像素值接近，最低位会呈现一定的相关性。把水印直接铺进去，会改变这种相关性，隐写分析工具正是靠这个来判断图像有没有被改过。对普通项目来说这不算大问题，但如果你的场景需要对抗专门的隐写检测，就得考虑加密后再嵌入，让嵌入的比特本身接近随机，减少统计特征的偏移。这一点属于进阶内容，新手先把基础链路跑通再说。

从实现角度看，最低位提取用bitget，最低位写入用bitset，这两个函数比手动做模2运算和加减法可靠得多。手动写mod(pixel,2)再减、再乘，很容易在边界值上出错；bitset(A,1,bit)直接把第1位设成指定值，语义清晰，也不会有溢出问题。

2.2 水印预处理：二值化、置乱与校验三件套

水印在嵌入前通常要做三步处理。第一步二值化，把水印图转成0和1的矩阵，因为一个bit只能承载一个二值状态。imbinarize或者简单的阈值判断都行，注意阈值别设得太随意，如果水印本身是灰度文字，阈值设低了文字会糊成一片，嵌入后提取出来也辨认不清。第二步置乱，常用的是Arnold变换，把矩阵按固定规则做位置置换，迭代若干次后水印变得像噪声。置乱的目的是让水印的比特在空间上分散开，万一攻击只破坏了图像某个局部，分散后的水印每个区域都只损失一点，而不是整块丢失。

Arnold变换对正方形矩阵最方便，公式是(x', y') = ( (x + y) mod N, (x + 2y) mod N )，迭代次数就是密钥。非正方形水印可以先补零成正方形，或者改用行列置换。置乱次数不要用1次，1次置换的规律性还比较强，我一般用5到10次，具体看尺寸，迭代次数多了会回到原图，Arnold变换是有周期的，比如N=64时周期是48，超过周期等于白做。

第三步是加校验。最简单的做法是在水印比特流末尾追加几位CRC或者一个固定长度的同步头。同步头的作用是提取时先找到“水印从哪儿开始”，尤其在攻击导致部分比特翻转时，没有同步头就只能靠猜。我习惯在比特流前面加一个16位的固定模式，比如1011001110001010，提取时先滑动窗口找这个模式，找到后再按记录的长度往后读。这个技巧在后面几何攻击的排查里会反复用到。

2.3 嵌入位深、通道选择与不可见性的平衡

嵌入位深决定容量和隐蔽性的平衡点。1位嵌入改动范围是±1，PSNR约51dB；2位嵌入改动范围是±3，PSNR降到约45dB；3位嵌入改动范围是±7，PSNR约39dB，这时候在平坦区域已经能看出轻微的块状痕迹。我的经验是，如果项目对隐蔽性要求高，1位就够；如果载荷确实大，2位是上限，3位以上要配合人眼掩蔽效应选在纹理区域嵌入，那就不是纯LSB了。

通道选择也有讲究。彩色图像转YCbCr后，人眼对亮度Y最敏感，对色度Cb、Cr相对迟钝。纯LSB做法通常在RGB三个通道均匀嵌入，简单但没必要；更合理的做法是把水印优先嵌入蓝色通道或者色度通道，因为人眼对这些通道的细微变化更不敏感。不过要注意，很多图像处理软件在保存JPEG时会做色度下采样，色度通道的信息损失比亮度通道大，如果你的含密图要经过JPEG，把水印放色度通道反而更容易丢。所以通道选择要和后续处理链路一起考虑，不能孤立地看。

还有一点：嵌入前把图像转成double做运算，嵌入完转回uint8，这个转换必须用uint8(round(...))或者确保数值在0到255之间。直接uint8强转，超出范围的值会被截断，比如256变成255、-1变成0，最低位全被破坏。我在早期代码里踩过这个坑，嵌入后PSNR看着正常，提取出来却有一半比特是错的，查了很久才发现是转换截断。

3. 实操过程：从嵌入到提取的完整实现

3.1 环境准备与图像读取的几个坑

Matlab环境不需要额外工具箱，图像处理工具箱里的imread、imwrite、imnoise、imresize、imrotate、rgb2gray、imbinarize都是常用函数，基础版本就有。建议新建一个文件夹，把载体图、水印图、脚本分开放，路径用相对路径，避免换台机器就跑不起来。

读取图像有几个坑。第一，imread读进来的类型取决于文件格式，PNG可能是uint8也可能是uint16，JPEG一般是uint8，动手前先class(img)确认一下，必要时统一转成uint8。第二，彩色图是三维矩阵，灰度图是二维矩阵，后面的线性索引逻辑不一样，建议在脚本开头统一判断通道数。第三，图像尺寸不一致时不要强行拼接，先把水印尺寸缩放到载体能容纳的范围，或者换更大的载体。

cover = imread('cover.png'); if size(cover, 3) == 3 cover = rgb2gray(cover); end cover = uint8(cover); [h, w] = size(cover); fprintf('载体尺寸 %d x %d，容量 %d bit\n', h, w, h * w);

这段代码把彩色图统一转灰度，方便后续按单通道处理。如果你确实要利用彩色通道扩容，把rgb2gray去掉，改成按通道分别嵌入，容量计算乘以3，但提取时也要按通道还原，复杂度会上一个台阶。

水印图同样先读进来二值化：

wm = imread('watermark.png'); if size(wm, 3) == 3 wm = rgb2gray(wm); end wm = imbinarize(wm); wm = logical(wm(:)); fprintf('水印位数 %d\n', numel(wm));

imbinarize对灰度图会自动选阈值，如果水印是白底黑字，转出来黑字是0、白底是1，嵌入后提取出来正好反过来，需要~wm取反。这个细节很小，但不注意的话提取出来的水印和原图对不上，NC算出来接近0，容易误判成算法失败。

3.2 嵌入环节：逐位替换的代码实现

嵌入的核心就一句话：把水印比特按顺序写进载体像素的最低有效位。用bitset实现最干净：

function stego = lsb_embed(cover, wm) cover = uint8(cover); wm = logical(wm(:)); capacity = numel(cover); assert(numel(wm) <= capacity, ... '水印位数 %d 超过载体容量 %d', numel(wm), capacity); stego = cover; idx = 1:numel(wm); stego(idx) = bitset(stego(idx), 1, wm); end

bitset(A, 1, bit)的意思是“把A的第1位设成bit”，Matlab的位编号从1开始，第1位就是最低位。这个写法比手动加减快，也不会溢出，因为bitset内部按位操作，返回值始终在类型范围内。

如果要做2位嵌入，把bitset的位编号改成1和2，分别写入水印的高位和低位，容量翻倍但改动范围变成±3。这里要注意，2位嵌入时水印比特要按两位一组拆开，先写低位再写高位，提取时反过来组合，顺序搞反了整个水印就是乱序的。

嵌入完成后立刻算一次PSNR，确认改动幅度在预期范围内：

function p = psnr_calc(a, b) a = double(a); b = double(b); mse = mean((a(:) - b(:)).^2); if mse == 0 p = Inf; else p = 10 * log10(255^2 / mse); end end

stego = lsb_embed(cover, wm); p = psnr_calc(cover, stego); fprintf('嵌入后 PSNR = %.2f dB\n', p); imwrite(stego, 'stego.png');

保存一定要用PNG或者BMP，不能用JPEG。JPEG是有损压缩，DCT量化和熵编码会把最低位改得面目全非，含密图存成JPEG再读回来，提取出来的水印基本是噪声。这是LSB最典型的“自杀式操作”，后面问题排查里会再强调一次。

3.3 攻击模拟：把常见图像处理操作都试一遍

攻击测试的目的是回答“这张含密图经历什么之后还能读出水印”。常见的攻击分两类：信号处理攻击和几何攻击。信号处理攻击不改变图像尺寸，包括JPEG压缩、加噪声、滤波、亮度调整；几何攻击改变像素位置，包括裁剪、缩放、旋转。两类攻击对LSB的影响完全不同，要分开测。

JPEG压缩模拟：

function att = attack_jpeg(img, q) tmp = [tempname, '.jpg']; imwrite(img, tmp, 'Quality', q); att = imread(tmp); delete(tmp); end

质量因子从95一路降到50，观察NC的变化。经验上，质量因子90以上LSB还有部分比特能存活，80以下基本全军覆没，因为量化步长变大，低频系数的高位都被改，最低位更保不住。

噪声模拟：

att_g = imnoise(stego, 'gaussian', 0, 0.001); att_s = imnoise(stego, 'salt & pepper', 0.01);

高斯噪声的方差参数要小，0.001已经能看出提取错误率上升，0.01就太狠了。椒盐噪声密度1%意味着1%的像素被置成0或255，这些像素的最低位完全不可信，但其他99%的像素如果没被波及，提取仍然可行，所以LSB对椒盐噪声的耐受性反而比JPEG压缩好，这是个反直觉但实测成立的结论。

裁剪模拟：

att_c = stego; att_c(1:round(end/4), :) = 0;

把上面四分之一置黑，如果水印是按线性索引从左上角开始铺的，这块区域的水印就全丢了，后面的水印还在但位置对不上。解决办法是嵌入时把水印重复铺满整幅图，或者分块嵌入，这样裁剪只影响局部，提取时用多数表决恢复。

缩放和旋转：

att_r = imresize(stego, 0.9); att_r = imresize(att_r, size(stego)); att_rot = imrotate(stego, 1, 'bilinear', 'crop');

缩放再还原会引入插值，插值后的像素值不再是最初的整数，最低位被彻底打乱。旋转哪怕只有1度，重采样也会让大量像素位置偏移，LSB直接失效。这两类攻击是LSB的软肋，硬扛没有意义，要么在提取端做同步校正，要么承认LSB不适合这类场景，换变换域方法。

亮度调整：

att_b = stego + 5;

整体加一个常数，像素值变了但最低位的奇偶性没变（加偶数）或者全翻转（加奇数）。加偶数时LSB完全不受影响，加奇数时所有比特翻转，提取出来是原水印的反码，取反就能恢复。这个特性可以用来做一个简单判断：如果提取结果和原水印的NC接近-1，说明经历了奇偶翻转类的处理。

3.4 提取环节：位同步、比对与质量评估

提取就是嵌入的逆操作，把最低位读出来：

function wm = lsb_extract(stego, n) stego = uint8(stego); bits = bitget(stego(:), 1); wm = logical(bits(1:n)); end

n是水印位数，必须和嵌入时一致。如果嵌入了同步头，先读出一段长比特流，再找同步头定位：

function wm = extract_with_sync(stego, wm_len, sync_pattern) bits = bitget(uint8(stego(:)), 1); sync_len = numel(sync_pattern); pos = 0; for k = 1:(numel(bits) - sync_len - wm_len + 1) if isequal(bits(k:k+sync_len-1), sync_pattern(:)) pos = k + sync_len; break; end end if pos == 0 error('未找到同步头，提取失败'); end wm = logical(bits(pos:pos+wm_len-1)); end

这个滑动窗口查找在未攻击时一找一个准，攻击后如果同步头本身被破坏，就会找不到。改进办法是允许同步头有少量比特错误，用汉明距离小于阈值的条件代替完全相等。

提取后的水印要和原水印比对，常用两个指标：NC（归一化相关系数）和BER（误比特率）。NC越接近1越好，BER越接近0越好。

function [nc, ber] = eval_wm(wm_ref, wm_ext) wm_ref = double(wm_ref(:)); wm_ext = double(wm_ext(:)); if numel(wm_ref) ~= numel(wm_ext) error('长度不一致，检查提取参数'); end nc = sum(wm_ref .* wm_ext) / ... sqrt(sum(wm_ref.^2) * sum(wm_ext.^2) + eps); ber = sum(wm_ref ~= wm_ext) / numel(wm_ref); end

NC的公式里加了eps防止除零，水印全黑时sum(wm_ref.^2)为0，不加会出NaN。BER只看有多少位不同，直观但忽略了位置信息，两个指标一起看比较稳妥。如果水印经过Arnold置乱，比对前记得先反置乱，否则NC会很低，但这不是提取失败，是没还原。

4. 常见问题与排查技巧实录

4.1 提取出来全是噪点：先查这三处

提取结果是一团随机黑白点，NC在0附近，这是最常见的问题。排查顺序我固定为三步。第一步，拿未攻击的含密图提取，如果这一步就失败，问题在嵌入或提取参数，和攻击无关。第二步，检查水印长度和嵌入起始位置是否一致，lsb_extract读的位数对不对，置乱有没有反。第三步，检查保存格式，含密图是不是被存成了JPEG，或者中间经过了任何有损处理。

还有一个隐蔽的原因：嵌入时用了double类型，保存后读回来是uint8，最低位的含义变了。比如double下像素值2.0，最低位是0；转成uint8后还是2，最低位还是0，看起来没问题，但如果嵌入过程中对double值做了运算，小数部分会影响bitget的结果。统一用uint8做位操作，别在double上跑LSB，这条要记牢。

4.2 几何攻击下的失步问题怎么破

裁剪、缩放、旋转导致提取失败，本质是“水印的位置找不到了”，不是比特被改坏。解决办法有几种，按复杂度从低到高排。第一种是冗余嵌入，把同一份水印在图像里重复铺多遍，裁剪掉一部分后其他副本还在，提取时对多份结果做多数表决。第二种是分块嵌入，把图像分成若干块，每块嵌入完整水印，提取时逐块提取再投票。第三种是在提取端做几何校正，比如用图像矩或者特征点估计旋转角度，先转回去再提取。第三种实现复杂，新手不建议一上来就做。

冗余嵌入的代价是容量。重复3遍，容量降到三分之一，但抗裁剪能力明显提升。多数表决的实现很简单：

function wm = majority_vote(copies) copies = double(copies); wm = mean(copies, 2) >= 0.5; end

copies是每行一份提取结果，按位取多数。三份副本里有一份被破坏，另外两份还能把结果拉回来。

4.3 常见问题速查表

这张表是我自己在模拟项目里一条条攒出来的，每次遇到新问题就补一行，时间长了排查速度会快很多。

5. 增强思路与实验记录

5.1 冗余嵌入与多数表决

冗余嵌入是提升LSB抗攻击能力最直接的手段，没有之一。思路是把水印比特流复制多份，依次铺进载体的不同区域，提取时把每份都读出来，按位投票。三份冗余的容量是原来的三分之一，但抗裁剪、抗局部噪声的能力提升明显。

实现上要注意副本之间要拉开距离，不能挨着放。如果三份副本挤在图像左上角，一刀裁掉左上角，三份全丢。合理的做法是把图像按行或按块分成三个区域，每份副本放在不同区域，或者干脆交错铺开，让每个局部都包含三份副本的一部分。交错铺开的实现稍微麻烦一点，但抗裁剪效果最好。

多数表决也不是万能的。如果某一份副本被破坏得太厉害，投票结果会被带偏，所以副本数量一般取奇数，三份或五份，取多数。五份冗余容量降到五分之一，一般项目用三份就够了。

5.2 变换域折中：DCT与LSB的组合拳

纯LSB对JPEG压缩和几何攻击几乎没有抵抗力，这是算法本身决定的，不是代码写得不好。如果项目场景里含密图一定会经过压缩或者缩放，就得考虑变换域方法。DCT域水印的思路是把图像分块做DCT，修改中频系数嵌入水印，再做IDCT。中频系数对压缩的耐受性比最低位强得多，因为JPEG量化主要影响高频，中频相对保留得好。

DCT水印的实现比LSB复杂，要处理分块、系数选择、量化步长、嵌入强度，参数一多就容易调崩。我的建议是先把LSB跑通，理解嵌入、攻击、提取的完整逻辑，再过渡到DCT。两者在框架上是相通的，都是“选位置、改值、读值、比对”，区别只在选什么位置、怎么改。把LSB里的同步头、置乱、冗余这些技巧搬到DCT域，同样适用。

还有一种折中方案是混合嵌入：低频区域用DCT嵌入强水印，高频平坦区域用LSB嵌入辅助信息。这种方案实现复杂度高，一般项目用不上，知道有这条路就行。

5.3 实验记录表与评价指标

做攻击测试一定要有记录，不然跑完一圈回头就忘了哪个参数对应哪个结果。我习惯用一张表记录每次实验：载体尺寸、水印尺寸、嵌入位深、是否置乱、攻击类型、攻击参数、PSNR、NC、BER。表不用多漂亮，能对比就行。

从这张表能看出几个规律：PSNR只和嵌入位深有关，和攻击无关，因为攻击发生在嵌入之后，不影响含密图本身的失真；JPEG压缩对LSB的破坏随质量因子下降迅速加剧；椒盐噪声的耐受性反而比高斯噪声好，因为受影响的像素是孤立的；裁剪和缩放的NC都在0.5附近，基本等于随机猜测，说明LSB对几何攻击没有抵抗力。

这些数字不是让你背下来，是让你建立量级感。自己跑实验的时候，如果某个结果和这个量级差太远，比如未攻击时NC只有0.6，那一定是代码有问题，不是算法不行。

我个人在实际操作中的体会是，LSB这套东西的价值不在于它有多强，而在于它足够简单，简单到能把隐写的每一个环节都看得清清楚楚。嵌入就是改最低位，提取就是读最低位，攻击就是看最低位被破坏了多少。把这条链路走一遍，再去理解DCT、DWT那些方法，会发现底层逻辑是相通的，只是换了个“改哪儿”的位置。新手最容易犯的错是一上来就追求抗攻击能力，参数调来调去，结果连最基本的嵌入提取都没跑对。先把未攻击情况下的NC做到1.0，把保存格式、类型转换、置乱还原这些基础问题排干净，再去加攻击测试，路会顺很多。最后分享一个小习惯：每次实验前把载体图复制一份改名备份，攻击脚本里所有写操作都作用在副本上，原始载体永远不动，这个习惯能帮你省掉很多“图被覆盖了只能重新找”的麻烦。