課程回顧&自我評分

本學期因為想要延續對多媒體領域的認知
所以選了這門資訊隱藏的課程
果然也獲得了一些不錯的經驗
雖然老師並沒有強迫與要求我們寫程式
但對我而言每一次寫程式的經驗都是一種自我能力的
充實與培養，而且對我而言如果一個學期不寫點程式玩玩
總感覺會怪怪的.....寫了之後果然是非常舒暢!
去思考如何把資料隱藏還蠻好玩的
此外對於幾種基本圖片的檔案格式，除了以前常用的bmp格式以外
對gif以及jpeg也有了初步的了解，可惜的是接觸jpeg的時間太短
不然我感覺這也會是一塊很有挑戰性的領域，大概可以單獨分開一學期的課了吧!
在閱讀paper及製作投影片的練習時，算是我這學期最大的收穫吧!
因為我深深的感覺到了自己本身的缺陷和可以修改的進步空間
對於整理及統整這方面的功夫我做的實在不太好，這對我而言是個很好的警惕
因為未來如果我繼續升學，如果不改正上述的缺點
到時我勢必會遇到很大的挫折與麻煩
至於課堂討論方面
感謝小華與可欣常常願意跟我分享她們的想法
有時會讓我有茅塞頓開的感覺!
若要說我對自己的感到最不滿的地方
就是我的出席率吧
升上大四的我真的有點混
抱著等畢業的心態變的不太積極
常常會給自己太多的理由睡過頭
其實根本就沒啥理由打混就是打混
因此總結以上幾點我覺得我可以給自己打70分

Week15 JPEG

把老師所提的問題
在經過整理過後
以自己的口吻回答
我覺得我答的不是很好
請大家多多指教
找出我的問題

1. 什麼是色彩空間? 為什麼有不同的色彩空間? 轉換的目的為何?

Ans1:
一群顏色的集合即可稱為色彩空間

Ans2:
不同的色彩空間代表用不同的條件
來形容一群色彩的集合
例如RGB是用紅藍綠三色各佔多少來形容一種顏色
而YCbCr卻是用亮度、色差與飽和度來表達一種顏色
由此可知雖然描述的條件不同卻可同樣用來形容一群顏色

Ans3:
看使用者的需求
像是印表機使用的色彩空間是YMCK
即是一個很好的例子
試想用RGB要怎麼表達出來黑色呢?


2. 什麼是量化? 好處是什麼?

Ans1:
量化即是把一種現象或想描述的事情用數量的形式來表現

Ans2:
可使數據的結果更簡潔
方便觀察或者簡化


3. 什麼是轉換? 為什麼要做 DCT 轉換?

Ans1:
其實轉換的概念我覺得跟色彩空間的轉換概念很像
也是以不同的方式來描述的一群東西的集合
例如要表達平面上的一條線常使用的方法為
y=ax+b
但這個表達是有缺陷的
因為無法表達垂直的角度
因此有人提出了不同的方法
來形容一條線
r = x.cosθ + y.sinθ
這就是一種轉換
而其實這兩個方程式
都是在描述一條線!

Ans2:
因為離散餘弦變換具有很強的"能量集中"特性大多數的自然信號
(包括聲音和圖像)的能量都集中在離散餘弦變換後的低頻部分
所以從講義的8*8陣列可以發現
大部分的頻率都集中到右上角去了


4. DCT 轉換後的矩陣的意義為何? 何謂低頻? 何謂高頻? 對應到一張影像所呈現的意義是什麼?

Ans1:
會有低頻集中在左上角
高頻散佈在右下角的特性

Ans2:

Ans3:

Ans4:

YCbCr與YUV傻傻分不清楚

由於上個禮拜沒來上課
所以本週主要是由已經有人po的文章來學習
本週要開始討論的主題是JPEG
從大家找來的文章中發現
有人在說YUV有人在講YCbCr
雖然從維基百科中得知
基本上兩個空間是可以替換使用地(why?)
所以我想概念上應該不會有太大的差別(really?)
就Y而言指的是亮度這點沒有問題
而Cb與Cr呢?
從原文來看是說一種紅色與藍色的色差值
(Cb and Cr are the blue and red chroma components)
U與V也是類似的意思
然而這兩者都是在指色差的意思並不好懂
我想用看圖的方式也許比較能理解那是什麼
如下圖

不過這兩者本質上還是不一樣的
此兩者常被誤會但其實是兩個完全不同的格式
一個是類比系統(analog system with scale factors)
另一個則是用數位系統(digital YCbCr system)

Reference:
YUV
YCbCr

Week 14 PPT_version2

原本應該上週就要發表的
但因為畢業考給自己了一個理由
拖了一個禮拜
其實就是發懶了= =
修改的主要內容如下
1.更正投影片內容
2.條列式
3.動畫輔助
4.擷取出來關鍵字或句
連結如下:
Introduction_V2

Week 13 PPT_version1

這是本週發表的投影片
第一次製作以介紹paper為主題的投影片
的確不是件容易的事情
關於關鍵字的選取還欠缺磨練
改善的空間還很大
ppt_v1

Wee9 paper心得

問題一
在文章中提到了The parity bit of a color is defined as (R+G+B mod 2)
我想它的意思是指相似的顏色判定的方法是由R+G+B mod 2 的餘數來判斷
為何可以用這樣的方法來判定相似的顏色呢?

問題二
何謂PRNG呢?
只知道他的意思是指pseudo-random number generator
一種可以偽亂數產生器的方法

問題三
計算ｄｉｓｔａｎｃｅ的方式
是用兩個pixel之間R，G，B的相減平方開根號來判斷
那如果要用來排序的話要怎麼決定比較的基準點呢？
找最暗的嘛？可如果有相同的亮度的質那要怎麼決定用哪個為基準點呢？
因為相同的亮度是有可能會是兩種不同的顏色

Week8 Palette sorting

本週的進度就是延續上週的主題
針對index的部份去作排序
如下圖左邊的調色盤為尚未排序過的
右邊的則是已經排序完成
ex1.1

然後以random的方式產生0或者1去變動index
其判別方法為
if index mod 2 = 0 and random = 1
then index++;
else if index mod 2 = 1 and random = 0
then index=index>>1 ;index= index<<1; else do nothing;
由實驗結果下列圖可知
儘管在排序之後讓整體的品質改善了不少
但色調仍然產生了明顯的變化
也就是說這個方法仍然不夠完美!
ex1.2

ex2.1

ex2.2

PSNR

此連結詳細的介紹了何謂PSNR及其公式(Peak Signal to Noise Ratio)

PSNR

week7 用bitmap模擬gif的index change 實驗結果

本週寫的程式就是去針對ㄧ張經由gif轉成bitmap的圖檔
來做資訊隱藏的模擬
其寫出來的結果如下圖

在畫出來此圖檔的調色盤以後
針對其每個index-1~+1的random變動
再繪出變動後的圖
其結果如下

可以很明顯的發現此藏法對影像本身的影像很大
容易產生破圖
當然這是因為我所建構的調色盤並沒有經過排序所造成的誤差
所以若把調色盤的顏色經過排序過後再來隱藏
應該就可降低如此巨大的破圖引響

week5 判斷雜亂圖形

放了兩個禮拜的假感覺不寫點東西怪怪的，
所以就把上課所講的判斷是否為雜亂圖形的方法
寫出來玩玩看，結果就跟老師所說的一樣
判斷出來的準確率還蠻高的!
在此我是用8bit plane把圖形展開來以後
在針對每張圖去算其可能是雜亂圖形的機率
如圖所示

可以得到的結論就是
越是雜亂的圖形
其值都會出現在0.5左右附近
而越是完整的圖形其值會越接近1

Steganography Software

Steganography Software

這個網站介紹提供了大量的資訊隱藏軟體的彙整
也包括了老師剛剛講的STEGO
有興趣的人就去看看吧!

Week4,如何判斷一張圖是雜亂的

在探討這個問題之前我想必須先定義出
什麼是雜亂的圖形?
要多亂才叫做雜亂的圖形呢?
假設今天以bitplane裡的最小bit那種程度的雜亂作為標準的話
我想我會用空間的分佈模式來判斷ㄧ張圖片是否為雜亂的
也許我會建立一個3*3、5*5或9*9的遮罩
去對ㄧ張圖片做整張圖片的遮罩掃描
這個遮罩的功用就是要去判斷在此遮罩內的pixel是否為連續的?
如果經過遮罩的掃描過後判斷大部分的區塊都是連續的話那麼也許就可以判斷此張影像為非雜亂的
反之則為雜亂的，當然由於區塊組成的大小差異度很強所以遮罩ㄧ定不可只用一種size
可能會需要用多種不同size的遮罩來作共同的切割掃描

WEEK3:辨識s-tools影藏分析

上週的課程
主要是針對如果你今天拿到一張影像
要怎麼去辨識他是否含有用S-Tools產生
所隱藏的資訊，
來討論一個有可行性的破解方法
老師也提供了一個可以對影像去做調色盤分析的程式
來讓我們尋找靈感
此程式不但可以讀出gif檔的調色盤也可以針對讀出來的
調色盤去做Sorting以及相似顏色的Reducing分析
首先我想先嘗試藏入資訊大小的變化
來檢視在Reducing後的差別
發現影藏的資訊量越大的確可以讓藏過
資訊的圖片在Reducing過後變的很單純
可能只剩下32種主色
因此我門是否可以假定一個影像在影藏過後
是否Reducing後剩下來的值只要少於某個值
就可以視為此張影像有隱藏資訊呢?
答案是否定的!
因為這樣的理論在把藏入的資訊縮小以後
就變的難以界定了
我總共採用了兩種測試方法
ㄧ種是藏入一個紅色的pixel
ㄧ種是藏入簡單的字元
此時的Reducing完後剩下的色彩分別為158與177
於是可知只要縮小隱藏的資訊量
此猜測方法就變的無用了!

此外在與同學討論的時候
為了進行測試在產生ㄧ個pixel的pattern時
發現了小畫家與photoshop產生的pattern容量差很多!
這倒是證明了photoshop不愧是要賣錢的軟體
在產生時的確有差!