隱藏二維條碼的大尺寸印刷媒體总结概括.pptVIP

隱藏二維條碼的大尺寸印刷媒體 Large-size Print Media Encrypted with 2D Barcodes * Outline 緒論 QR Code介紹 浮水印編碼與解碼 實驗成果 結論與未來展望 * 緒論 空間域的浮水印有最低位元法(LSB) 而頻率領域的浮水印技術是將影像，從空間領域轉換到頻率領域，然後藉由修改頻率領域不重要部分的數值係數來嵌入浮水印，此類的轉換方法大致上接採用離散傅立葉轉換(DFT)、離散餘弦轉換(DCT)、離散小波轉換(DWT) 等。 以上所提到的浮水印技術大都是以電腦對電腦傳輸為前提，運用數值的變化來進行浮水印的鑲入，反而較少考慮到將鑲有浮水印的媒體從印表機印出後，再透過一般照相機的攝影後，解回原有的浮水印。除此之外，以往的浮水印技術是強調強韌版權保護，以保護智慧財產權為課題。 * 將浮水印隱藏於圖片中，再把圖片輸出成大型廣告看板、海報或者是文件，懸掛或張貼於公共空間；使用者可以透過照相機取得該媒體影像，再解回當初鑲入的浮水印資訊。 運作流程圖 * QR code中的modules與dots之關係 * 浮水印編碼與解碼 本論文採用版本4(29*29 modules)的QR code以為實作。假如使用版本4與等級L (15%)的錯誤修正量，一個QR code可以儲存多達640 data bits。反之使用等級H (30%)的錯誤修正量，儲存容量就會減少，僅僅可以儲存288 data bits。 我們考慮經由相機拍照解回的浮水印可能產生雜訊破壞，所以選擇使用錯誤修正量最大型態(30%)的等級H 。 一個版本4(29*29 modules)等級H (30%)的QR code，裡面鑲有網址，裡面鑲有網址.tw/ * 浮水印與鑰匙匹配 將QR code--浮水印縮放成516*516 像素，並且做二值化處理。假設w為打算要鑲入的浮水印，我們將位於(i, j) 的白色像素設定為0,黑色像素則設定為1，所以w(i,j) ∈{0,1}。然後隨機產生一組鑰匙，將w與鑰匙做XOR運算，以便打散浮水印的黑白紋理分布。 原本w是跟鑰匙做點對點的匹配，但是經由照相取得的影像，只要影像裡的像素稍微有一點的偏移，就可能導致解碼失敗。 所以在編碼時我們採用區塊投票方式加以前置處理，也就是說將鑰匙分割成3*3的小區塊，接著對每個小區塊做0與1記數投票，看是0比較多或者是1比較多。假如1為多數的話，就將整個3*3小區塊全部設定成1，否則全部設定成0。接著再跟w的每一像素與鑰匙進行XOR的編碼。 * 區塊匹配編碼 (a) 浮水印二值化後的3*3小區塊 。 (b) 相對應於鑰匙的3*3小區塊，因為該區塊1的計數 大於0，全區設定成1 。 (c)最後將(a)和(b)做XOR運算所得區塊結。 * 浮水印的鑲入 B (i, j) = B(i, j) + w(i, j)sL(i, j) (1) B(i,j) 代表原圖位於(i, j)位置的藍色像素，B (i,j)則為鑲入浮水印後的像素。s代表浮水印的強度，強度越強則相對鑲入原圖時就越明顯，反之則越不明顯。強度s可以依照原圖的特質做調整，調整到可以解出浮水印為止。L (i,j)代表每一個像素的Gaussian亮度( L(i,j)=0.299R(i,j)*0.587G(i,j)*0.114B(i,j))。 人眼對不同頻率的紅（R）綠（G）藍（B）光的感知度不同，例如對藍光的感知度最弱，只有0.1左右，對綠光的感知度最強，約為0.6。 浮水印的鑲入是修改原圖的藍色平面像素，修改順序是由左到右，由上到下。至於對藍色平面的每一像素作加或減，則是根據當初W所做的二值化來決定。在浮水印鑲入處理時，我們將原來的w(i,j)=0轉換成w(i,j)=-1，也就是說w(i,j)∈{-1,1}，予與強化有無修改原圖的對比，以為提高將來取回浮水印的成功率。 * 鑲入浮水印的處理流程圖 * 浮水印的解碼 首先以照相機取的的像素B去預估原圖藍色平面的像素B，也就是對每一點像素周圍的8個像素以取平均方式，來反推原圖的藍色像素值。 * 得到預估原圖藍色平面的像素B之後，將它減去照相的像素B之後就取得w。原本的浮水印的值經由二值化後變成1或者-1，現在以0做為門檻值，去預估原來的浮水印的每一點圖素。也就是說假如w(i, j)的值是正的話，就認為該點的值為1，反之則認為該點的值為-1，以如此方式來提取原有的浮水印。 w(i, j) = B(i, j) - B(i, j) (3) * 提取浮水印的流程圖 * QR CODE 修補 直接把取回的QR code影像輸入QR code的解碼器中，通