基于混沌Logistic加密算法的图片加密与还原（python）

主要参考【图像加密】图像处理之Logistic混沌序列加密 这篇博客，并将其中的matlab代码改成了python代码。

还原部分是在加密部分的基础上重复一次异或处理，所以只需再次使用加密函数（将图片路径改成加密后的图像）即可。

import cv2
import numpy as np
from PIL import Image

def logistic(Img, x, u,times):
    M = Img.shape[0]
    N = Img.shape[1]
    for i in range(1, times):
        x = u * x * (1 - x)
    array = np.zeros(M * N)
    array[1] = x
    for i in range(1, M * N - 1):
        array[i + 1] = u * array[i] * (1 - array[i])
    array = np.array(array * 255, dtype='uint8')
    code = np.reshape(array, (M, N))
    xor = Img ^ code
    v = xor
    return v

# 0<x<1
x = 0.1
# 3.5699456...<u<=4
u = 4
times = 500

Img = cv2.imread('C:\\Users\\lena.bmp')
Img = Img[:, :, [2, 1, 0]]
(r, g, b) = cv2.split(Img)
R = logistic(r, x, u, times)
G = logistic(g, x, u, times)
B = logistic(b, x, u, times)
merged = np.ones(Img.shape, dtype=np.uint8)
merged[:, :, 2] = B
merged[:, :, 1] = G
merged[:, :, 0] = R

Img = Image.fromarray(merged)
Img.save('C:\\Users\\lena0.bmp')

RGB各通道可以分别选用不同的参数，增大破解难度。

结果示例：

原图（512*512 .bmp格式）

 加密后

 灰度图加密后

 在对灰度图像进行同样的处理后，不难发现RGB图像经加密处理后多多少少还是能看到一点原图像的轮廓，在做数字水印处理时推荐使用灰度图像。