【youcans 的 OpenCV 例程200篇】221.加密马赛克图像处理与解密复原

9. 图像的马赛克处理

马赛克效果是广泛使用的图像和视频处理方法。将图像中指定区域的色阶细节劣化，造成色块模糊的效果，看上去像是一个个小格子组成的色块，称为马赛克。马赛克效果的主要目的是使特定区域的细节无法辨认，经常用于遮挡人物脸部、隐私信息。

上采样和下采样是不可逆的，将下采样的图像还原回原来尺寸时会丢失高频信息，使图片变模糊。因此，消除图像马赛克在原理上是不可能的。但是，通过图片像素临近点插值的填充算法，可以增强马赛克区域的视觉效果。近年来，随着 AI 技术的发展，基于对大量类似清晰图像的学习，使用 AI 算法可以较好地还原图像，识别被马赛克遮挡的人脸或文本，取得了很好的效果。

例程 A4.14 开发了一种可以对指定区域进行加密的马赛克处理方法，处理的图像不仅实现了马赛克效果，而且以加密格式保存了马赛克区域的图像细节。通过加密密钥，可以对马赛克图像进行解密处理，清晰地复原马赛克图像的细节。

例程 A4.14：加密马赛克图像处理与图像解密复原

通常的马赛克处理是图像向下采样的过程，丢失的高频细节是不可逆的，因此消除马赛克复原图像在原理上是不可能的。

本例程开发了一种对指定区域进行加密的马赛克处理方法，处理后的图像不仅实现了马赛克效果，而且以加密格式保存了马赛克区域的图像细节。通过加密密钥可以对马赛克图像进行解密处理，清晰地复原图像的细节。

加密马赛克图像处理的步骤为：

（1）以 8 位灰度图像为例，原始图像指定区域像素值为 8 位二进制数 $p_7, p_6,...,p_1,p_0)$ ；
（2）用密钥 key 对指定区域像素值加密处理得到 8 位二进制数 $c_7, c_6,...,c_1,c_0)$ ；
（3）将加密的像素值右移两位，成为 $0, 0, c_7, c_6,...,c_2)$ ；
（4）嵌入马赛克块颜色 $b_7,b_6,0,...0)$ 的前两位，得到结果 $b_7,b_6,c_7, c_6,...,c_2)$ 。

此时马赛克区域的像素，总体视觉上呈马赛克效果，但每个像素仍以加密的方式保存了大部分高频细节信息。如果没有密匙 key，并不能复原马赛克区域的图像细节。而知道加密方法和密匙 key，则很容易进行解密处理，清晰地复原图像的细节。

例程只是给出基本的实现方法，实际使用时还要考虑算法的抗干扰性能。

    # A4.14 加密马赛克图像处理与图像解密复原img = cv.imread("../images/imgLena.tif", 1)  # 加载原始图片，单通道psw = 36  # 加密密钥，随机种子# 对指定区域进行马赛克处理# 选取指定区域# roi = cv.selectROI(img, showCrosshair=True, fromCenter=False)# x, y, wRoi, hRoi = roi  # 矩形裁剪区域 (y:y+h, x:x+w) 的位置参数x, y, wRoi, hRoi = 208, 176, 155, 215  # 矩形裁剪区域的位置参数roi = img[y:y+hRoi, x:x+wRoi].copy()  # 切片获得矩形裁剪区域print(x, y, wRoi, hRoi)# 指定区域马赛克处理k = 10  # 马赛克块的宽度markH2 = [192, 192, 192]  # 192: 0b11000000roiMosaic = np.zeros(roi.shape, np.uint8)  # ROI 区域np.random.seed(psw)  # 设置随机种子为 pswroiKey = np.random.randint(0, 256, roi.shape, np.uint8)  # 生成 ROI 密钥roiEncrypted = cv.bitwise_xor(roi, roiKey)  # 用 roiKey 对 ROI 加密for h in range(0, hRoi, k):for w in range(0, wRoi, k):color = roi[h, w]  # 顶点颜色# colorH2 = np.bitwise_and(color, markH2)  # markH2：(0b11000000)，color 取高两位# mosaic[h:h+k, w:w+k, :] = colorH2  # 用顶点颜色覆盖马赛克块colorH2 = np.bitwise_and(color, markH2)  # 取顶点颜色的高两位，作为马赛克块颜色block = roiEncrypted[h:h+k, w:w+k, :] >> 2  # 右移 2 位，保存像素特征(已加密)roiMosaic[h:h+k, w:w+k, :] = block + colorH2  # 高两位载入马赛克颜色值，形成马赛克块# 生成完整的马赛克加密图像imgMosaic = img.copy()imgMosaic[y:y+hRoi, x:x+wRoi] = roiMosaic# 由马赛克加密图像和密钥 psw 重建原始图像imgRebuilt = imgMosaic.copy()roiExtract = imgMosaic[y:y+hRoi, x:x+wRoi]  # 提取ROI 区域roiExtract = roiExtract << 2  # 左移 2 位，恢复像素特征(已加密)np.random.seed(psw)  # 设置随机种子为 pswroiKey = np.random.randint(0, 256, roi.shape, np.uint8)  # 生成 ROI 密钥roiDecrypt = cv.bitwise_xor(roiExtract, roiKey)  # 用 roiKey 对 ROI 解密imgRebuilt[y:y+hRoi, x:x+wRoi] = roiDecrypt  # 生成完整的解密图像plt.figure(figsize=(9, 6))plt.subplot(231), plt.title("Original image"), plt.axis('off')plt.imshow(cv.cvtColor(img, cv.COLOR_BGR2RGB))plt.subplot(232), plt.title("Encrypted coding image"), plt.axis('off')plt.imshow(cv.cvtColor(imgMosaic, cv.COLOR_BGR2RGB))plt.subplot(233), plt.title("Rebuilt decrypted image"), plt.axis('off')plt.imshow(cv.cvtColor(imgRebuilt, cv.COLOR_BGR2RGB))plt.subplot(234), plt.title("Region of interest"), plt.axis('off')plt.imshow(cv.cvtColor(roi, cv.COLOR_BGR2RGB))plt.subplot(235), plt.title("Encrypted mosaic ROI"), plt.axis('off')plt.imshow(cv.cvtColor(roiMosaic, cv.COLOR_BGR2RGB))plt.subplot(236), plt.title("Decrypted ROI"), plt.axis('off')plt.imshow(cv.cvtColor(roiDecrypt, cv.COLOR_BGR2RGB))plt.tight_layout()plt.show()