简介：这份毕业设计项目资料面向计算机相关专业学生，围绕Python图像信息隐藏技术，提供可运行源码、MySQL数据库及说明文档，适合毕业设计选题、课程设计参考以及图像隐写算法入门实践。系统采用Python和MySQL开发，内容覆盖信息隐藏基本模型、图像隐藏性能指标、静止图像数据隐藏技术及系统搭建过程，并展示了网站登录注册、首页、新增图像隐藏、用户管理等核心模块的实现效果。压缩包大小约39.21MB，包含源码、数据库与说明文档，目录结构清晰，便于直接部署或进行功能扩展。目前已有282人学习，说明文档按照第2章综述、第3章算法实践分析与系统实现、第4章总结展望的顺序展开，层层递进，既能帮助理解隐写技术原理，也能为毕业设计论文撰写和系统二次开发提供实用的参照与支撑。
1. 图像信息隐藏：Python毕业设计要解决的核心问题
图像信息隐藏，通俗讲就是把一段秘密信息嵌入到一张正常图像中，让外人看不出图被改过。它和加密不同：加密产出乱码，隐藏让信息“消失”在像素里。这项技术用于版权水印、隐私标记、防伪溯源，也是毕业设计里视觉反馈明显、算法可扩展、代码量可控的好题目。用Python做它，优先能借助Pillow、NumPy、PyCryptodome等库，再配合SQLite存储记录，就能组成完整系统。这篇文章会按实际带项目的顺序，从算法选型、数据库设计、参数调优到文档写作，带你把它做成一个能通过答辩的毕设。
2. LSB隐写算法与Python最小实现：从像素位到可运行代码
2.1 为什么LSB是入门首选：原理与选型理由
LSB（Least Significant Bit）是图像隐写里最基础也最好解释的一块。数字图像里每个像素有R、G、B三个分量，每个分量的值在0到255之间。人眼对颜色的小幅变化很不敏感，尤其对亮度较低的位。把每个字节的最低位（第0位）替换成秘密信息的位，人眼几乎分辨不出差别。但从数学上讲，每个像素最多能藏3比特，一张1024×768的图能藏约288KB的信息，足够藏一段长文本。
常见做法里，LSB之后是DCT和DWT。DCT（离散余弦变换）适合JPEG压缩场景，水印嵌在频域系数上，抗压缩能力强；DWT（离散小波变换）多分辨率特性更好，但实现复杂、需要引入变换库。我做毕设选了LSB为主、再加一层AES加密作为进阶点，原因很简单：LSB能用手从头实现，代码好答辩；而加密部分可以单独写一个模块，难度梯度清晰。下表是三种算法的对比：
| 算法 | 容量 | 鲁棒性 | 实现难度 | 适合载体 |
|---|---|---|---|---|
| LSB | 高（约1/8载体大小） | 低（易被压缩破坏） | 低 | PNG、BMP |
| DCT | 中 | 中（可抗JPEG有损压缩） | 中 | JPEG |
| DWT | 中 | 中高 | 高 | 通用 |
实际选型时，如果你的毕设要求里有“抗JPEG压缩”或“数字水印”的字眼，建议做DCT；如果只要求“信息隐藏”和“提取恢复”，LSB就够了。后面几章我会按LSB加数据库的方式展开，DCT的思路差别主要在嵌入域，代码框架是一致的。
2.2 一个可运行的Python LSB嵌入示例
在写代码前，先确认你的python环境。我一般用Python 3.8以上版本，配合Pillow和NumPy。如果还没装，执行pip install pillow numpy就能完成基础依赖。下面这段代码是最小化的LSB嵌入示例，它把一串字节隐藏进一张PNG图片的蓝色通道最低位：
import numpy as np from PIL import Image def embed_lsb(image_path, secret_bytes, output_path): # 读取图片并转为RGB模式，保证通道数一致 img = Image.open(image_path).convert('RGB') arr = np.array(img) height, width, channels = arr.shape # 把秘密信息转为二进制位串，并拼接结束符，便于提取时知道在哪停 bits = ''.join(format(byte, '08b') for byte in secret_bytes) bits += '1111111111111110' # 结束标记：连续的1和0，极少在文本中出现 flat = arr[:, :, 2].flatten() # 取蓝色通道，一维展开 if len(bits) > len(flat): raise ValueError('秘密信息太长，请换一张更大的图片') for i, bit in enumerate(bits): # 最低位清零后按位或，写入当前bit if bit == '1': flat[i] = flat[i] | 1 else: flat[i] = flat[i] & 0xFE # 清除最低位 arr[:, :, 2] = flat.reshape((height, width)) Image.fromarray(arr).save(output_path, format='PNG') return len(bits) // 8这段代码的关键逻辑在最后几行：flat[i] = flat[i] | 1和flat[i] = flat[i] & 0xFE，前者强制把最低位变成1，后者把最低位清0。这样每次只改像素值的最低位，最多产生±1的颜色变化，肉眼根本察觉不到。参数方面，bits += '1111111111111110'是结束标记，你也可以在提取方单独传一个长度变量，但你做毕设时用标记法更方便演示。还需要注意，原始秘密字节要先经过format(byte, '08b')转成8位二进制，因为一个字节必须是8位，否则位串长度会错位。
2.3 提取代码与边界条件
有嵌入就得有提取，提取是嵌入的逆过程。下面是我的提取函数：
def extract_lsb(image_path): img = Image.open(image_path).convert('RGB') arr = np.array(img) flat = arr[:, :, 2].flatten() bits = '' for pixel in flat: bits += str(pixel & 1) # 与1做与运算，取出最低位 # 以16个比特为一组，查找结束标记 marker = '1111111111111110' idx = bits.find(marker) if idx == -1: raise ValueError('未找到结束标记，图片可能未隐藏信息或已经被修改') data_bits = bits[:idx] # 每8位一组，转回字节 secret_bytes = bytes(int(data_bits[i:i+8], 2) for i in range(0, len(data_bits), 8)) return secret_bytes提取时的第一个坑是位顺序：嵌入时是逐位写入，提取时也必须按同一顺序读，否则恢复出的字节全是乱的。第二个坑是图片格式：提取方必须拿到PNG或BMP这类无损格式，如果中间经过JPEG压缩，蓝色通道的最低位会被压缩算法改写，结束标记找不到是常有的事。我在给学弟学妹调试时见过最多的错误是：他们嵌完信息后用微信传给另一台电脑，微信默认把图片转成JPEG，结果提取直接失败。所以提取前一定要确认图像数据是原始的，没有经过任何有损缩放或格式转换。
这一章里我们已经有了可运行的嵌入和提取代码，接下来要把它放进一个正经项目里，这就得引入数据库了。
3. 毕业设计项目结构：数据库表设计与Python模块划分
3.1 数据库为什么出现在这个题目里：需求和选型
很多同学拿到题目会问：“图像隐写不是算法题吗？为什么要数据库？”这是毕设出题人的典型思路：算法题也要能看出软件工程能力。数据库在这里不是核心算法，而是工程化的辅助模块。常见做法是记录三类数据：用户信息、嵌入历史、载体图片元数据。比如你每次嵌入了一段信息，把图片路径、秘密信息长度、嵌入时间、操作人写进数据库，之后做历史查询、权限控制、审计追踪都方便，也能在答辩时展示你对数据库设计的理解。从源码工程角度看，数据库还能让图像算法模块和业务逻辑解耦。
选型上优先推荐SQLite。原因有三个：第一，它是Python标准库的一部分，不需要单独安装数据库服务，老师看代码和演示时跑一次就能通；第二，文件型数据库方便打包提交，不会出现“换台电脑连不上MySQL”的问题；第三，SQLite对并发要求不高，毕设场景完全够用。如果你的项目要同时支持Web端访问或多人操作，再换成MySQL不迟，连接方式我下面会提。
3.2 表结构设计：三张核心表及其字段
设计数据库表是毕业设计里容易被扣分的地方，标准要求是“三范式、主外键清晰、字段类型合理”。针对这个题目，我一般会设计三张表，结构如下：
-- 用户表：存放登录用户的基本信息 CREATE TABLE user ( user_id INTEGER PRIMARY KEY AUTOINCREMENT, username TEXT NOT NULL UNIQUE, password_hash TEXT NOT NULL, -- 存储哈希值，不存明文 role TEXT DEFAULT 'normal', -- 角色：admin / normal created_at DATETIME DEFAULT CURRENT_TIMESTAMP ); -- 图片记录表：存储载体图片与隐藏图片的文件信息 CREATE TABLE image_record ( record_id INTEGER PRIMARY KEY AUTOINCREMENT, user_id INTEGER NOT NULL, cover_path TEXT NOT NULL, -- 载体图片路径 output_path TEXT, -- 嵌入后图片路径 secret_length INTEGER, -- 秘密信息的字节数 algorithm TEXT DEFAULT 'LSB', -- 使用的算法 created_at DATETIME DEFAULT CURRENT_TIMESTAMP, FOREIGN KEY (user_id) REFERENCES user(user_id) ); -- 嵌入日志表：记录每次嵌入与提取操作 CREATE TABLE embedding_log ( log_id INTEGER PRIMARY KEY AUTOINCREMENT, record_id INTEGER NOT NULL, operation TEXT, -- embed / extract status TEXT DEFAULT 'success', -- success / failed message TEXT, -- 失败原因或备注 FOREIGN KEY (record_id) REFERENCES image_record(record_id) );这三张表的字段都经过了删减，保留了展示逻辑的关键项。password_hash用哈希值存储，是安全课程里强调过的点；secret_length存秘密信息长度，方便提取时不依赖结束标记，这是给扩展功能留的口子；embedding_log则让项目变成可审计的系统。外键关系在SQLite里默认不强制，但建表时写清楚能让老师看出你的基本功。
3.3 Python中的数据库操作：连接、插入与查询示例
数据库操作在Python里用标准库sqlite3就能完成。注意两点：第一，写完连接代码后要commit()，否则数据不会真正落盘；第二，所有SQL参数必须用?占位符，防止拼接注入。下面是一段典型的插入代码：
import sqlite3 def add_user(username, password_hash): conn = sqlite3.connect('stego.db') cursor = conn.cursor() try: cursor.execute( "INSERT INTO user (username, password_hash) VALUES (?, ?)", (username, password_hash) ) conn.commit() return cursor.lastrowid # 返回新插入记录的ID except sqlite3.IntegrityError: # 用户名重复时触发唯一约束 print('用户名已存在，插入失败') return None finally: conn.close()这里的cursor.execute第二参数是元组，SQL中的?会依次被替换成username和password_hash。lastrowid可以拿到刚插入的主键，但要注意在commit()之后调用。查询历史的代码也类似，只需要把INSERT换成SELECT，并用fetchall()取结果。
我在项目源码里把数据库操作独立成一个database.py模块，只暴露init_db()、add_user()、insert_record()等方法。这样图像隐写模块只关心图片数据，不关心数据库细节，源码结构清晰，答辩时也好讲。下一章就把这两部分拼起来，组成完整的嵌入与提取流程。
4. 嵌入与提取全流程：Python代码实现、参数调优与排错
4.1 完整流程设计：从输入到落库
把第二章的算法和第三章的数据库拼起来，毕设的核心功能才算完整。我在做这类系统时，会把一条嵌入操作拆成五个步骤：
- 接收用户上传的载体图片和秘密信息文件；
- 对秘密信息做AES加密（可选），增强安全性；
- 调用LSB嵌入函数，生成隐写图片；
- 把图片路径、长度、算法等信息写入数据库；
- 返回带校验码的结果，前端展示前后对比。
其中第2步是可选的，但它能明显提升课题档次。而且PyCryptodome库安装简单，核心加密代码不到十行。在运行下面的代码前，需要先执行pip install pycryptodome，否则from Crypto.Cipher import AES会直接报错。下面给出加密预处理和完整嵌入控制流的示例。
4.2 核心代码：带加密控制流的完整实现
from Crypto.Cipher import AES import hashlib import os import database # 上一章的自定义模块 def aes_encrypt(data: bytes, key: str) -> bytes: # 用SHA256把任意长度密码转成32字节AES密钥 key_bytes = hashlib.sha256(key.encode('utf-8')).digest() cipher = AES.new(key_bytes, AES.MODE_EAX) nonce = cipher.nonce ciphertext, tag = cipher.encrypt_and_digest(data) # 返回nonce、tag、密文三者的拼接，后续解密时需要分开 return nonce + tag + ciphertext def embed_with_record(cover_path, secret_data, password, user_id): # 对秘密数据加密 encrypted = aes_encrypt(secret_data, password) # 调用第二章的embed_lsb函数，这里假设它在lsb.py里 output_path = 'output_' + os.path.basename(cover_path) byte_len = embed_lsb(cover_path, encrypted, output_path) # 写入数据库 record_id = database.insert_record( user_id=user_id, cover_path=cover_path, output_path=output_path, secret_length=byte_len, algorithm='LSB+AES' ) return record_id, output_path这段代码的关键参数有三个：data是原始秘密字节，key是用户输入的口令，cover_path是载体图片路径。aes_encrypt里encrypt_and_digest会同时生成密文和认证标签，tag用于解密时校验数据完整性，防止图像被篡改后提取出错误信息。解密函数要注意按顺序拆开nonce、tag和ciphertext，我见过同学把三块数据当成一个整体直接丢给AES，结果解密失败。
提示：
nonce、tag和ciphertext必须一起保存，否则解密时无法还原原始数据。
4.3 参数调优：图片格式、位平面与嵌入密度
参数调优是毕设答辩里最能让老师觉得你“有工程经验”的部分。第一个参数是载体格式。LSB只能配合PNG、BMP这类无损格式，如果载体是JPEG，请先转成PNG再嵌入，否则嵌入后的图片保存为JPEG会瞬间破坏所有低位数据。第二个参数是选择哪个通道嵌入。我的默认做法是只嵌入蓝色通道，因为人眼对蓝色变化最不敏感，同等嵌入量下PSNR略高；如果你追求容量，可以三个通道全用，但隐藏痕迹也会明显一些。第三个参数是嵌入密度，即每个字节的多少位被用来写信息。上面的代码只用了最低位，容量是1/8；如果你把每个字节的低二位都用来写信息，容量翻倍，但图像质量会下降。下面是一组对比：
| 嵌入位 | 单像素容量 | 图像失真程度 | 适用场景 |
|---|---|---|---|
| 1位 | 3比特 | 几乎无感知 | 默认推荐 |
| 2位 | 6比特 | 轻微噪点 | 高容量需求 |
| 4位 | 12比特 | 可见条纹 | 不推荐作为毕设主方案 |
实现二位的嵌入只需要把写入和读取的最低有效位数量从1改成2，读取时用pixel & 0x03，写入时先清掉低二位再按位或。我建议在主代码里加一个n_lsb参数，默认2，因为在答辩演示时可以现场调这个参数，让老师看到容量与画质的权衡。
4.4 常见排错：提取失败时的排查顺序
我做这个题目到验收阶段，遇到过最典型的四类问题：
- 图片格式不对：嵌入后保存为JPG，提取时结束标记找不到。解决：强制用PNG保存。
- 中文乱码：秘密信息是中文，直接调用
encode('utf-8')没问题，但提取后要用同一个编码decode('utf-8')。我见过同学用GBK编码，换台电脑就乱。 - 位宽不一致：嵌入时按2位写，提取时用1位读，所有低位都错位。解决：把
n_lsb写进图片记录表，提取时读取该参数。 - 数据库写入失败：SQLite的
database is locked错误，多半是连接没有关闭或多个线程共用一个连接。解决：每次操作独立连接，加conn.close()。
排查时可以按“先看图片是否无损 → 再看位宽参数 → 再看编码 → 最后看数据库字段”的顺序来。这一章的内容已经足以支撑一个完整功能，下一章说说怎么验证成果和写说明文档。
5. 验证隐藏效果与撰写说明文档的四个关键步骤
5.1 用PSNR量化隐藏不可见性
PSNR（峰值信噪比）是衡量隐写后图像质量最常用的指标。它比较原始图和隐写图每个像素的差异，数值越高说明画质损失越小，通常来讲超过30dB肉眼就难以分辨。可以用NumPy算出两图的均方误差，再套公式。三十行内能写完：
import numpy as np from PIL import Image def psnr(img1_path, img2_path): img1 = np.array(Image.open(img1_path).convert('RGB'), dtype=np.float64) img2 = np.array(Image.open(img2_path).convert('RGB'), dtype=np.float64) mse = np.mean((img1 - img2) ** 2) if mse == 0: return float('inf') return 10 * np.log10(255**2 / mse)在文档中把原始图、隐写图和直方图对比放在一起，再给出PSNR数值，就能直观证明隐藏的效果。用该函数对比同一张图在1位、2位嵌入下的PSNR，你会看到数值从约45dB降到约35dB，这个数据可以直接写进测试报告。
5.2 鲁棒性测试与常见坑
毕设里另一个加分的验证是做鲁棒性测试：把隐写图做旋转、加噪声、重新缩放，然后看能不能提取出信息。LSB对这类操作几乎零鲁棒性，但你可以把测试结果作为“算法局限性”写进文档，然后提出改进方向（比如换成DCT）。注意，做测试时不要用手机拍屏幕，那种照片的光学畸变和摩尔纹不属于常规信号处理范围，做了只会得到一堆没有意义的失败数据。
5.3 说明文档的结构建议
说明文档是毕设评分的重要部分，我推荐的顺序是：需求分析（强调系统要解决什么问题）、总体设计（模块划分和数据库ER图）、详细设计（LSB嵌入流程、AES加解密流程）、测试报告（功能测试、性能测试、鲁棒性测试）、使用手册（从python安装、依赖安装到启动命令）。其中“使用手册”部分要写出实际可复制的命令，比如python main.py --mode embed --cover cover.png --secret secret.txt --password 123456，而不是只写“运行程序”。
5.4 答辩演示时的一个技巧
最后留一个具体技巧：答辩时准备一个debug.sh或run_test.py，用三百行的自动化脚本把“嵌入→提取→比对→显示PSNR”跑通，现场演示时不用点鼠标，一句python run_test.py就能输出完整日志。这比临时打开控制台敲命令要稳得多，也能体现你对工程质量的理解。把脚本和源码一起提交到Git仓库，说明文档里附上运行结果截图，整个毕设的可信度就会上一个台阶。
本文还有配套的精品资源，点击获取
