- 题目：基于四元数变换的彩色图像水印算法设计与实现
- 变换算法：
QDFRNT, 四元数分数阶随机变换、QDFRFT, 四元数分数阶傅里叶变换 - 水印算法：
- 基于
SVM的自适应彩色图像水印算法 - 基于量化的自适应彩色图像水印算法 (
TODO)
- 基于
我采用的 Matlab 版本为 R2018a，其他版本的兼容性没有测试过，建议直接安装 R2018a，为了运行代码，你需要在 Matlab 中将项目中的 /matlab 目录及其子目录添加到 Matlab 的执行目录。
项目分为两大块：
- 函数
- 测试用例
你可以在 /matlab/function 中找到该水印算法群所需要的一切函数，具体目录的功能如下：
/matlab/function/deal：一些处理函数/matlab/function/mask：自适应掩蔽因子相关函数/matlab/function/tool：一些工具函数/matlab/function/transform：变换函数，主要是DFRNT变换簇和DFRFT变换簇/matlab/function/watermark：水印相关函数，包括多种水印嵌入、SVM训练、水印提取
另外，在 /matlab/test 目录下，你可以找到相关函数的使用实例，基本上每一个函数都有着自己的测试用例，你可以通过看这些测试用例了解各种函数的用法，另外，函数本身，每个文件中也有着详细的注释和参数说明。
这里给出一组简单的测试效果图：
按照顺序，给出的图分别为原图、嵌入水印的图、水印图像、还原得到的水印图像，使用的算法为 QDFRNT-SVM。
C++ 版本采用了高性能的库和实现，算法速度能够达到 Matlab 版本的十倍以上，但是由于很多功能都需要自己造轮子，实现出来的结果可能与 Matlab 版本有着一定程度上的不同，稳定性也不如 Matlab 版本，可以说 Matlab 适合研究，但是 C++ 版本可以用于工程化。
该实现是跨平台版本，使用 cmake 进行项目管理，你可以在 MSVC 或者 GNU/GCC 上部署该版本。
环境的搭建主要是安装和引入一些库，大多数库我都已经在 cmake 的配置文件中添加了，你要做的事情，就是在部署之前，把各种库按照正确的方法安装，并且添加合适的环境变量，使得我在 cmake 配置文件的使用的环境变量能够正常工作，只要能找到库，就能编译成功。
这里给出使用到的库的一个简要列表：
- 高性能矩阵库
Armadillo - 图像处理库
OpenCV 4 - 命令行参数解析库
Cmdline SVM库LibSVM
其中 Armadillo 和 LibSVM 没什么好说的，使用最新版本即可，但是 OpenCV 的版本需要规定，一定要为 4，其他的版本不行，Cmdline 是 github 上的一个开源项目，地址在这里：Cmdline - C++ Cmd Arguments Parser，这个项目在 Windows 平台上运行需要做一些其他的工作，后面会提到。
首先是 Armadillo 的安装，直接在官网下载 Windows 版本的二进制发行包即可，在下载完成后，你需要为其配置两个环境变量：
ARMADILLO_INCLUDE_DIRARMADILLO_LIB_DIR
第一个指向 Armadillo 发行包文件夹下的 include 文件夹，第二个指向发行包文件夹下的 example/lib_win64，另外，你还需要将 example/lib_win64 这个文件夹添加到 path 中，因为用到了其中的两个 dll 动态链接库
接下来是 OpenCV 4 的配置，依然是在官网下载最新的 Windows 二进制发行包，假设我的包名叫 Opencv，首先你需要将 OpenCV/build/x64/vc15/bin 添加到 path 中，这里存放了 OpenCV 的可执行程序，需要用到。接下来依然是添加两个环境变量：
OPENCV_INCLUDE_DIROPENCV_LIB_DIR
他们的值分别为 OpenCV\build\include 和 OpenCV\build\x64\vc15\lib
至于 LibSVM，依然是下载发行包，接下来将发行包根目录中的 svm.h 和 svm.cpp 两个文件分别复制到 cpp 项目中的 lib/include 和 lib/src 中，如果没有该目录，则需要你自己新建一个，因为这两个文件为库，我用 git 把它 ignore 掉了，所以没有的话你需要自己建立。LibSVM 不需要配置环境变量。
最后是 Cmdline，对于 Windows 来说，官方给出的版本并无法使用，因为他们是为 GNU 特制的，有位朋友进行了一些改写，我们可以使用改写后的版本，在这里：Cmdline - VS Version，将文件存为 cmdline.h，并且存放到一个特定目录，接下来配置环境变量：
CMDLINE_INCLUDE_DIR
这个环境变量就设置到 cmdline.h 所在的目录即可
首先需要安装上面说到的几个库：
OpenCV 4ArmadilloLibSVMCmdline
首先是 OpenCV 4 的安装，根据官方的教程，首先去官网下载源码包：Source Code - OpenCV 4
在开始编译之前，你需要安装 OpenCV 4 所需要的一切依赖：
# 编译套件
sudo apt-get install build-essential
# 必要依赖
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
# 可选依赖
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev
进入源码包目录并且使用 cmake 生成 Makefile：
cd ~/opencv
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
接着使用 make install 指令编译并安装包：
sudo make install
漫长的等待即可，如果内存过小可能会导致失败，如果失败了可以适当调节 swap 文件的大小后重试，已经编译过的文件将不会再次被编译，可以直接重上次失败的地方开始，你要做的只有安装 OpenCV 本身，你无需再配置其他的参数等
接下来是 Armadillo，首先你需要在官网下载最新的源码包：Armadillo，如果遇到被墙的情况，可以使用 SourceForge Images 下载，找到 arma 即可。
下载源码包之后，依然是先安装依赖：
sudo apt-get install libopenblas-dev
sudo apt-get install liblapack-dev
sudo apt-get install libarpack2-dev
sudo apt-get install libsuperlu-dev
接着进入源码目录使用 cmake 生成 Makefile 然后使用 make 编译并安装即可：
cd ~/armadillo
mkdir build
cd build
cmake ..
sudo make install
至于 LibSVM，我们只需要两个文件，svm.h 和 svm.cpp，这两个文件都可以在官方的源码包得到，或者你也可以从官方的 github 下载，地址在这里：LibSVM - github，下载后将这两个文件分别放在 cpp 项目中的 lib/include 和 lib/src 目录下，如果没有则手动新建
最后是 Cmdline，这个库只需要一个头文件 cmdline.h，我们可以在官方 github 上获取，地址在这里：Cmdline - github，下载头文件之后将头文件放在 /usr/include 或者 /usr/local/include 目录下即可
最后是 Linux 平台上项目的编译运行，进入 cpp 项目：
cd ~/graduation-project/cpp
使用 cmake 生成 Release 版本的 makefile：
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=Release ..
make
即可得到目标文件 WATERMARK
使用方法如下：
usage: ./WATERMARK --type=string --algorithm=string --action=string [options] ...
options:
-t, --type mark type, can be 'svm' or 'qc' (string)
-a, --algorithm algorithm type, can be 'qdfrnt' or 'qdfrft' (string)
-c, --action mark, restore or train (string)
-s, --source source file path (string [=source.jpg])
-o, --output output file path (string [=output.jpg])
-e, --secret secret file path (string [=secret.jpg])
-r, --matrix random matrix file path (string [=matrix.dat])
-k, --keys watermark keys file path (string [=keys.dat])
-m, --model model file path (string [=model.dat])
-?, --help print this message
你可以使用：
./watermark -?
或者：
./watermark --help
来获取帮助
下面给出几个使用示例：
# 训练基于 QDFRNT 的 SVM-Model
./watermark -t svm -a qdfrnt -c train -s lena.bmp
# 使用 SVM-QDFRNT 方法嵌入水印
./watermark -t svm -a qdfrnt -c mark -s lena.bmp -o marked.bmp -e secret.bmp
# 提取 SVM-QDFRNT 方法嵌入的水印, 需要 matrix.dat, keys.dat, model.dat
./watermark -t svm -a qdfrnt -c restore -s marked.bmp -o restored.bmp
QC方法不知道有没有时间做- 输入图像大小需要按照规格，暂时不支持
256位 RGB以外的其他格式
基于 C++ 版本二进制文件调用做了一个简单的 Web 应用，目前已经部署，可以在线使用：📦 彩图水印系统 - kindem-dev-site，如果需要自己部署，你需要做如下事情：
首先分别进入前端和后端项目，使用 yarn 或者 npm 安装依赖：
# if not install yarn, you need install yarn first
npm install -g yarn
cd ~/graduation-project/web/frontend
yarn
# or 'npm install'
cd ~/graduation-project/web/backend
yarn
# or 'npm install'
接着分别根据情况修改两个项目的配置文件：
vim ~/graduation-project/web/frontend/src/config.ts
vim ~/graduation-project/web/backend/src/config.ts
如果需要调试，请在配置文件中打开 devMode，完成配置之后，你需要在后端项目中建立一个用于存储上传后图片的目录，该目录将会被暴露在后端服务器的 /upload 位置，用户可以直接访问该目录下的静态资源：
cd ~/graduation-project/web/backend
mkdir public
cd public
mkdir upload
这里要注意的是，如果是 Windows 或者 Linux ，后端目录下已经有现成的编译完成的二进制文件了，如果是其他系统如 Mac OS、Unix、Sun OS，最好在 cpp 项目中进行一次手动构建，然后将目标二进制文件替换后端目录下已由的二进制文件，至于两个 model 文件，不同平台之间可以通用，这点不需担心。
接着你可以使用：
yarn start
来启动前端项目调试服务器，接着在 http://localhost:3000 可以看到页面效果，后端的话，使用：
yarn dev
来启动调试模式，后端服务器在 http://localhost:1750 启动了端口监听，在配置文件中配置好源两者即可协调工作
如果你需要在服务器上部署，则需要关闭 devMode ，后分别对两个项目进行构建：
cd ~/graduation-project/web/frontend
yarn build
cd ~/graduation-project/web/backend
yarn build
接着你需要使用 Nginx 做请求转发，对于 / ，转到 graduation-project/web/frontend/build 目录，对于 /request/watermark ，转到 http://localhost:1750 端口。
接着打开后端项目的服务器监听即可：
cd ~/graduation-project/web/backend
yarn start
如果需要让服务器保持后台运行并且自动重启，你需要为其注册一个服务，这里就不详细说了，可以自行查找办法。
- 作者：
John Kindem(NUAA 161520311) - 项目：
NUAA 2019毕业设计
欢迎 star、fork