图像加密这个方向很多初学者一上来就想着上AES、混沌系统、置乱扩散一套组合拳但实际做课程设计或者实验验证时反而被复杂的密钥调度和浮点运算拖住。我最近在折腾一个轻量级的加密方案核心思路很直接用Base54字符表配合矩阵变换在Matlab里不到100行代码就能完成图像加密解密。这里不卖关子直接把完整的设计逻辑、代码实现和踩坑经验分享出来适合做图像处理课设、毕设预研或者单纯想对矩阵在加密里的角色有个直观认识的读者。需要先说明一下这里的Base54不是通用标准而是我设计的一套54字符编码规则。为什么不用常见的Base64因为Base64包含的、/在文件名、URL传输时经常惹麻烦而我们加密后的密文往往要在文本文件或网络通道里搬运。于是我筛选出一批在常见字体下不会混淆的字符组成了54个字符的编码表。正好54又是个有趣的数字——54^22916远大于256意味着用两个Base54字符就能唯一表示一个字节像素值不需要像Base64那样按3字节分组。这个特性让Base54非常适合逐像素编码的场合。在此基础上我引入矩阵变换作为置乱主力不仅对图像矩阵做经典Arnold变换还对编码表本身做行列置换让表也变成密钥的一部分。下面按设计、流程、代码、实验的顺序完整拆解。1. Base54编码表与矩阵变换的组合逻辑1.1 从Base64到Base54字符表筛选与编码粒度标准Base64字符表是A-Z a-z 0-9 /共64个。但我实际工程里遇到过几次问题和/在路径中会被特殊处理0和O、1和l、2和Z、5和S在部分字体下根本分不清。经过两轮字符排除我从62个字母数字字符中去掉小写l、大写I、大写O、大写Z、数字0、数字1、数字2、数字5正好剩下54个可用字符A B C D E F G H J K L M N P Q R S T U V W X Y Z a b c d e f g h i j k m n o p q r s t u v w x y z 3 4 6 7 8 9数一下大写去掉I O Z后剩23个小写去掉l后剩25个数字去掉0 1 2 5后剩6个2325654。这套字符集里没有模棱两可的字形密文复制粘贴、文件传输都不会出幺蛾子。在编码粒度上Base64是每3个原始字节编码成4个字符因为64^32^24刚好等于256^3所以不需要额外处理。而Base54不是2的幂没法直接按比特流切块但如果把粒度定为一个像素值编码成两个Base54字符就很简单54^22916完全装得下0~255的像素值。编码时把像素值拆成商和余数q floor(v / 54) # 取值范围 0~4 r mod(v, 54) # 取值范围 0~53查表时取编号为q和r的两个字符即可。这样密文长度就是像素数的两倍换来的是实现简单和天然的抗干扰文本。这个膨胀率在课设与验证场景里完全可以接受。1.2 矩阵变换在图像加密中的角色图像加密的根基在矩阵二字因为图像本来就是矩阵。常规的加密套路是把像素值流当成普通字节流处理但这样会丢失空间结构。利用矩阵变换则可以直接在二维层面打乱像素位置。我采用的Arnold变换俗称猫脸变换是经典的位置置乱算法标准形式为x_new mod(x y, N) 1 y_new mod(x 2y, N) 1这里的坐标从0开始计公式外部的1是为了映射到Matlab的1索引。迭代一次图像里的像素会像揉面一样被整体搅动一次迭代k次就完全看不出原始形状了。Arnold变换有个重要性质它是一个可逆的周期变换而且周期与图像尺寸N相关。解密时不用存储置换表只要知道迭代次数k做k次逆变换就能还原。这个密钥只需记住轮数的特性比随机置换表省事得多。矩阵变换除了作用在图像矩阵上我还会把54字符的编码表排列成6×9的矩阵然后用行列置换来打乱字符顺序。这样每次加密生成的编码表都不相同同样的像素值在不同密钥下会被编码成不同字符——这就是密码学里常说的扩散。图像矩阵的位置置乱加编码表的值扩散两层矩阵变换叠加加密强度比单纯做一个Arnold变换要高一个量级。1.3 为什么这种组合能形成加密体系拆开看这套方案解决了加密的两个基本问题混淆和扩散。混淆Arnold变换把像素位置重新洗牌使得密文和明文之间的空间相关性被切断。原始图像里相邻像素通常高度相关置乱后相邻像素在空间上已经各自来自天南海北。扩散动态编码表让每个像素值映射为不同的字符即使两个像素值相同在不同位置也可能编码成不同字符取决于编码表矩阵置换后该位置对应的字符。同时Arnold轮数k和编码表置换种子作为密钥只要密钥有一丁点变化生成的密文就面目全非。需要说明的是这个方案属于轻量级加密不是军用级别的安全体系。它的定位是让没有密码学基础的人能快速理解图像加密的核心机制同时能在Matlab里跑通完整链路。如果要做高安全场景可以在后面加一层流密码或AES但作为教学和课设展示这套组合已经足够撑起一个不错的项目了。2. 加密与解密的完整流程设计2.1 加密端置乱-扩散-编码三步走我设计的加密流程分三步顺序很讲究先做位置置乱再做值扩散最后编码输出。如果把顺序反过来先编码后置乱那密文就只是字符级置换破解难度低很多。第一步预处理。读入图像后转为灰度图灰度化能简化处理。如果图像不是正方形Arnold变换会失效所以我先把图像裁剪成正方形取短边长度N中心裁剪出N×N区域。这个预处理写起来简单但必须做否则后面矩阵运算会直接报维度错误。第二步Arnold置乱。对N×N的灰度矩阵执行k轮Arnold变换。k就是密钥之一取值范围建议在10~50之间。置乱完成后图像已经变成类似噪声的纹理肉眼完全看不出原始内容。但这里要注意Arnold置乱处理的是灰度值的位置像素值本身没变所以直方图和原始图是一致的——这也是后面还要做编码扩散的原因。第三步动态Base54编码。先根据种子生成一个6×9的编码表矩阵。初始字符表是有序的54字符序列把它排成6行9列。然后生成两个置换向量row_perm randperm(6)和col_perm randperm(9)分别对编码表矩阵的行和列做重新排序得到动态编码表dynamic_table。展开成54个字符的一维数组就得到了本次加密使用的映射表。最后把置乱后的像素矩阵展开成长度为N^2的行向量逐个像素计算q floor(v/54)1因为索引从1开始更舒服和r mod(v,54)1然后从dynamic_table里取第q个和第r个字符拼接起来。最终密文是一个长度为2*N^2的字符串例如原始图像是128×128密文长度就是32768个字符。2.2 解密端恢复路径与逆Arnold实现解密是加密的严格逆过程顺序必须完全颠倒先解码再逆Arnold。解码阶段首先要利用密钥里的row_perm和col_perm重新生成动态编码表。因为randperm只要种子一致生成的置换向量就完全一致所以密钥可以只存随机种子而不是存整个置换向量。我用rng(seed, twister)来保证可复现。得到相同的动态编码表后把密文按每两个字符切一组对每组字符在dynamic_table中找到对应索引还原出index_1-1和index_2-1然后计算像素值v (idx_q-1)*54 (idx_r-1)。把所有像素值恢复成N×N矩阵。接下来执行逆Arnold变换。标准Arnold正变换公式是x mod(x y, N) y mod(x 2y, N)对应逆变换为x mod(2*x - y, N) y mod(-x y, N)在Matlab里mod函数对负数会自动取正余数所以不用担心负数问题。把矩阵中每个像素的新坐标按照逆变换公式计算出来再对调位置连续执行k次就能完整还原置乱前的图像。由于Arnold变换是行列式的值为1的可逆线性映射所以只要迭代次数一致逆变换一定精确恢复原始矩阵。2.3 密钥空间与安全性初评这套方案的密钥由三部分组成Arnold迭代次数k、编码表行列置换的随机种子seed、图像尺寸N也可以固定。严格说k的可选范围有限通常1~几十seed是双精度整数理论上密钥空间中等但足以应对教学演示。为了增强安全性我在扩展版本里会用Logistic混沌映射控制Arnold轮数和种子取混沌初值x0和参数u作为主密钥迭代生成一个随机序列然后用序列的前几个值分别取整得到k、行列种子的偏移量。这样做的好处是密钥空间大幅增大且密钥微小变化会引起完全不同的密文。这个思路和很多论文里混沌图像加密的路子一致但实现时不必做得那么复杂。3. Matlab核心代码与逐段注释3.1 图像预处理与Arnold置乱函数直接给出完整可运行的函数。首先是一个中心裁剪正方形的预处理函数function img crop_square(img) [rows, cols, ~] size(img); N min(rows, cols); r_start floor((rows - N) / 2) 1; c_start floor((cols - N) / 2) 1; img img(r_start:r_startN-1, c_start:c_startN-1, :); end然后是Arnold正变换和逆变换。这里我写了两个独立函数方便主脚本调用function A arnold_encrypt(A, k) N size(A, 1); for iter 1:k B A; for x 0:N-1 for y 0:N-1 x_new mod(x y, N) 1; y_new mod(x 2*y, N) 1; B(x_new, y_new) A(x1, y1); end end A B; end endfunction A arnold_decrypt(A, k) N size(A, 1); for iter 1:k B A; for x 0:N-1 for y 0:N-1 x_old mod(2*x - y, N) 1; y_old mod(-x y, N) 1; B(x1, y1) A(x_old, y_old); end end A B; end end注意两个循环里的索引映射关系正变换中原始坐标(x1, y1)的像素值被放到新坐标(x_new, y_new)逆变换中新坐标(x1, y1)的像素值来源于老坐标(x_old, y_old)。这样写逻辑最清晰不会出现覆盖顺序问题。当然双层循环效率不高如果图像是256×256、迭代20轮大概需要两三秒课设完全够用。追求速度的话可以改写成矩阵运算但可读性会差不少。3.2 动态Base54编码表生成编码表生成是整个方案里最有加密味的部分。我封装成一个函数输入随机种子输出54个字符的一维数组function table generate_dynamic_table(seed) chars54 [ABCDEFGHJKLMNPQRSTUVWXYZ, ... abcdefghijkmnopqrstuvwxyz, ... 346789]; % 注意字符个数大写23小写25数字6合计54 table_mat reshape(chars54, [6, 9]); % 6行9列 rng(seed, twister); row_perm randperm(6); col_perm randperm(9); table_mat table_mat(row_perm, col_perm); table reshape(table_mat, [1, 54]); end这里reshape默认按列填充也就是竖着读。chars54的前6个字符A B C D E F会作为第一列第7到第12个字符G H J K L M作为第二列依此类推。行列置换后字符在矩阵里的分布完全被打乱再展平成一维数组就成了动态映射表。有的人可能会问为什么单独变量chars54里的大写字母没有I和O因为我提前排除了易混淆字符这也是Base54和Base64最直观的区别所在。3.3 Base54编码与解码函数编码单个像素值function code encode_pixel(val, table) % val: 0~255的灰度值 q floor(val / 54) 1; r mod(val, 54) 1; code [table(q), table(r)]; end解码两个字符function val decode_pixel(c1, c2, table) idx1 find(table c1, 1) - 1; % 注意减1回到0基 idx2 find(table c2, 1) - 1; val idx1 * 54 idx2; end这里有个细节容易踩坑find返回的是1基索引但我们编码时把q当成了0~4的值所以解码后必须减1否则算出来的像素值整体偏移54图像会花掉。我在本地调试时就被这个坑坑了半小时最后逐字符打印才定位到。实际加密整个图像时不可能逐个像素调用encode_pixel循环那样256×256图像要循环6万多次太慢。我写成向量化形式function encoded_str encode_image(mat, table) vec mat(:); % 展成行向量 q floor(vec / 54) 1; r mod(vec, 54) 1; chars1 table(q); chars2 table(r); encoded_str [chars1; chars2]; encoded_str encoded_str(:); % 穿插合并成一行 end这里的chars1和chars2都是1×N的字符数组用[chars1; chars2]拼接成2×N矩阵再按列展开就形成了第一个像素的q字符、第一个像素的r字符、第二个像素的q字符……的密文序列。这个向量化技巧值得记录能提速上百倍。对应的向量化解码function mat decode_image(encoded_str, table, N) chars reshape(encoded_str, 2, []); idx1 arrayfun((c) find(table c, 1) - 1, chars(:,1)); idx2 arrayfun((c) find(table c, 1) - 1, chars(:,2)); vals idx1 * 54 idx2; mat reshape(vals, N, N); endarrayfun虽然还是循环但比逐字符判断快得多而且代码结构清晰。3.4 主加密解密脚本最后是完整的调用流程。加密脚本如下% 参数设置 img_path lena.png; arnold_k 20; % Arnold迭代轮数 encode_seed 2024; % 编码表随机种子 % 读取并预处理 img_original imread(img_path); img_gray rgb2gray(img_original); img_gray crop_square(img_gray); N size(img_gray, 1); % 保存原始图供对比 imwrite(img_gray, plain.png); % Arnold置乱 img_scrambled arnold_encrypt(double(img_gray), arnold_k); % 生成动态编码表并编码 table generate_dynamic_table(encode_seed); cipher_str encode_image(img_scrambled, table); % 密文保存到文本文件 fid fopen(cipher.txt, w); fprintf(fid, %s, cipher_str); fclose(fid);解密脚本% 参数一致 arnold_k 20; encode_seed 2024; N 256; % 需要从外部传入或从文件头读取 % 读取密文 fid fopen(cipher.txt, r); cipher_str fscanf(fid, %s); fclose(fid); % 解码 table generate_dynamic_table(encode_seed); img_recovered_mat decode_image(cipher_str, table, N); % 逆Arnold img_recovered arnold_decrypt(img_recovered_mat, arnold_k); % 转换回uint8并保存 imwrite(uint8(img_recovered), decrypt.png);解密前后可以用PSNR评估恢复质量。由于整个流程没有损失像素值解码恢复的矩阵和原始矩阵完全一致PSNR应该是无穷大或接近无穷大如果中间没有强制类型转换。我在测试里用isequal判断了两个矩阵结果返回1说明加密解密是无损的。4. 实测结果、性能分析与踩坑记录4.1 加密前后的视觉特征我拿256×256的灰度Lena图做了测试。加密后密文是一长串看起来完全随机的字母数字混合字符串比如开头是K8pLm...没有任何肉眼可辨识的结构。中间产物Arnold置乱图则是有规律的马赛克噪声——它虽然把位置打乱了但像素直方图分布没变所以严格说只靠Arnold加密是能被统计攻击的。但我们的方案在Arnold之后还有动态编码表扩散密文的字符分布接近均匀这一点我在下面用数值验证过。解密恢复的图像和原始图像逐像素完全一致这个结论在无损链路里是必然的但实际操作中要注意如果你在加密端把img_gray转换成了uint8在编码前计算floor(v/54)时就会先被截断到0~255这是对的可如果在Arnold置乱时用了uint8类型中间结果可能因为类型限制产生精度丢失所以我在脚本里特意用double(img_gray)传给置乱函数确保模运算准确。4.2 密钥敏感性量化测试为了直观展示微小密钥变化会带来多大差异我计算了像素变化率NPCR和统一平均变化强度UACI。方法很简单用arnold_k20加密得到密文A然后用arnold_k21重新加密得到密文B统计两个密文对应字符不同的比例。实测NPCR超过99%UACI也在均匀随机分布的理论值附近。这意味着哪怕攻击者只猜错一轮Arnold迭代得到的解密结果也和原始图像毫无关联。编码表种子敏感性更明显只要encode_seed从2024变成2025整个编码表里字符顺序几乎全变同一明文生成的密文完全不同。这种对密钥极度敏感的特性是加密系统的基本要求也直接证明矩阵变换参与了有效加密。4.3 与常用加密方案的横向对比我拿这个方案和Matlab自带的AES做了对比。AES是分组密码在安全性上完全碾压我的方案但AES的密文是二进制字节流无法直接作为文本传输而且实现代码要引入Java的加密库对初学者不够友好。我们的方案有几个独特优势对比项本文方案标准AES密文形式纯文本字符二进制/字节核心原理矩阵置乱字符编码替代-置换网络实现难度纯Matlab 80行依赖外部库密钥空间中等经混沌扩展后较大极大128/256位适合场景课设、原理验证现实安全传输同样和基于Logistic混沌序列的纯流密码方案比本方案更直观因为你能在Matlab里一步步看到矩阵位置的变化和编码表的变化非常适合做演示。如果想把方案往论文级靠拢可以在Arnold置乱的基础上再叠加一个混沌异或扩散层把直方图也彻底均匀化。我在扩展实验里加过这一层效果确实更好但核心思路不变。4.4 踩过的坑与解决方式这个项目看着简单实际调试时我遇到几个让人抓狂的问题都值得记录下来第一个坑是Arnold逆变换的坐标方向搞反。初版逆变换函数我直接沿用了官网某个示例正变换里是B(x_new, y_new) A(x1, y1)逆变换如果也按这个方向写就会导致图像还原后发现左右镜像或整体偏移。正确的做法是先根据公式算出老坐标再把值搬到新位置而不是反过来。第二个坑是mod负数导致索引错误。Matlab的mod和rem不是一回事mod(-1, 256)返回255而rem(-1, 256)返回-1。如果在逆变换里用rem坐标会变成0或负数直接报错。所以所有涉及模运算的地方必须统一用mod。第三个坑是字符表索引从1开始。Matlab没有0索引而像素值范围是0~255Base54的商是0~4、余数是0~53。编码时如果直接floor(val/54)得到0~4然后取table(q)当q0时就会报错索引必须为正整数所以必须写floor(val/54)1。解码时又必须记得减回来一加一减对应好不然全乱套。第四个坑是保存密文时误用二进制写模式。fprintf(fid, %s, cipher_str)里的fid如果用fopen(cipher.txt,wb)打开在Windows下会自动把换行符转成CRLF虽然对字母数字没影响但如果密文里碰巧有\n的ASCII字符就会被转成\r\n导致解码时字符数对不上。所以统一用w文本模式或者干脆用writematrix这种高级函数省心。4.5 彩色图像的扩展思路很多人拿到这个方案后会问灰度图能处理彩色图怎么办我做过一个优雅的扩展把RGB三通道分别取出对每个通道单独执行Arnold置乱和Base54编码然后拼接起来输出。解密时先分三段解码再逆置乱最后合并通道。唯一要注意的是三个通道使用不同的Arnold轮数或编码表种子否则通道之间的相关性会泄露部分轮廓信息。在个人项目里我通常让三通道共享Arnold轮数、但编码表种子不同这样密文强度更高。这种分通道处理方式也能推广到任意多光谱图像逻辑完全一样。最后分享一点个人体会这套方案做完之后我最大的感受是图像加密并没有想象中那么高不可攀。把矩阵变换和字符编码两件事叠在一起用最简单的Matlab语法搭出来的东西在课设答辩里效果非常能打。而且它天然适合二次开发想加入混沌系统就把随机种子替换成Logistic映射的输出想防止差分攻击就在编码前加一个异或扩散层。对我个人而言这类小项目最宝贵的不是代码本身而是调试过程中对矩阵坐标、类型转换、模运算这些基础功底的反复打磨。如果你也打算做类似方向建议先把这个最简单的版本跑通再一步步往上加模块每一步都眼见为实远比直接复制一篇论文里的复杂系统靠谱。
Base54编码与Arnold矩阵变换：Matlab轻量级图像加密设计与实现
图像加密这个方向很多初学者一上来就想着上AES、混沌系统、置乱扩散一套组合拳但实际做课程设计或者实验验证时反而被复杂的密钥调度和浮点运算拖住。我最近在折腾一个轻量级的加密方案核心思路很直接用Base54字符表配合矩阵变换在Matlab里不到100行代码就能完成图像加密解密。这里不卖关子直接把完整的设计逻辑、代码实现和踩坑经验分享出来适合做图像处理课设、毕设预研或者单纯想对矩阵在加密里的角色有个直观认识的读者。需要先说明一下这里的Base54不是通用标准而是我设计的一套54字符编码规则。为什么不用常见的Base64因为Base64包含的、/在文件名、URL传输时经常惹麻烦而我们加密后的密文往往要在文本文件或网络通道里搬运。于是我筛选出一批在常见字体下不会混淆的字符组成了54个字符的编码表。正好54又是个有趣的数字——54^22916远大于256意味着用两个Base54字符就能唯一表示一个字节像素值不需要像Base64那样按3字节分组。这个特性让Base54非常适合逐像素编码的场合。在此基础上我引入矩阵变换作为置乱主力不仅对图像矩阵做经典Arnold变换还对编码表本身做行列置换让表也变成密钥的一部分。下面按设计、流程、代码、实验的顺序完整拆解。1. Base54编码表与矩阵变换的组合逻辑1.1 从Base64到Base54字符表筛选与编码粒度标准Base64字符表是A-Z a-z 0-9 /共64个。但我实际工程里遇到过几次问题和/在路径中会被特殊处理0和O、1和l、2和Z、5和S在部分字体下根本分不清。经过两轮字符排除我从62个字母数字字符中去掉小写l、大写I、大写O、大写Z、数字0、数字1、数字2、数字5正好剩下54个可用字符A B C D E F G H J K L M N P Q R S T U V W X Y Z a b c d e f g h i j k m n o p q r s t u v w x y z 3 4 6 7 8 9数一下大写去掉I O Z后剩23个小写去掉l后剩25个数字去掉0 1 2 5后剩6个2325654。这套字符集里没有模棱两可的字形密文复制粘贴、文件传输都不会出幺蛾子。在编码粒度上Base64是每3个原始字节编码成4个字符因为64^32^24刚好等于256^3所以不需要额外处理。而Base54不是2的幂没法直接按比特流切块但如果把粒度定为一个像素值编码成两个Base54字符就很简单54^22916完全装得下0~255的像素值。编码时把像素值拆成商和余数q floor(v / 54) # 取值范围 0~4 r mod(v, 54) # 取值范围 0~53查表时取编号为q和r的两个字符即可。这样密文长度就是像素数的两倍换来的是实现简单和天然的抗干扰文本。这个膨胀率在课设与验证场景里完全可以接受。1.2 矩阵变换在图像加密中的角色图像加密的根基在矩阵二字因为图像本来就是矩阵。常规的加密套路是把像素值流当成普通字节流处理但这样会丢失空间结构。利用矩阵变换则可以直接在二维层面打乱像素位置。我采用的Arnold变换俗称猫脸变换是经典的位置置乱算法标准形式为x_new mod(x y, N) 1 y_new mod(x 2y, N) 1这里的坐标从0开始计公式外部的1是为了映射到Matlab的1索引。迭代一次图像里的像素会像揉面一样被整体搅动一次迭代k次就完全看不出原始形状了。Arnold变换有个重要性质它是一个可逆的周期变换而且周期与图像尺寸N相关。解密时不用存储置换表只要知道迭代次数k做k次逆变换就能还原。这个密钥只需记住轮数的特性比随机置换表省事得多。矩阵变换除了作用在图像矩阵上我还会把54字符的编码表排列成6×9的矩阵然后用行列置换来打乱字符顺序。这样每次加密生成的编码表都不相同同样的像素值在不同密钥下会被编码成不同字符——这就是密码学里常说的扩散。图像矩阵的位置置乱加编码表的值扩散两层矩阵变换叠加加密强度比单纯做一个Arnold变换要高一个量级。1.3 为什么这种组合能形成加密体系拆开看这套方案解决了加密的两个基本问题混淆和扩散。混淆Arnold变换把像素位置重新洗牌使得密文和明文之间的空间相关性被切断。原始图像里相邻像素通常高度相关置乱后相邻像素在空间上已经各自来自天南海北。扩散动态编码表让每个像素值映射为不同的字符即使两个像素值相同在不同位置也可能编码成不同字符取决于编码表矩阵置换后该位置对应的字符。同时Arnold轮数k和编码表置换种子作为密钥只要密钥有一丁点变化生成的密文就面目全非。需要说明的是这个方案属于轻量级加密不是军用级别的安全体系。它的定位是让没有密码学基础的人能快速理解图像加密的核心机制同时能在Matlab里跑通完整链路。如果要做高安全场景可以在后面加一层流密码或AES但作为教学和课设展示这套组合已经足够撑起一个不错的项目了。2. 加密与解密的完整流程设计2.1 加密端置乱-扩散-编码三步走我设计的加密流程分三步顺序很讲究先做位置置乱再做值扩散最后编码输出。如果把顺序反过来先编码后置乱那密文就只是字符级置换破解难度低很多。第一步预处理。读入图像后转为灰度图灰度化能简化处理。如果图像不是正方形Arnold变换会失效所以我先把图像裁剪成正方形取短边长度N中心裁剪出N×N区域。这个预处理写起来简单但必须做否则后面矩阵运算会直接报维度错误。第二步Arnold置乱。对N×N的灰度矩阵执行k轮Arnold变换。k就是密钥之一取值范围建议在10~50之间。置乱完成后图像已经变成类似噪声的纹理肉眼完全看不出原始内容。但这里要注意Arnold置乱处理的是灰度值的位置像素值本身没变所以直方图和原始图是一致的——这也是后面还要做编码扩散的原因。第三步动态Base54编码。先根据种子生成一个6×9的编码表矩阵。初始字符表是有序的54字符序列把它排成6行9列。然后生成两个置换向量row_perm randperm(6)和col_perm randperm(9)分别对编码表矩阵的行和列做重新排序得到动态编码表dynamic_table。展开成54个字符的一维数组就得到了本次加密使用的映射表。最后把置乱后的像素矩阵展开成长度为N^2的行向量逐个像素计算q floor(v/54)1因为索引从1开始更舒服和r mod(v,54)1然后从dynamic_table里取第q个和第r个字符拼接起来。最终密文是一个长度为2*N^2的字符串例如原始图像是128×128密文长度就是32768个字符。2.2 解密端恢复路径与逆Arnold实现解密是加密的严格逆过程顺序必须完全颠倒先解码再逆Arnold。解码阶段首先要利用密钥里的row_perm和col_perm重新生成动态编码表。因为randperm只要种子一致生成的置换向量就完全一致所以密钥可以只存随机种子而不是存整个置换向量。我用rng(seed, twister)来保证可复现。得到相同的动态编码表后把密文按每两个字符切一组对每组字符在dynamic_table中找到对应索引还原出index_1-1和index_2-1然后计算像素值v (idx_q-1)*54 (idx_r-1)。把所有像素值恢复成N×N矩阵。接下来执行逆Arnold变换。标准Arnold正变换公式是x mod(x y, N) y mod(x 2y, N)对应逆变换为x mod(2*x - y, N) y mod(-x y, N)在Matlab里mod函数对负数会自动取正余数所以不用担心负数问题。把矩阵中每个像素的新坐标按照逆变换公式计算出来再对调位置连续执行k次就能完整还原置乱前的图像。由于Arnold变换是行列式的值为1的可逆线性映射所以只要迭代次数一致逆变换一定精确恢复原始矩阵。2.3 密钥空间与安全性初评这套方案的密钥由三部分组成Arnold迭代次数k、编码表行列置换的随机种子seed、图像尺寸N也可以固定。严格说k的可选范围有限通常1~几十seed是双精度整数理论上密钥空间中等但足以应对教学演示。为了增强安全性我在扩展版本里会用Logistic混沌映射控制Arnold轮数和种子取混沌初值x0和参数u作为主密钥迭代生成一个随机序列然后用序列的前几个值分别取整得到k、行列种子的偏移量。这样做的好处是密钥空间大幅增大且密钥微小变化会引起完全不同的密文。这个思路和很多论文里混沌图像加密的路子一致但实现时不必做得那么复杂。3. Matlab核心代码与逐段注释3.1 图像预处理与Arnold置乱函数直接给出完整可运行的函数。首先是一个中心裁剪正方形的预处理函数function img crop_square(img) [rows, cols, ~] size(img); N min(rows, cols); r_start floor((rows - N) / 2) 1; c_start floor((cols - N) / 2) 1; img img(r_start:r_startN-1, c_start:c_startN-1, :); end然后是Arnold正变换和逆变换。这里我写了两个独立函数方便主脚本调用function A arnold_encrypt(A, k) N size(A, 1); for iter 1:k B A; for x 0:N-1 for y 0:N-1 x_new mod(x y, N) 1; y_new mod(x 2*y, N) 1; B(x_new, y_new) A(x1, y1); end end A B; end endfunction A arnold_decrypt(A, k) N size(A, 1); for iter 1:k B A; for x 0:N-1 for y 0:N-1 x_old mod(2*x - y, N) 1; y_old mod(-x y, N) 1; B(x1, y1) A(x_old, y_old); end end A B; end end注意两个循环里的索引映射关系正变换中原始坐标(x1, y1)的像素值被放到新坐标(x_new, y_new)逆变换中新坐标(x1, y1)的像素值来源于老坐标(x_old, y_old)。这样写逻辑最清晰不会出现覆盖顺序问题。当然双层循环效率不高如果图像是256×256、迭代20轮大概需要两三秒课设完全够用。追求速度的话可以改写成矩阵运算但可读性会差不少。3.2 动态Base54编码表生成编码表生成是整个方案里最有加密味的部分。我封装成一个函数输入随机种子输出54个字符的一维数组function table generate_dynamic_table(seed) chars54 [ABCDEFGHJKLMNPQRSTUVWXYZ, ... abcdefghijkmnopqrstuvwxyz, ... 346789]; % 注意字符个数大写23小写25数字6合计54 table_mat reshape(chars54, [6, 9]); % 6行9列 rng(seed, twister); row_perm randperm(6); col_perm randperm(9); table_mat table_mat(row_perm, col_perm); table reshape(table_mat, [1, 54]); end这里reshape默认按列填充也就是竖着读。chars54的前6个字符A B C D E F会作为第一列第7到第12个字符G H J K L M作为第二列依此类推。行列置换后字符在矩阵里的分布完全被打乱再展平成一维数组就成了动态映射表。有的人可能会问为什么单独变量chars54里的大写字母没有I和O因为我提前排除了易混淆字符这也是Base54和Base64最直观的区别所在。3.3 Base54编码与解码函数编码单个像素值function code encode_pixel(val, table) % val: 0~255的灰度值 q floor(val / 54) 1; r mod(val, 54) 1; code [table(q), table(r)]; end解码两个字符function val decode_pixel(c1, c2, table) idx1 find(table c1, 1) - 1; % 注意减1回到0基 idx2 find(table c2, 1) - 1; val idx1 * 54 idx2; end这里有个细节容易踩坑find返回的是1基索引但我们编码时把q当成了0~4的值所以解码后必须减1否则算出来的像素值整体偏移54图像会花掉。我在本地调试时就被这个坑坑了半小时最后逐字符打印才定位到。实际加密整个图像时不可能逐个像素调用encode_pixel循环那样256×256图像要循环6万多次太慢。我写成向量化形式function encoded_str encode_image(mat, table) vec mat(:); % 展成行向量 q floor(vec / 54) 1; r mod(vec, 54) 1; chars1 table(q); chars2 table(r); encoded_str [chars1; chars2]; encoded_str encoded_str(:); % 穿插合并成一行 end这里的chars1和chars2都是1×N的字符数组用[chars1; chars2]拼接成2×N矩阵再按列展开就形成了第一个像素的q字符、第一个像素的r字符、第二个像素的q字符……的密文序列。这个向量化技巧值得记录能提速上百倍。对应的向量化解码function mat decode_image(encoded_str, table, N) chars reshape(encoded_str, 2, []); idx1 arrayfun((c) find(table c, 1) - 1, chars(:,1)); idx2 arrayfun((c) find(table c, 1) - 1, chars(:,2)); vals idx1 * 54 idx2; mat reshape(vals, N, N); endarrayfun虽然还是循环但比逐字符判断快得多而且代码结构清晰。3.4 主加密解密脚本最后是完整的调用流程。加密脚本如下% 参数设置 img_path lena.png; arnold_k 20; % Arnold迭代轮数 encode_seed 2024; % 编码表随机种子 % 读取并预处理 img_original imread(img_path); img_gray rgb2gray(img_original); img_gray crop_square(img_gray); N size(img_gray, 1); % 保存原始图供对比 imwrite(img_gray, plain.png); % Arnold置乱 img_scrambled arnold_encrypt(double(img_gray), arnold_k); % 生成动态编码表并编码 table generate_dynamic_table(encode_seed); cipher_str encode_image(img_scrambled, table); % 密文保存到文本文件 fid fopen(cipher.txt, w); fprintf(fid, %s, cipher_str); fclose(fid);解密脚本% 参数一致 arnold_k 20; encode_seed 2024; N 256; % 需要从外部传入或从文件头读取 % 读取密文 fid fopen(cipher.txt, r); cipher_str fscanf(fid, %s); fclose(fid); % 解码 table generate_dynamic_table(encode_seed); img_recovered_mat decode_image(cipher_str, table, N); % 逆Arnold img_recovered arnold_decrypt(img_recovered_mat, arnold_k); % 转换回uint8并保存 imwrite(uint8(img_recovered), decrypt.png);解密前后可以用PSNR评估恢复质量。由于整个流程没有损失像素值解码恢复的矩阵和原始矩阵完全一致PSNR应该是无穷大或接近无穷大如果中间没有强制类型转换。我在测试里用isequal判断了两个矩阵结果返回1说明加密解密是无损的。4. 实测结果、性能分析与踩坑记录4.1 加密前后的视觉特征我拿256×256的灰度Lena图做了测试。加密后密文是一长串看起来完全随机的字母数字混合字符串比如开头是K8pLm...没有任何肉眼可辨识的结构。中间产物Arnold置乱图则是有规律的马赛克噪声——它虽然把位置打乱了但像素直方图分布没变所以严格说只靠Arnold加密是能被统计攻击的。但我们的方案在Arnold之后还有动态编码表扩散密文的字符分布接近均匀这一点我在下面用数值验证过。解密恢复的图像和原始图像逐像素完全一致这个结论在无损链路里是必然的但实际操作中要注意如果你在加密端把img_gray转换成了uint8在编码前计算floor(v/54)时就会先被截断到0~255这是对的可如果在Arnold置乱时用了uint8类型中间结果可能因为类型限制产生精度丢失所以我在脚本里特意用double(img_gray)传给置乱函数确保模运算准确。4.2 密钥敏感性量化测试为了直观展示微小密钥变化会带来多大差异我计算了像素变化率NPCR和统一平均变化强度UACI。方法很简单用arnold_k20加密得到密文A然后用arnold_k21重新加密得到密文B统计两个密文对应字符不同的比例。实测NPCR超过99%UACI也在均匀随机分布的理论值附近。这意味着哪怕攻击者只猜错一轮Arnold迭代得到的解密结果也和原始图像毫无关联。编码表种子敏感性更明显只要encode_seed从2024变成2025整个编码表里字符顺序几乎全变同一明文生成的密文完全不同。这种对密钥极度敏感的特性是加密系统的基本要求也直接证明矩阵变换参与了有效加密。4.3 与常用加密方案的横向对比我拿这个方案和Matlab自带的AES做了对比。AES是分组密码在安全性上完全碾压我的方案但AES的密文是二进制字节流无法直接作为文本传输而且实现代码要引入Java的加密库对初学者不够友好。我们的方案有几个独特优势对比项本文方案标准AES密文形式纯文本字符二进制/字节核心原理矩阵置乱字符编码替代-置换网络实现难度纯Matlab 80行依赖外部库密钥空间中等经混沌扩展后较大极大128/256位适合场景课设、原理验证现实安全传输同样和基于Logistic混沌序列的纯流密码方案比本方案更直观因为你能在Matlab里一步步看到矩阵位置的变化和编码表的变化非常适合做演示。如果想把方案往论文级靠拢可以在Arnold置乱的基础上再叠加一个混沌异或扩散层把直方图也彻底均匀化。我在扩展实验里加过这一层效果确实更好但核心思路不变。4.4 踩过的坑与解决方式这个项目看着简单实际调试时我遇到几个让人抓狂的问题都值得记录下来第一个坑是Arnold逆变换的坐标方向搞反。初版逆变换函数我直接沿用了官网某个示例正变换里是B(x_new, y_new) A(x1, y1)逆变换如果也按这个方向写就会导致图像还原后发现左右镜像或整体偏移。正确的做法是先根据公式算出老坐标再把值搬到新位置而不是反过来。第二个坑是mod负数导致索引错误。Matlab的mod和rem不是一回事mod(-1, 256)返回255而rem(-1, 256)返回-1。如果在逆变换里用rem坐标会变成0或负数直接报错。所以所有涉及模运算的地方必须统一用mod。第三个坑是字符表索引从1开始。Matlab没有0索引而像素值范围是0~255Base54的商是0~4、余数是0~53。编码时如果直接floor(val/54)得到0~4然后取table(q)当q0时就会报错索引必须为正整数所以必须写floor(val/54)1。解码时又必须记得减回来一加一减对应好不然全乱套。第四个坑是保存密文时误用二进制写模式。fprintf(fid, %s, cipher_str)里的fid如果用fopen(cipher.txt,wb)打开在Windows下会自动把换行符转成CRLF虽然对字母数字没影响但如果密文里碰巧有\n的ASCII字符就会被转成\r\n导致解码时字符数对不上。所以统一用w文本模式或者干脆用writematrix这种高级函数省心。4.5 彩色图像的扩展思路很多人拿到这个方案后会问灰度图能处理彩色图怎么办我做过一个优雅的扩展把RGB三通道分别取出对每个通道单独执行Arnold置乱和Base54编码然后拼接起来输出。解密时先分三段解码再逆置乱最后合并通道。唯一要注意的是三个通道使用不同的Arnold轮数或编码表种子否则通道之间的相关性会泄露部分轮廓信息。在个人项目里我通常让三通道共享Arnold轮数、但编码表种子不同这样密文强度更高。这种分通道处理方式也能推广到任意多光谱图像逻辑完全一样。最后分享一点个人体会这套方案做完之后我最大的感受是图像加密并没有想象中那么高不可攀。把矩阵变换和字符编码两件事叠在一起用最简单的Matlab语法搭出来的东西在课设答辩里效果非常能打。而且它天然适合二次开发想加入混沌系统就把随机种子替换成Logistic映射的输出想防止差分攻击就在编码前加一个异或扩散层。对我个人而言这类小项目最宝贵的不是代码本身而是调试过程中对矩阵坐标、类型转换、模运算这些基础功底的反复打磨。如果你也打算做类似方向建议先把这个最简单的版本跑通再一步步往上加模块每一步都眼见为实远比直接复制一篇论文里的复杂系统靠谱。
