写代码，必须要优雅...

Jack_Cui

发布于 2022-09-27 17:31:16

4060

发布于 2022-09-27 17:31:16

文章被收录于专栏：Jack-Cui

大家好，我是 Jack。

最近看了一个新动画，间谍过家家，12 集都追完了，意犹未尽。

里面有一个细节：

优雅的劳埃德先生，通过暗号来解读报纸上的情报，普通的报纸上隐藏着想要传递的消息。

暗号

解析

其实，程序员的我们，传递秘密的方式，可以更优雅。

劳埃德先生看后都会直呼：「对不起，我不是一个优雅的人！」

这张看似普通的约尔美照下面，其实藏着另一个人，你发现了吗？

肉眼很难看出来，但只需要运行一下程序，将图片下采样，就能得到阿尼亚的照片。

同理，照片里也可以藏文字，运行一下程序，就能得到一篇 160 万字的小说。

请问，这种情报传递的方式，够优雅吗？

今天，我就教教大家，这“恐怖如斯”（斗破梗）的实用技能。

学会了，别忘了在女朋友/男朋友面前秀一手，藏个表白照片，再藏段肉麻表白文，玩法很多，就看你脑洞有多大。

视频已经首发在了 B 站：

视频地址：

https://www.bilibili.com/video/BV1XV4y1p7nS

下面是图文版教程和代码：

其实，原理很简单，放大图片，我们就能发现这张约尔的图片上，有着规律分布的杂点，而这些点就是组成阿尼亚照片的像素点。

缩小约尔美照时，电脑会把这些杂点挑选出来，代替它们周围的点，组成缩小后的画面。

电脑刚好能挑选出这些掺入的点，是因为这些位置都是提前计算好的，这里用到的算法就是邻近法。

举个简单的例子，一张 9 * 9 的黑图，如果把它用邻近法缩放到 3 * 3 的正方形。

电脑首先会将这张图分成 9 份，取每份正中间的点，代替它周围的 8 个点，来组成缩小后的图片。

也就是说，如果我们将每份正中间的点改成红色，从整体看，他还是黑图，只是看起来有些杂色。

但图片缩小后，黑色正方形就变成了红色正方形。

看下生成代码和解析代码：

# -*- coding: utf-8-*-
# Author: Jack Cui
import sys
from turtle import width
import cv2
from PIL import Image
import numpy as np

def parse_from_img(img_path):
    img = cv2.imread(img_path)
    img_h, img_w, _ = img.shape

    stepx = 10
    stepy = 10

    sml_w = img_w // stepx
    sml_h = img_h // stepy

    res_img = np.zeros((sml_h, sml_w, 3), np.uint8)

    for m in range(0, sml_w):
        for n in range(0, sml_h):
            map_col = int(m * stepx + stepx * 0.5)
            map_row = int(n * stepy + stepy * 0.5)
            res_img[n, m] = img[map_row, map_col]

    return res_img

def generate_img(big_img_path, small_img_path):

    big_img = cv2.imread(big_img_path)
    sml_img = cv2.imread(small_img_path)

    dst_img = big_img.copy()

    big_h, big_w, _ = big_img.shape
    sml_h, sml_w, _ = sml_img.shape

    stepx = big_w / sml_w
    stepy = big_h / sml_h

    for m in range(0, sml_w):
        for n in range(0, sml_h):
            map_col = int(m * stepx + stepx * 0.5)
            map_row = int(n * stepy + stepy * 0.5)

            if map_col < big_w and map_row < big_h:
                dst_img[map_row, map_col] = sml_img[n, m]

    return dst_img

学过深度学习的小伙伴，对这种操作绝对不陌生，这就是一种特定的卷积操作。

卷积甚至可以设置得更复杂一些，比如像这样。

照片里能藏照片，同样也就能藏文字。

我们知道，图片是由 RGB 三通道组成的，其实就是一串数字。

而文字的编码也是一串数字，比如请给我三连，这个连字。

它的 Unicode 数值是 36830，这是十进制，转换为十六进制就是（8F, DE）。

那也就可以写成（0x00，0x8F，0xDE），R 通道不赋值为零，G 通道和 B 通道赋值。

显然，将文字的 Unicode 数值，表示成 RGB 数值的形式，就可以将文字转换成图片，一个像素点代表一个文字。

一张 1000 * 1680 分辨率的图片，就可以存储 168 万个文字。

文字的生成图片代码和解析代码：

# -*- coding: utf-8-*-
# Author: Jack Cui
import sys
from turtle import width
import cv2
from PIL import Image
import numpy as np

def Img2Text(img_fname):
    img = cv2.imread(img_fname)
    height, width, _ = img.shape
    text_list = []
    for h in range(height):
        for w in range(width):
            R, G, B = img[h, w]
            if R | G | B == 0:
                break
            idx = (G << 8) + B
            text_list.append(chr(idx))
    text = "".join(text_list)
    with open("斗破苍穹_dec.txt", "a", encoding="utf-8") as f:
        f.write(text)

def Text2Img(txt_fname, save_fname):
    with open(txt_fname, "r", encoding="utf-8") as f:
        text = f.read()
    text_len = len(text)
    img_w = 1000
    img_h = 1680
    img = np.zeros((img_h, img_w, 3))
    x = 0
    y = 0
    for each_text in text:
        idx = ord(each_text)
        rgb = (0, (idx & 0xFF00) >> 8, idx & 0xFF)
        img[y, x] = rgb
        if x == img_w - 1:
            x = 0
            y += 1
        else:
            x += 1
    cv2.imwrite(save_fname, img)

拓展一下，其实只要按照一定的规则，将某些信息写入到图片内，就能达到神不知鬼不觉地保存这些信息的目的。

这个规则，可以设置地复杂一些，并且生成规则和解析规则只有你知道，这样就能得到一张只有你能读懂的照片。