4、常见水印算法：空域、频域、变换域

聊到水印的嵌入方式，圈里经常按“域”来分。说白了，就是看你把水印塞到图像的哪个空间里。我刚开始接触时也绕晕过，为什么分这么多域？其实搞懂一种，剩下的就好办了。

我个人习惯把这三个域想象成：空域是直接改像素值——就像在照片上涂颜色；频域是改频率成分——比如把水印藏在图片的“纹理细节”里；变换域则更讲究多尺度——类似在不同分辨率上同时操作。下面我们挨个拆开看看。

4.1 空域水印——最直接的方式

空域水印顾名思义，直接在像素亮度和颜色上动手脚。最经典的就是LSB（最低有效位）替换。你想想，一个像素的RGB每个分量8位，最低位的值变化对视觉影响极小，但可以藏1比特信息。

举个例子，一张512x512的彩色图，用LSB-1可以藏 512×512×3 = 786,432 bit ≈ 96KB 的数据。够塞一个简短的文本水印了。

# 简单的LSB嵌入示意（Python伪代码）
def embed_lsb(cover_img, watermark_bits):
    stego = cover_img.copy()
    idx = 0
    for i in range(cover_img.shape[0]):
        for j in range(cover_img.shape[1]):
            for c in range(3):
                pixel = stego[i, j, c]
                # 把最低位清零，再按位或上水印比特
                stego[i, j, c] = (pixel & 0xFE) | watermark_bits[idx]
                idx += 1
                if idx >= len(watermark_bits):
                    return stego
    return stego

空域实现快、容量大，但鲁棒性弱。适合短文本水印、防截屏场景——说白了就是水印只要不被攻击者刻意破坏就够用。

4.2 频域水印——藏在频率里

频域水印的核心是把图像从空间域转换到频率域，然后再嵌入。最常见的是DCT（离散余弦变换），JPEG压缩用的就是它。

我个人习惯把DCT看作一种“能量聚集”变换：低频部分集中了图像的主要信息，高频部分是细节和噪声。水印嵌入通常选中频系数——改了低频会显著失真，高频又容易在压缩时被抹掉。

嵌入流程大致这么几步：

1. 把图像分成8x8或16x16的块；
2. 对每块做DCT，得到频率系数矩阵；
3. 在选定的中频位置（比如(4,1)或(5,2)）加上水印值；
4. 对修改后的系数做逆DCT，拼回完整图像。

其实频域水印还有一个变体叫DFT（离散傅里叶变换），利用旋转不变性做抗旋转攻击。我做过一个项目，水印被打上logo后用户还拿去截图旋转，DFT方案当时就扛住了。

4.3 变换域水印——多尺度视角

变换域这里主要指小波变换（DWT）。小波会把图像拆成不同分辨率的子带：LL（低频近似）、LH/HL/HH（水平/垂直/对角细节）。

你想想看，LL子带相当于缩略图，抗压缩能力强；HH子带全是边缘，容易丢。一般做法是把水印嵌入LL或中频子带（LH/HL）。

我在项目中遇到过需要兼顾鲁棒性和不可见性的场景——厂商要求水印在手机翻拍后还能提取。最后用了3层DWT+中频嵌入，配合纠错码，翻拍成功率从30%提到85%。

4.4 三种域对比

下表我把常见维度的对比列出来，平时选方案时我优先看鲁棒性要求。

维度	空域（LSB）	频域（DCT）	变换域（DWT）
复杂度	低	中	高
不可见性	较好（低比特）	好	好
鲁棒性	差（抗压缩弱）	中	高
嵌入容量	大	中	小
典型攻击	JPEG/缩放/滤波	旋转/裁剪/几何	翻拍/印刷/JPEG2000

4.5 三种域的关系与选型逻辑

为了方便你理解整体脉络，我画了一张图，把三种域的嵌入流程和适用场景串起来。嗯，这张图你仔细看，选型时对照它就能快速决策。

我自己的经验是：起步先用频域，因为它平衡了鲁棒性和实现复杂度。等产品遇到特定攻击（比如屏幕翻拍）再上变换域。空域作为快速原型非常有用，但别直接用在生产环境——除非你的水印只防君子不防小人。