基于Robert邊緣檢測(cè)算子的圖像盲取證技術(shù)

成人高等教育畢業(yè)論文（設(shè)計(jì)）題目：基于Robert邊緣檢測(cè)算子的圖像盲取證技術(shù)完成人：專業(yè)：計(jì)算機(jī)科學(xué)與技術(shù)年級(jí)層次：2012級(jí)專升本指導(dǎo)教師：完成時(shí)間：河北科技師范學(xué)院繼續(xù)教育學(xué)院制基于Robert邊緣檢測(cè)算子的圖像盲取證技術(shù)河北科技師范學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)2012級(jí)摘要:當(dāng)今社會(huì)中，隨著計(jì)算機(jī)及多媒體技術(shù)的快速發(fā)展和日趨完善,社會(huì)已經(jīng)進(jìn)入了以數(shù)字圖像為中心的數(shù)字文化時(shí)代,然而由于Pohtoshop、ACDSee等專業(yè)數(shù)字圖像處理軟件的廣泛使用,對(duì)數(shù)字圖像的篡改也變的越來(lái)越容易。頻頻出現(xiàn)由于數(shù)字圖像篡改而引發(fā)的新聞事件、法律案件，不管是有意的還是無(wú)意的篡改，都或多或少地給社會(huì)和人們的日常生活帶來(lái)諸多不便，甚至產(chǎn)生嚴(yán)重的后果，這就需要我們研究出一種有效的圖像取證技術(shù)來(lái)檢測(cè)數(shù)字圖像的真實(shí)性。本文主要研究最常見(jiàn)的圖像篡改方法，即復(fù)制--粘貼篡改方法。通過(guò)數(shù)字圖像自身的屬性，利用Robert邊緣檢測(cè)算子與閾值分割技術(shù)的結(jié)合的方法，采用VC++6.0編程實(shí)現(xiàn)，來(lái)對(duì)圖像的真實(shí)性進(jìn)行有效的檢測(cè)。關(guān)鍵詞：盲取證，邊緣檢測(cè)，Robert算子，閾值分割1緒論伴隨著計(jì)算機(jī)技術(shù)以及多媒體技術(shù)的快速發(fā)展，數(shù)字圖像的篡改現(xiàn)象也變得十分普遍，被篡改的數(shù)字圖像如果被惡意使用和傳播，那將會(huì)對(duì)社會(huì)的政治、經(jīng)濟(jì)、文化的發(fā)展以及社會(huì)的和諧穩(wěn)定產(chǎn)生負(fù)面的影響，因此，當(dāng)前社會(huì)迫切需要數(shù)字圖像的取證技術(shù)對(duì)各類被質(zhì)疑的圖像和照片的真實(shí)性進(jìn)行有效的檢測(cè)。1.1研究的背景及意義在過(guò)去，人們使用膠卷來(lái)實(shí)現(xiàn)對(duì)照片的篡改，但篡改過(guò)程比較繁瑣而且還需要專業(yè)的技能和一些附加條件如暗室、特殊的開(kāi)發(fā)人員，相紙等。如今，由于多功能的數(shù)碼相機(jī)以及功能強(qiáng)大的數(shù)字圖像處理軟件的大量涌現(xiàn)，使得數(shù)字圖像的篡改變得簡(jiǎn)單而且頻繁。2008年，伊朗革命衛(wèi)隊(duì)網(wǎng)站對(duì)伊朗發(fā)射導(dǎo)彈的照片進(jìn)行了拼接修改。從下面的照片[圖1.1]中可以看出右圖中被標(biāo)記出的那兩枚導(dǎo)彈激起的灰塵形狀是一樣，所以，該照片給當(dāng)時(shí)的伊朗帶來(lái)了許多質(zhì)疑聲，有關(guān)人員對(duì)該圖進(jìn)行了檢查，后來(lái)證實(shí)該圖被處理過(guò)。2010年，在埃及，《金字塔報(bào)》上曾刊登了一期中東領(lǐng)導(dǎo)人和談時(shí)幾個(gè)領(lǐng)導(dǎo)人走紅地毯的圖像（圖[1.2]右為刊登圖，及篡改圖，圖[1.2]左為原圖)，從原圖中可以看到美國(guó)總統(tǒng)奧巴馬位置略微靠前，而在篡改圖中，埃及總統(tǒng)穆巴拉克位置由原圖最右邊的位置移至篡改圖的最前方，讓人們誤以為埃及才是和談的主導(dǎo)力量。圖1.1伊朗導(dǎo)彈齊射圖片，左圖為原圖，右圖為篡改圖，照片顯示，左圖中第四顆導(dǎo)彈還處在發(fā)射位置，右圖中則顯示為升空狀態(tài)。圖1.2埃及報(bào)紙修改中東和談?lì)I(lǐng)導(dǎo)人圖片，將穆巴拉克變成“領(lǐng)頭人”左圖為原圖，右圖為篡改圖篡改圖像不僅僅只有以上幾個(gè)例子，僅通過(guò)上面這幾個(gè)篡改和偽造圖像的例子，我們就可以發(fā)現(xiàn)，如果篡改不能被有效的檢測(cè)出來(lái)，勢(shì)必會(huì)對(duì)國(guó)家乃至世界的政治、經(jīng)濟(jì)、軍事以及外交的正常秩序造成嚴(yán)重的后果，因此，對(duì)圖像真實(shí)性的鑒別在社會(huì)的諸多領(lǐng)域里都引起了人們的極大關(guān)注?，F(xiàn)如今，我們迫切的需要研究出一種新的技術(shù)來(lái)解決這個(gè)問(wèn)題。因此，數(shù)字圖像盲取證技術(shù)應(yīng)運(yùn)而生，可以幫助人們處理一些這方面的問(wèn)題。數(shù)字圖像盲取證的理論以及技術(shù)的研究引起了人們的重視，它可以幫助人們解決一些與圖像相關(guān)的法律糾紛、政治問(wèn)題等。但是就目前來(lái)看，這方面的研究在國(guó)內(nèi)外還處于探索的階段，具有很好的發(fā)展前景。1.2數(shù)字圖像的取證技術(shù)數(shù)字圖像的取證技術(shù)是指對(duì)數(shù)字圖像進(jìn)行分析、鑒別和認(rèn)證，判斷其是否經(jīng)過(guò)人為的偽造、篡改和隱密，目前，數(shù)字圖像取證技術(shù)主要包括兩大類，即主動(dòng)取證技術(shù)和被動(dòng)取證技術(shù)（也稱為盲取證技術(shù)），它們都可以實(shí)現(xiàn)對(duì)數(shù)字圖像的真實(shí)性和完整性的鑒別，但其檢測(cè)原理和方法是有區(qū)別的，各自的適用范圍也不同。1.2.1數(shù)字圖像的主動(dòng)取證技術(shù)數(shù)字圖像的主動(dòng)取證技術(shù)是指在數(shù)字圖像成像的時(shí)候添加數(shù)字水印或數(shù)字簽名等附加信息，在取證過(guò)程中對(duì)嵌入附加信息進(jìn)行完整性驗(yàn)證，來(lái)判斷圖像是否被篡改，這種技術(shù)主要包括以魯棒數(shù)字水印為代表的防偽技術(shù)，以脆弱數(shù)字水印為代表的防篡改技術(shù)，以及以數(shù)字簽名、數(shù)字指紋為代表的認(rèn)證技術(shù)。但是，圖像主動(dòng)取證技術(shù)在現(xiàn)實(shí)生活中還是不太理想，主要包括以下幾點(diǎn)：（1）圖像嵌入的附加信息要求具有不輕易被破壞的能力;（2）嵌入數(shù)字水印、數(shù)字簽名以及數(shù)字指紋等附加信息會(huì)影響圖像的質(zhì)量;（3）附加信息需要三方的配合，才可以確保它是有用信息;（4）就目前而言，數(shù)碼相機(jī)市場(chǎng)上大多數(shù)的數(shù)碼相機(jī)都不支持在成像時(shí)嵌入數(shù)字水印、數(shù)字簽名等附加信息，只有極少數(shù)的高端數(shù)碼相機(jī)才支持，而且算法體系也不統(tǒng)一，所以實(shí)用性不高。1.2.2數(shù)字圖像的被動(dòng)取證技術(shù)與數(shù)字圖像主動(dòng)取證技術(shù)相比，數(shù)字圖像的盲取證技術(shù)漸漸顯現(xiàn)出它的優(yōu)勢(shì)，這里之所以稱之為"盲"，指的是不依賴于任何數(shù)字水印、數(shù)字簽名等附加信息，只需要取證圖像的參與即可完成對(duì)數(shù)字圖像真實(shí)性和完整性的認(rèn)證，數(shù)字圖像盲取證技術(shù)直接根據(jù)待取證圖像本身，即實(shí)現(xiàn)對(duì)圖像的真?zhèn)我约皝?lái)源的鑒別，無(wú)需對(duì)數(shù)字圖像進(jìn)行任何預(yù)處理，它相對(duì)于數(shù)字圖像的主動(dòng)取證技術(shù)來(lái)說(shuō)，具有實(shí)用性更高，應(yīng)用價(jià)值更強(qiáng)的特點(diǎn)。1.3數(shù)字圖像邊緣檢測(cè)概述1.3.1數(shù)字圖像的格式分類數(shù)字圖像的格式主要包括：BMP格式、JPEG格式、GIF格式、PSD格式、PNG格式等?，F(xiàn)如今，數(shù)字圖像的類別主要有兩種形式，即以點(diǎn)陣形式描述圖像的位圖和以數(shù)學(xué)方法描述圖像的一種由幾何元素組成的描繪類、矢量類以及面向?qū)ο蟮母袷絒]。下面我們主要介紹一下兩種具有代表性圖像格式：BMP格式和JPEG格式?！癇MP格式是一種與硬件設(shè)備無(wú)關(guān)的位圖格式，未經(jīng)過(guò)壓縮，使用非常廣范，典型的BMP圖像文件由三部分組成：位圖文件頭數(shù)據(jù)結(jié)構(gòu)，位圖信息數(shù)據(jù)結(jié)構(gòu)，以及定義顏色等信息。JPEG格式也是應(yīng)用最廣泛的圖像格式之一，它采用一種特殊的有損壓縮算法，將不易被人眼察覺(jué)的圖像顏色刪除，從而達(dá)到較大的壓縮比，一般可達(dá)到2:1甚至是40:1，因?yàn)镴PEG格式的文件尺寸較小下載速度快，所以是互聯(lián)網(wǎng)上使用最廣泛的圖像格式?！盵]由于在Windows環(huán)境中運(yùn)行的圖形圖像軟件都支持BMP圖像格式，以及精確地突顯邊緣，因此，本文研究的圖像格式采用未經(jīng)壓縮的位圖格式——BMP格式。1.3.2邊緣檢測(cè)技術(shù)邊緣是圖像的最基本的特征，它說(shuō)得是圖像中周圍的像素灰度有階躍性變化或山頂狀變化的那些像素的集合，它具有幅度和方向兩個(gè)基本特征，平行于邊緣走向，像素灰度變化比較平緩；垂直于邊緣走向，像素灰度變化劇烈。圖像邊緣對(duì)于圖像的識(shí)別以及計(jì)算機(jī)分析等都有很大的用處，本質(zhì)上來(lái)說(shuō)圖像的邊緣是對(duì)圖像局部特性不連續(xù)性如紋理結(jié)構(gòu)的突變、灰度的突變、顏色的突變等的反映，由于標(biāo)志著一個(gè)區(qū)域的終結(jié)，另一個(gè)區(qū)域的開(kāi)始，因此它可以用來(lái)分割圖像。圖像噪聲是指圖像中各種妨礙人們對(duì)圖像信息接收的那些因素。所有基于邊界分割的圖像分析方法的都要用到邊緣檢測(cè)技術(shù)。該技術(shù)首先要對(duì)圖像某一小塊區(qū)域特性的間斷性進(jìn)行檢測(cè)，接著再將它們重新連接成邊界，把不同的區(qū)域區(qū)分開(kāi)來(lái)。此時(shí)，那些邊緣被檢測(cè)出來(lái)的圖像，要進(jìn)一步地進(jìn)行形狀的分析和特征的提取。為了比較確切地提取邊緣，研究者們已經(jīng)研究出很多邊緣檢測(cè)算子以及一些改進(jìn)的算子[]。但各個(gè)算子都有自己的優(yōu)缺點(diǎn)和適用的領(lǐng)域。本文著重對(duì)Robert邊緣檢測(cè)算子進(jìn)行理論分析以及結(jié)果驗(yàn)證。但是，邊緣檢測(cè)算子檢測(cè)出的邊緣并不一定是準(zhǔn)確的。1.3.3邊緣檢測(cè)的分類概述通常用一階或兩階導(dǎo)數(shù)來(lái)檢測(cè)邊緣，如下圖所示。不同的是一階導(dǎo)數(shù)認(rèn)為最大值對(duì)應(yīng)邊緣位置，而二階導(dǎo)數(shù)則用零點(diǎn)對(duì)應(yīng)邊緣的位置。（1.3）圖像灰度變化（1.4）一階導(dǎo)數(shù)（1.5）二階導(dǎo)數(shù)傳統(tǒng)的邊緣檢測(cè)算子有基于一階導(dǎo)數(shù)Robert算子、Prewitt算子、Sobel算子等，基于二階導(dǎo)數(shù)的Laplacian（拉普拉斯）算子、LOG（高斯拉普拉斯）算子等。每種算子都有各自的特點(diǎn)，下面僅簡(jiǎn)單介紹前三種算子的特點(diǎn)。Robert算子可以比較準(zhǔn)確地對(duì)定位圖像邊緣，它檢測(cè)水平和垂直邊緣的效果要比斜向邊緣的效果好一些，但是該算子對(duì)噪聲比較敏感，常用來(lái)處理那些邊緣明顯且噪聲較少的圖像分割。它是一種利用局部差分算子尋找邊緣的算子。Prewitt算子可以有效地消除一些噪聲，消除噪聲的原理是計(jì)算像素的平均灰度值，但是這就相當(dāng)于對(duì)圖像進(jìn)行了低通濾波，因此Prewitt算子相對(duì)于Robert算子對(duì)邊緣的定位略微顯得要差些。Sobel算子和Prewitt算子原理差不多，但是在Sobel算子中，距離不同的像素具有不同的權(quán)值，換句話說(shuō)就是鄰域的像素對(duì)當(dāng)前像素會(huì)產(chǎn)生不同的影響，所以，對(duì)算子的結(jié)果也會(huì)產(chǎn)生不同的影響，距離遠(yuǎn)的產(chǎn)生的影響會(huì)比較小。2基于Robert算子的邊緣檢測(cè)的實(shí)現(xiàn)2.1Robert算子簡(jiǎn)介邊緣檢測(cè)的實(shí)質(zhì)是：采用某種算子在圖像中提取出目標(biāo)區(qū)域與背景間的交界線，將邊緣定義為圖像灰度發(fā)生急劇性變化的那些區(qū)域邊界。邊緣檢測(cè)圖像灰度分布的梯度決定了圖像灰度的變化程度。梯度對(duì)應(yīng)的是一階導(dǎo)數(shù)的信息，梯度算子是一階導(dǎo)數(shù)算子。梯度算子效果最好時(shí)出現(xiàn)在圖像的噪聲和模糊處理程度較小，邊緣的灰度值相差較大的情況下。對(duì)一個(gè)連續(xù)的圖像，可以用矢量表示像素點(diǎn)處的梯度表示為：...............................................(2.1)其中和分別來(lái)表示沿著方向和方向的梯度。就目前來(lái)看，基于微分的邊緣檢測(cè)算子應(yīng)用比較多，梯度算子就是其中的一種重要的檢測(cè)算法，而Robert算子是梯度算子的一種，而許多結(jié)果也顯示，用Robert梯度檢測(cè)邊緣比較好。因此，本論文主要研究Robert算子，來(lái)實(shí)現(xiàn)合成圖像的盲取證。圖像邊緣梯度值以及梯度方向的計(jì)算公式如（2.2）式和（2.3）式所示：....................（2.2）（n=1，2，...）..............（2.3）（n=1，2，...）其中為圖像灰度分布函數(shù)，為圖像邊緣的梯度值，為梯度的方向，梯度方向是圖像灰度值變化變化最快的方向。Robert算子采用的是對(duì)角方向相鄰的兩個(gè)像素的差值，故也稱為四點(diǎn)差分法，它是一種通過(guò)局部差分的方法來(lái)定位邊緣的算子，首先通過(guò)計(jì)算對(duì)角線方向相鄰兩個(gè)像素的差值來(lái)近似代表梯度幅值，然后再選取合適的閾值來(lái)提取邊緣。將（2.2）式改寫(xiě)為：....................（2.4）和...........................（2.5）其中表示點(diǎn)處像素的灰度值，則（2.4）式是Robert邊緣檢測(cè)算子的差分形式，（2.5）式是其一階偏導(dǎo)（微分）的形式，事實(shí)上，現(xiàn)在計(jì)算機(jī)處理的圖像大部分是數(shù)字圖像，在數(shù)字圖像領(lǐng)域中，根據(jù)實(shí)際的情況判斷應(yīng)該使用差分還是微分。上述算子對(duì)應(yīng)兩個(gè)模板，如（2.6）式所示。在實(shí)際應(yīng)用當(dāng)中，圖像中的每個(gè)像素點(diǎn)利用這兩個(gè)模板進(jìn)行卷積運(yùn)算。.............................................（2.6）2.2閾值分割閾值也就是臨界值，在數(shù)字圖像處理中閾值就是基于圖片亮度的一個(gè)黑白分界值，本文默認(rèn)值為127。亮度低于127的區(qū)域會(huì)變黑，高于127的區(qū)域會(huì)變白。閾值分割是為了突顯圖像目標(biāo)區(qū)域的方法。圖像通過(guò)Robert邊緣檢測(cè)算子處理后會(huì)以特定的灰度值呈現(xiàn)出來(lái)，然后使用閾值分割將目標(biāo)區(qū)域與背景分離。閾值分割可以通過(guò)以下兩步實(shí)現(xiàn)：（1）由用戶選擇一個(gè)閾值T，本文閾值初始默認(rèn)值設(shè)為127；（2）將閾值和每一個(gè)像素的灰度值相比較，小于此閾值的設(shè)為0，那些像素點(diǎn)就會(huì)變?yōu)闉楹谏?，大于此閾值的設(shè)為255，那些像素點(diǎn)就會(huì)變?yōu)榘咨?。圖像的閾值變換函數(shù)表達(dá)式為：......................................（2.7）其中，T為用戶選擇的閾值。閾值分割的方法按照對(duì)圖像上每個(gè)像素所使用的閾值相同與否，有局部與全局之分，如果所有閾值都一樣，則為全局閾值方法，否則，就是局部閾值方法[]。全局閾值：，其中；P是整幅圖像局部閾值：，其中；Q是(x,y)的鄰近區(qū)域全局閾值分割法是一種比較簡(jiǎn)單易操作的圖像分割方法。在選用閾值時(shí)，據(jù)不同的目標(biāo)，對(duì)圖像分割往往存在一個(gè)最佳的閾值。最佳全局閾值確定的常用方法一般有以下面幾種：（1）實(shí)驗(yàn)法。實(shí)驗(yàn)法是指在事先知道知道圖像的某些屬性的情況下，對(duì)閾值進(jìn)行確定的方法，只需要多次試驗(yàn)不同的閾值。（2）直方圖法。如果圖像中目標(biāo)區(qū)域和背景的灰度值都是均勻分布的話，那么這幅圖像的直方圖中就會(huì)有兩個(gè)最大值，如果出現(xiàn)此現(xiàn)象，并且兩個(gè)最大值的距離也不是太遠(yuǎn)的話，那么我們就可以選擇兩個(gè)最大值之間的最小值作為閾值。當(dāng)最大值不僅僅只限于兩個(gè)時(shí)，多閾值就會(huì)出現(xiàn)。多個(gè)域值的出現(xiàn)帶來(lái)了新的問(wèn)題——如何利用這些閾值進(jìn)行圖像分割。通常我們會(huì)在這些閾值中選擇一個(gè)最佳閾值，來(lái)對(duì)圖像進(jìn)行有效的分割。（3）最小誤差方法。該方法的前提條件是背景與目標(biāo)區(qū)域的灰度分布都要成正態(tài)分布的形式。然后根據(jù)概率的大小確定最佳閾值。（4）迭代閾值選擇法。以迭代的方法產(chǎn)生閾值，可以通過(guò)程序?qū)崿F(xiàn)自動(dòng)計(jì)算比較合適的閾值。其過(guò)程可分為以下幾步：（1）首先要確定圖像分割的初始閾值T，本文的初始閾值T為127，一般初始閾值可設(shè)為圖像的灰度值的平均數(shù)；（2）通過(guò)初始，把圖像按平均灰度值分為兩組和；（3）計(jì)算這兩組平均灰度值和；（4）重新選擇，新的定義為：；（5）循環(huán)操作（2）至（4），直到和成為一個(gè)常量時(shí)就得到了最佳閾值。本文采用的是全局閾值分割法中的迭代閾值選擇。2.3算法實(shí)現(xiàn)2.3.1BMP文件頭BMP位圖文件由bitmapfileheader、bitmapinfoheader、rgbquad、位圖像素?cái)?shù)據(jù)這四部分組成，其結(jié)構(gòu)組成可以表示為：表2.1BMP位圖文件頭結(jié)構(gòu)含有BMP文件類型、文件大小和位圖起始位置等信息。位圖信息頭數(shù)據(jù)用于說(shuō)明位圖的尺寸等信息。顏色表是用來(lái)表示圖像顏色的，通常由若干個(gè)項(xiàng)組成，其中的任意項(xiàng)都是一個(gè)定義一種顏色的RGBQUAD類型的結(jié)構(gòu)。像素?cái)?shù)據(jù)存儲(chǔ)了圖像中的每一像素的灰度值，按從左到右，從上到下的順序掃描位圖圖像的行與行。位圖的每一像

素值所占的字節(jié)數(shù)：當(dāng)時(shí)，8個(gè)像素占1個(gè)字節(jié)；當(dāng)時(shí)，2個(gè)像素占1個(gè)字節(jié)；當(dāng)時(shí)，1個(gè)像素占1個(gè)字節(jié)；當(dāng)時(shí)，1個(gè)像素占3個(gè)字節(jié)。2.3.2CDib類庫(kù)的建立大多數(shù)圖像處理都是基于DIB來(lái)進(jìn)行討論的，而VC++6.0的MFC中沒(méi)有處理DIB位圖的專門的類，所以需要定義一個(gè)處理DIB位圖的專用類CDib類，在其中封裝必要而有效地DIB數(shù)據(jù)成員和處理函數(shù)，該類具有的功能如下：UINTGetWidth();//返回位圖的寬度UINTGetHeight();//返回位圖的高度char*GetFileName();//返回位圖文件名DWORDGetSize();//返回位圖文件大小BYTE*GetData();//返回?cái)?shù)據(jù)區(qū)首地址RGBQUAD*GetRGB();//返回顏色表首地址BITMAPINFO*GetInfo();//返回信息結(jié)構(gòu)首地址UINTGetNumberOfColors();//返回位圖的顏色數(shù)目BOOLSaveFile(constchar*pszFilename);//存儲(chǔ)位圖文件voidLoadFile(CStringm_fileName);//返回BMP位圖文件名CDib類應(yīng)具有以下功能目標(biāo)：DIB文件的讀寫(xiě)操作；提供位圖width、height、顏色數(shù)目等位圖相關(guān)信息；提供有關(guān)位圖占據(jù)內(nèi)存空間的信息。2.3.3具體實(shí)現(xiàn)步驟（1）獲取原圖數(shù)據(jù)區(qū)指針；（2）申請(qǐng)同原圖大小一樣的一個(gè)緩沖區(qū)，再將原圖復(fù)制到緩沖區(qū)中去；（3）利用Robert邊緣檢測(cè)算子的模板參數(shù)，再調(diào)用相應(yīng)算法對(duì)緩沖區(qū)進(jìn)行卷積計(jì)算；（4）將計(jì)算結(jié)果復(fù)制到原圖，產(chǎn)生結(jié)果圖1，輸出顯示；（5）在結(jié)果圖1中的輪廓區(qū)域內(nèi)，進(jìn)行尺寸標(biāo)準(zhǔn)化方差分析，產(chǎn)生合理的域值T；（6）調(diào)用閾值分割函數(shù)——迭代自動(dòng)閾值選擇（采用平均值），當(dāng)灰度值小于域值T時(shí)，判定為目標(biāo)區(qū)域，標(biāo)識(shí)目標(biāo)區(qū)域，產(chǎn)生結(jié)果圖像2；（7）結(jié)合原圖和圖像2的目標(biāo)區(qū)域產(chǎn)生結(jié)果圖像3；（8）輸出顯示圖像3，即為實(shí)驗(yàn)結(jié)果。2.3.4程序?qū)崿F(xiàn)（1）在灰度圖像中，算子具體程序?qū)崿F(xiàn)的部分語(yǔ)句①for(j=0;j<height-1;j++)②for(i=0;i<wide-1;i++){③pixel[0]=p_data[j*wide+i];④pixel[1]=p_data[j*wide+i+1];⑤pixel[2]=p_data[(j+1)*wide+i];⑥pixel[3]=p_data[(j+1)*wide+i+1];⑦temp[j*wide+i]=(int)sqrt((pixel[0]-pixel[3])*(pixel[0]-pixel[3])+(pixel[1]-pixel[2])*(pixel[1]-pixel[2]));⑧}其中語(yǔ)句③④⑤⑥的作用是在灰度圖像中生成Robert算子；語(yǔ)句⑦的作用是處理灰度圖像的當(dāng)前像素的灰度值。（2）在24位彩色圖像中，Robert算子具體程序?qū)崿F(xiàn)的部分語(yǔ)句①for(j=0;j<height-1;j++)②for(i=0;i<DibWidth-3;i++){③pixel[0]=p_data[j*DibWidth+i];④pixel[1]=p_data[j*DibWidth+i+3];⑤pixel[2]=p_data[(j+1)*DibWidth+i];⑥pixel[3]=p_data[(j+1)*DibWidth+i+3];⑦p_temp[j*DibWidth+i]=2*(int)sqrt((pixel[0]-pixel[3])*(pixel[0]-pixel[3])+(pixel[1]-pixel[2])*(pixel[1]-pixel[2]));⑧}其中語(yǔ)句③④⑤⑥的作用是在24位彩色圖像中生成Robert算子；語(yǔ)句⑦的作用是處理24位彩色圖像的當(dāng)前像素的灰度值。（3）程序中計(jì)算下一個(gè)迭代閥值的程序?qū)崿F(xiàn)部分①for(i=0;i<T1+1;i++){②Temp0+=tongji[i]*i;③Temp1+=tongji[i];④}⑤for(i=T1+1;i<256;i++){⑥Temp2+=tongji[i]*i;⑦Temp3+=tongji[i];⑧}（4）迭代閾值分割函數(shù)實(shí)現(xiàn)像素點(diǎn)灰度轉(zhuǎn)換部分程序①for(j=0;j<height;j++){②for(i=0;i<wide;i+=3){③unsignedchartemp=*((unsignedchar*)p_data+wide*j+i);④ if(temp<T1+150)⑤temp=0;⑥ else⑦ temp=255;⑧ *((unsignedchar*)p_data+wide*j+i)=temp; *((unsignedchar*)p_data+wide*j+i+1)=temp; *((unsignedchar*)p_data+wide*j+i+2)=temp;⑨}⑩} 以上語(yǔ)句的功能是實(shí)現(xiàn)對(duì)各像素的灰度轉(zhuǎn)換，語(yǔ)句④if(temp<T1+150)是用來(lái)判斷像素灰度值是否超出了T1+150，其中T1=128，150是配準(zhǔn)值，可以任意選取；語(yǔ)句⑧的功能是回寫(xiě)處理完的像素。2.4程序處理結(jié)果分析（1）當(dāng)灰度值temp<T1時(shí)，即當(dāng)配準(zhǔn)值為0時(shí)，原圖像的邊緣與篡改部分的邊緣基本上分辨不開(kāi)來(lái)。圖2.1要鑒定的目標(biāo)圖a 圖2.2要鑒定的目標(biāo)圖b圖2.3用Robert算子處理后的圖a 圖2.4用Robert算子處理后的圖b圖2.5閾值分割后的圖a 圖2.6閾值分割后的圖b（2）當(dāng)灰度值temp<T1+50時(shí)，即配準(zhǔn)值為50時(shí)，較于原圖像的邊緣，目標(biāo)區(qū)域的邊緣在突顯。圖2.7（3）當(dāng)像素值temp<T1+80時(shí)，即配準(zhǔn)值為80時(shí)，從右圖中可以看到原圖像邊緣已經(jīng)與篡改部分的邊緣區(qū)分開(kāi)來(lái)。而左圖效果相對(duì)右圖來(lái)說(shuō)，還是不太理想。圖2.8（4）當(dāng)像素值temp<T1+100時(shí)，右圖效果依然很明顯，但左圖還有原圖像的部分邊緣。圖2.9（5）當(dāng)像素值temp<T1+120時(shí)，兩個(gè)對(duì)比圖的邊緣都有弱化的趨勢(shì)，左圖還有原圖的一小部分邊緣。圖2.10（6）當(dāng)像素值temp<T1+150時(shí)，此時(shí)可以看到，原圖像邊緣與篡改部分的邊緣已經(jīng)完全區(qū)分開(kāi)來(lái)，但是篡改區(qū)域的邊緣相對(duì)上面的圖像來(lái)說(shuō)，都有些弱化。圖2.11（7）當(dāng)像素值temp<T1+200時(shí)，已經(jīng)不再顯示任何部分的邊緣。圖2.12通過(guò)修改配準(zhǔn)值，可以得到在不同配準(zhǔn)值下的處理效果。本文選取了七組數(shù)值，即0、50、80、100、120、150、200。當(dāng)選定某一配準(zhǔn)值后，閾值分割函數(shù)就會(huì)自動(dòng)地計(jì)算迭代閾值，對(duì)圖像背景與目標(biāo)區(qū)域的邊緣進(jìn)行分割。通過(guò)結(jié)果圖的分析對(duì)比可以得出：每個(gè)篡改圖像的最佳配準(zhǔn)值不一定相同。從以上幾個(gè)對(duì)比圖中可以得出圖a和圖b的最佳配準(zhǔn)值分別為150和80。因此，要想準(zhǔn)確定位一個(gè)圖像目標(biāo)區(qū)域的邊緣，還需要找出針對(duì)于該圖像的一個(gè)最佳配準(zhǔn)值，即要多次修改配準(zhǔn)值以找出最佳的配準(zhǔn)值。2.5本章小結(jié)一般的復(fù)制-粘貼篡改方法都要用到模糊處理，以使得圖像的輪廓看起來(lái)比較自然，但是這就給圖像篡改檢測(cè)增加了一定的難度，所以要使用邊緣檢測(cè)算子來(lái)鎖定目標(biāo)區(qū)域，然后通過(guò)的不同的閾值選擇，來(lái)對(duì)圖像進(jìn)行分割，保留目標(biāo)區(qū)域的邊緣，從而達(dá)到實(shí)驗(yàn)的目的。3總結(jié)3.1論文小結(jié)本文研究的復(fù)制-粘貼篡改圖像，在實(shí)際的操作中，往往還要進(jìn)行一定程度的模糊處理，使篡改部分的邊界不被人眼發(fā)現(xiàn)。模糊之后的圖像，篡改區(qū)域難以識(shí)別，所以本文采用邊緣檢測(cè)算子來(lái)鎖定目標(biāo)區(qū)域，使之突顯出來(lái)，并與圖像分割技術(shù)——閾值分割相結(jié)合，來(lái)提取出被篡改的區(qū)域。其中，閾值的選擇是關(guān)鍵。在經(jīng)過(guò)邊緣檢測(cè)處理得到的圖像中，被篡改的區(qū)域一般是屬于高亮區(qū)域，亮度高于其他部分，尤其是邊界部分，但是由于灰度級(jí)的范圍是0-255，所以合理的閾值選擇很重要。為了得到一個(gè)合理的閾值，本文采用迭代方法自動(dòng)選擇閾值。迭代的算法部分采用是平均求值法。但是這種方法偶爾也會(huì)出現(xiàn)一些差錯(cuò)，比如高亮區(qū)域過(guò)多，而導(dǎo)致目標(biāo)區(qū)域被掩蓋，所以在此基礎(chǔ)上閾值還要再加一個(gè)配準(zhǔn)值，即在平均閾值之后再加配準(zhǔn)值。本文對(duì)七組配準(zhǔn)值的效果進(jìn)行了比較，得出配準(zhǔn)值在80--150之間選取時(shí)效果比較好，但是針對(duì)不同的圖像，本文不能確定一個(gè)適合所有圖像的最佳配準(zhǔn)值，只能在多次試驗(yàn)的情況下確定該圖像的最佳配準(zhǔn)值。3.2對(duì)未來(lái)的展望通過(guò)本文的簡(jiǎn)單介紹，可以使了解到盲取證的另一種思路，有助于圖像處理以及盲取證技術(shù)的研究。但是，本文在某些方面仍然存在很大的局限性，有很多地方需要不斷完善，本文的很多的知識(shí)點(diǎn)都是粗略的介紹，有些并沒(méi)有深入的探討研究。另外，由于圖像的千差萬(wàn)別，并不能保證所有復(fù)制-粘貼篡改圖像的篡改區(qū)域都能準(zhǔn)確識(shí)別出來(lái)，因此，該程序有待進(jìn)一步的改進(jìn)和完善，也希望有更多的人能在以后的學(xué)習(xí)中繼續(xù)探索和研究基于邊緣檢測(cè)算子的圖像盲取證技術(shù)，最終能夠得出一個(gè)比較成熟的方法來(lái)鑒定圖像的真實(shí)性和完整性。參考文獻(xiàn)[1]ZhongweiHe，WeiLu，WeiSun，JiwuHuang.DigitalimagesplicingdetectionbasedonMarkovfeaturesinDCTandDWTdomain.PatternRecognition45(2012)p.4292-4299.[2]S.DeviMahalakshmi，K.Vijayalakshmi，S.Priyadharsini.Digitalimageforgerydetectionandestimationbyexploringbasicimagemanipulations.DigitalInvestigation8(2012)p.215-225.[3]GuangjieLiua，JunwenWang，ShiguoLianc，ueweiDai.MathematicalandComputerModelling.MathematicalandComputerModellingX(XXXX)p.XXX-XXX.[4]夏德深，傅德勝.現(xiàn)代圖像處理技術(shù)與應(yīng)用[M].南京:東南大學(xué)出版社，1997:p.68-83[5]M.Chen，J.Fridrich，J.Lukas，M.Goljan，ImagingsensornoiseasdigitalX-rayforrevealingforgeries，in:ProceedingofInternationalWorkshoponInformationHiding，in:LNCS，vol.4567，2008，p.342–358.[6]A.-C.Popescu，H.Farid，Exposingdigitalforgeriesincolorfilterarrayinterpolatedimages，SignalProcessing:ImageCommunication53(2005)3948–3959.[7]J.Wang，H.-B.Zhang，Exposingdigitalforgeriesbydetectingtracesofimagesplicing，in:ProceedingofInternationalConferenceonSignalProcessing，2006，p.16–20.[8]Z.-H.Qu，G.-P.Qiu，J.-W.Huang，Detectdigitalimagesplicingwithvisualcues，in:ProceedingsofInternationalWorkshoponInformationHiding，2009，p.247–261.[9]D.-Y.Hsiao，S.-C.Pei，Detectingdigitaltamperingbyblurestimation，in:ProceedingoftheFirstInternationalWorkshoponSystematicApproachestoDigitalForensicEngineering，2005，p.264–267.[10]L.-N.Zhou，D.-M.Wang，Y.-B.Guo，J.-F.Zhang，Blurdetectionofdigitalforgeryusingmathematicalmorphology，in:ProceedingofKESAMSTA，2007，p.990–998.[11]Y.Sutcu，B.Coskun，H.T.Sencar，N.Memon，Tamperdetectionbasedonregular