5 分钟跑通 blind_watermark 盲水印3 条命令嵌入提取不用原图【免费下载链接】blind_watermarkBlindInvisible Watermark 图片盲水印提取水印无须原图项目地址: https://gitcode.com/GitHub_Trending/bl/blind_watermark上周一个做插画的朋友跟我吐槽他发在网上的一张图被某电商直接拿去当商品详情页署名也被抹掉了。他想去理论对方一句一张图而已你怎么证明是你拍的就把他噎住了。这事让我意识到证据其实可以就藏在图片本身里——如果当初就嵌入一条盲水印现在直接提取出来就是证据。我由此开始找图片盲水印工具试了几个之后blind_watermark 这个开源项目用得最顺手这里把它整理出来。它凭什么值得挑一个用不少水印方案有个要命的短板提取水印时要拿原图去比对。可图片一旦流出去你手里只有被裁剪、截图、压缩过的版本根本找不回原图依赖原图的方案基本等于白做。blind_watermark 把这个关系反过来了提取水印无须原图。只需要拿到手的这张图加上嵌入时用的同一个口令就能把藏进去的信息恢复出来。算法基于 DWT-DCT-SVD在频域上动手脚核心逻辑都在 bwm_core.py 里。这些数学细节你完全可以不管调接口就行。5 分钟跑通盲水印嵌入与提取先装pip install blind-watermark仓库自带示例图片终端里两条命令就能走完嵌入和提取全流程命令行入口是 cli_tools.py# 第一条嵌入水印 blind_watermark --embed --pwd 1234 examples/pic/ori_img.jpeg watermark text examples/output/embedded.png # 第二条提取水印不需要原图 blind_watermark --extract --pwd 1234 --wm_shape 111 examples/output/embedded.png有两个细节值得记下来。一是--pwd口令嵌入和提取必须一致对不上提出来就是一串乱码。二是--wm_shape它告诉程序水印有多长文本水印就是比特数嵌入时程序会打印出来或者用len(bwm.wm_bit)顺手取到。用 Python 写也差不多最小版本长这样from blind_watermark import WaterMark bwm WaterMark(password_img1, password_wm1) bwm.read_img(examples/pic/ori_img.jpeg) bwm.read_wm(yourname, modestr) bwm.embed(output/embedded.png)bwm1 WaterMark(password_img1, password_wm1) wm bwm1.extract(output/embedded.png, wm_shapelen(bwm.wm_bit), modestr) print(wm) # yourname跑完把两张图放在一起对比——肉眼看不出差别这才是盲水印该有的样子原图嵌入盲水印后藏什么按使用场景选模式它支持三种嵌入方式各管各的活按自己的场景挑就行。个人作品署名的选文本模式最常见的需求就是把名字、账号或者一句话留在图里。modestr直接传字符串一条命令搞定blind_watermark --embed --pwd 1234 your.jpg © YourName out.jpg短文案完全够用提取也最省事适合摄影师、博客作者这类给个人作品署名的场景。要嵌 Logo 或二维码的选图片模式品牌方想埋的往往是一个小 Logo 或者二维码图片。这时水印就按整张图处理read_wm直接给水印图路径不用传 mode提取时要额外告诉它水印的高宽以及把结果存到哪bwm.read_wm(logo.png) bwm.embed(out.jpg) # 提取时 wm_shape 是 logo 的 (高, 宽) bwm1.extract(out.jpg, wm_shape(64, 64), out_wm_nameextracted.png)完整可跑的版本在 example_img.py。藏流水号、数字指纹的选二进制模式开发者还有另一类玩法给每张图绑定一个流水号、订单号或指纹位串将来图片外泄了能查出来是哪一批、哪个渠道出去的。modebit就是一串 0/1bwm.read_wm([True, False, True, False] * 50, modebit) bwm.embed(out.jpg)提取回来是一组浮点数按 0.5 划阈值就能还原成 0/1。能编码成比特的东西都能塞进去灵活性最高。三种模式的完整示例都在 examples/ 目录下每个模式一份脚本照抄就能跑。旋转、裁剪、遮挡之后还能捞回来吗这才是盲水印好不好用的分水岭。图片在传播中免不了被缩放、被裁、被截图水印如果一次处理就失效那就只是装饰。项目示例里真的跑了一轮攻击测试效果如下攻击攻击后的图从攻击后的图里提取的水印旋转 45°60 处随机遮挡缩放到 400×300三次的提取结果都和嵌入时完全一致。实践上还有两点经验旋转、缩放这类攻击提取前通常先做一次反向操作转回来、拉回原分辨率命中率更高att.py 里有现成的工具函数。截图和裁剪是最麻烦的图变小了、位置也跑了。recover.py 能推断出裁剪参数、把图先还原回原始尺寸再提取完整流程见 example_str.py。需要提醒一句这些测试图都是先压成 JPG 再处理的已经比较贴近真实传播环境。但别指望百战百胜——图被切成一小块、再经过多轮重度压缩任何方案都会更吃力。一页选型速查你要干什么模式水印内容提取时要记住什么署名、嵌联系方式str几个字到一句话文本的比特长度嵌 Logo、二维码img一张小图图片高宽 输出文件名流水号、指纹、自定义数据bit一串 0/1比特个数要扛旋转、裁剪、遮挡上面任意同上相同口令裁剪场景还要原图尺寸想快速体验就从文本模式开始要上线使用建议先拿自己业务里真实的图片质量压缩后的、缩略图尺寸的跑一遍攻击示例确认提取还稳不稳再铺开。就到这里blind_watermark 体量小个人装完敲几条命令就能用开发场景接WaterMark这个类即可。细节可以翻 docs/ 里的文档或者通读一遍 bwm_core.py核心算法不长读下来心里就有底了。【免费下载链接】blind_watermarkBlindInvisible Watermark 图片盲水印提取水印无须原图项目地址: https://gitcode.com/GitHub_Trending/bl/blind_watermark创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考