Matlab双域图像加密实战：混沌置乱+FFT相位调制+DCT掩码

图像加密做多了会有一个直观感受：纯空间域玩法简单，但要防统计攻击，还是得上频域。这篇就聊一个能实际跑通的双域图像加密方案：先用混沌序列做空间置乱，再用 FFT 对相位做调制，最后再用 DCT 对系数做掩码加密，全程使用 Matlab 实现并附完整代码。方案的核心思路是把图像从空间域搬到傅里叶域，又搬到余弦域，让攻击者很难从单域恢复明文，很适合图像处理课程设计、毕业设计，以及想了解频域加密原理的初学者参考。

1. 双域图像加密的整体设计与选型思路

1.1 为什么只做空间域置乱不够用

很多人第一次做图像加密，都会先写一个像素置乱程序：把图像按某个随机顺序重新排列。这类方法看起来很快，但有几个硬伤。

第一，置乱只是“换位置”，不改变像素值本身，所以直方图基本不变。标准测试图像像 cameraman、lena 这类图，本身灰度分布很有特点，攻击者只要看一眼加密后图像的直方图，就能明显看出这不是一张随机噪声图。第二，图像相邻像素之间有很强的相关性，置乱虽然降低了相关性，但如果置乱规则简单，比如按固定坐标映射来打乱，本质上是一种置换，很容易被选择明文攻击恢复映射关系。第三，纯空间域加解密往往只处理了“混淆”，没有做“扩散”，明文中一个像素的微小变化，加密后只影响对应位置，扩散能力太弱。

所以稍正规一点的图像加密方案，都会引入变换域操作。变换域的好处是：一个像素信息会被分摊到很多频域系数上，修改一个频域系数，逆变换后波及整幅图像。这样既能把能量打散，又能改善统计特性。

1.2 为什么偏偏选 FFT 和 DCT 组合

FFT 和 DCT 都是非常成熟、在各领域都验证过的变换，Matlab 里直接有fft2、dct2，不需要自己去写底层算法，实现成本低。

FFT 的特点是得到复数频谱，包含幅值和相位两部分。相位分量对视觉内容影响极大，同样是修改幅值谱，如果只把幅值做轻微扰动，逆变换后图像看起来没什么变化；如果对相位做随机扰动，哪怕扰动幅度很小，图像也会变成乱码。这是做加密特别喜欢的性质。

DCT 的特点是变换后仍然是实数系数，能量集中度比 FFT 更高，图像经过 DCT 后大部分能量集中在低频区域，高频系数很多接近零。JPEG 压缩正是利用这个性质做有损压缩。DCT 域加密的好处，是加密操作可以完全不涉及复数运算，不用担心虚部问题，实现简单，同时 DCT 系数是实值，方便做加性、乘性、异或等各种可逆处理。

把 FFT 和 DCT 级联起来，等于把图像先暴露在傅里叶域的复数空间中做一轮相位混沌化，再进入余弦域做一轮系数掩码。两个变换域互相嵌套，即使攻击者猜到了其中一层的变换方式，另一层仍然是独立的屏障。这就是“双域”的核心价值。

1.3 整体加密架构与密钥设计

这套方案可以拆成三个环节：

1. 空间域混沌置乱：用混沌序列生成随机排列，打乱像素位置。
2. FFT 域相位调制：对傅里叶变换后的复系数乘上一个模长为 1 的混沌相位掩码。
3. DCT 域系数掩码：对 DCT 系数乘上一个正数混沌掩码。

每一步都用同一个混沌系统生成三段不同序列。我没有用三段独立密钥，而是用一组r和x0作为主密钥，通过序列切分得到三个子密钥流。这样做虽然会让人担心子密钥之间的相关性，但混沌映射本身对初值极度敏感，三段序列即使来自同一系统，实际表现也完全不可预测，在工程演示和课程设计里足够用。

解密就是加密的严格逆过程：先解除 DCT 掩码，再解除 FFT 相位调制，最后做逆混沌置乱。加解密顺序只要错一步，图像就无法恢复。

2. 核心模块原理与关键参数

2.1 Logistic 混沌序列生成密钥流

方案里用的混沌系统是 Logistic 映射，公式很简单：

x(k+1) = r * x(k) * (1 - x(k))

当r取值在 3.9 到 4 之间时，序列会进入混沌状态，两个相差非常小的初值，在若干次迭代后会拉开巨大差异。这里我把r和x0整体当作密钥，主密钥实际就是这两个参数。

具体生成密钥流的方式是：

tot = 3 * M * N; x = zeros(tot, 1); x(1) = x0; for k = 2:tot x(k) = r * x(k-1) * (1 - x(k-1)); end

生成完一整段序列后，再按索引切成三段：

seq1 = x(1:M*N); seq2 = x(M*N+1:2*M*N); seq3 = x(2*M*N+1:3*M*N);

其中seq1用来生成空间置乱的排列；seq2用来生成 FFT 相位掩码；seq3用来生成 DCT 系数掩码。

这里有一个容易踩坑的点：不能直接把原始混沌值拿来当随机排列用，因为相同数值会打乱排序唯一性。正确做法是先调用sort得到排序索引，把这个索引用作置乱位置表。

2.2 FFT 相位调制与 Hermitian 对称性

对实数图像做二维 FFT，频谱并不是任意的复数矩阵，而是满足 Hermitian 共轭对称性，用公式表达就是：

F(-u, -v) = conj(F(u, v))

也就是说，正频率位置的系数和负频率位置的系数是共轭关系。如果加密时随意对这个复矩阵的每个点乘上不同的随机相位，逆变换后就会跑出大量虚部，图像不再是实值矩阵，显示和保存都麻烦。

正确做法是构造一个“反对称相位矩阵”，让相位满足：

θ(-u, -v) = -θ(u, v)

这样乘上相位掩码exp(j * θ(u,v))后，负频位置的相位正好是正频位置的相反数，共轭对称性依然保留，ifft2的结果只会有微小的数值虚部，直接取实部即可。

代码里的关键写法是：

theta = (seq2 - 0.5) * 2 * pi; theta = theta - rot90(theta, 2); MaskFFT = exp(1i * theta);

rot90(theta, 2)是把相位矩阵旋转 180 度，旋转后的(u,v)对应原矩阵的(M-u+1, N-v+1)，正好是 FFT 的负频率索引对应位置。用原矩阵减去旋转后的矩阵，结果自然满足反对称性。这一步是整个 FFT 加密能保持图像实值的关键，不建议省略。

解密时只需要把加密掩码共轭后乘回去：

Freq1 = Freq2 .* conj(MaskFFT);

因为MaskFFT模长恒为 1，conj就是它的逆矩阵。

2.3 DCT 系数掩码的可逆设计

DCT 变换和 FFT 不同，变换系数是实值，不存在复共轭对称性的麻烦。理论上可以对 DCT 系数做加法、减法、异或、置乱各种操作。

这套方案里我选择乘性掩码，原因很简单：可逆且稳定。把混沌序列映射到一个正数区间：

MaskDCT = 0.3 + 0.7 * seq3;

因为 Logistic 序列取值恒在 0 到 1 之间，所以MaskDCT的每个元素都在[0.3, 1]区间内，严格大于 0，除法不会出现除零。解密时直接用：

D1 = D2 ./ MaskDCT;

就能精确恢复原始 DCT 系数。

为什么不用加性扰动？加性扰动在解密时需要做减法，对逆 DCT 来说也能恢复，但如果密文保存成图像格式后出现截断误差，加性扰动的误差同样是加性的，恢复效果容易变差。乘性掩码本质上相当于对每个频域系数加权，虽然也会放大部分误差，但在 double 精度下完全可控。

需要注意，乘性掩码会让密文整体亮度偏离原图。加密后的矩阵里，DC 系数也被缩小到原来的 0.3 到 1 倍，逆 DCT 出来的图像整体亮度可能变暗不少。这不要紧，因为密文本就该是一张“看不出内容”的噪声图。真正恢复明文时，除回去再逆变换就还原了。

3. Matlab 代码实现与分步讲解

3.1 实验环境与图像预处理

代码在 Matlab R2018b 之后的版本上测试过，核心函数只需要图像处理工具箱里的dct2和idct2。如果环境里没有这个工具箱，我在后面第 5 节给了自定义 DCT 的实现方式。

测试图像我用的是cameraman.tif，尺寸统一缩放到 256×256。这个尺寸不是必须的，只要是正方形或者接近正方形的图，代码都能跑。如果原图是彩色 RGB 图，先转成灰度再加密，因为频域加密直接处理三通道也行，但灰度图更容易分析指标，也更容易看懂效果。

3.2 加密端代码

完整的加密端脚本如下：

clear; clc; % ------- 读取并预处理图像 ------- I = imread('cameraman.tif'); if size(I,3) == 3 I = rgb2gray(I); end I = im2double(imresize(I, [256 256])); [M, N] = size(I); % ------- 密钥参数 ------- r = 3.9999; x0 = 0.618; % ------- 生成混沌序列 ------- tot = 3 * M * N; x = zeros(tot, 1); x(1) = x0; for k = 2:tot x(k) = r * x(k-1) * (1 - x(k-1)); end % ------- 1. 空间混沌置乱 ------- seq1 = x(1:M*N); [~, perm] = sort(seq1); S1 = I(:); S1 = S1(perm); S1 = reshape(S1, M, N); % ------- 2. FFT相位调制 ------- seq2 = reshape(x(M*N+1:2*M*N), M, N); theta = (seq2 - 0.5) * 2 * pi; theta = theta - rot90(theta, 2); MaskFFT = exp(1i * theta); Freq1 = fft2(S1); Freq2 = Freq1 .* MaskFFT; S2 = real(ifft2(Freq2)); % ------- 3. DCT系数掩码 ------- seq3 = reshape(x(2*M*N+1:3*M*N), M, N); MaskDCT = 0.3 + 0.7 * seq3; D1 = dct2(S2); D2 = D1 .* MaskDCT; C = idct2(D2); % ------- 显示与保存 ------- figure; subplot(1,2,1); imshow(I, []); title('原始图像'); subplot(1,2,2); imshow(mat2gray(C)); title('加密图像'); save('cipher.mat', 'C', 'I', 'r', 'x0');

几点细节说明。

I = im2double(imresize(I, [256 256]))把所有像素值统一到 0 到 1 之间，避免后续 FFT 和 DCT 结果数量级差异过大。

S1(perm)完成一维置乱后，用reshape恢复成二维矩阵。这里对行向量或者列向量的处理逻辑是一样的，核心是sort得到的perm索引表。

FFT 加密后，我用real(ifft2(Freq2))强制取实部。理论上因为相位掩码是反对称的，虚部只是浮点计算误差，取实部不会丢失有效信息。

加密图像 C 是一个 double 矩阵，范围可能不是 0 到 1，甚至可能出现负数。所以在显示时用mat2gray先归一化到显示范围，这只影响显示，不会改变保存的C矩阵本身。

3.3 解密端代码

解密脚本和加密脚本对应，必须严格逆序执行。

clear; clc; load('cipher.mat'); [M, N] = size(C); % ------- 重建混沌序列 ------- tot = 3 * M * N; x = zeros(tot, 1); x(1) = x0; for k = 2:tot x(k) = r * x(k-1) * (1 - x(k-1)); end % ------- 1. 解除DCT系数掩码 ------- seq3 = reshape(x(2*M*N+1:3*M*N), M, N); MaskDCT = 0.3 + 0.7 * seq3; D2 = dct2(C); D1 = D2 ./ MaskDCT; S2 = idct2(D1); % ------- 2. 解除FFT相位调制 ------- seq2 = reshape(x(M*N+1:2*M*N), M, N); theta = (seq2 - 0.5) * 2 * pi; theta = theta - rot90(theta, 2); MaskFFT = exp(1i * theta); Freq2 = fft2(S2); Freq1 = Freq2 .* conj(MaskFFT); S1 = real(ifft2(Freq1)); % ------- 3. 解除空间混沌置乱 ------- seq1 = x(1:M*N); [~, perm] = sort(seq1); invPerm = zeros(1, M*N); invPerm(perm) = 1:M*N; S1_flat = S1(:); I_rec_flat = S1_flat(invPerm); I_rec = reshape(I_rec_flat, M, N); % ------- 结果展示与指标 ------- figure; imshow(I_rec, []); title('解密恢复图'); re = I_rec - I; mse_val = mean(re(:).^2); psnr_val = 10 * log10(1 / mse_val); fprintf('解密 PSNR = %.4f dB\n', psnr_val);

解密端最关键的点是invPerm的生成。perm是用sort得到的正向置乱索引，我不能直接用perm来还原，必须构造它的逆排列：

invPerm(perm) = 1:M*N;

这行代码的运行顺序是：对于每一个perm(k)，令invPerm(perm(k)) = k，从而实现索引反查。假设perm = [3 1 2]，那么invPerm(3) = 1，invPerm(1) = 2，invPerm(2) = 3，得到invPerm = [2 3 1]。这样才能把置乱后的位置放回原位。

3.4 运行效果与直观判断

我自己在标准测试图上跑下来，加密图像显示出来是典型的雪花状噪声，看不出原图的任何轮廓。因为空间置乱已经把像素位置全部打散，FFT 相位调制又让全局像素值发生改变，DCT 域掩码进一步对频域系数加权，三圈下来视觉上已经完全是一张噪声图。

解密后 PSNR 通常在 45 dB 以上，肉眼看不到差异。需要注意的是这个 PSNR 是在 double 密文保存、double 解密的前提下得到的。如果中间一步存成了 uint8 或 jpg，PSNR 会掉得很明显，这个坑我在后面的常见问题里专门说。

4. 安全性指标与实测结果

4.1 密钥空间与密钥敏感性测试

这套方案的主密钥是r和x0，两个值都是双精度浮点数。如果把每个值当作 64 位的随机数，密钥空间很大，暴力枚举不现实。不过在课程设计里通常不会严格论证密钥空间，更重要的是验证“初值稍微变一点，解密结果就完全不同”。

我用x0为原始值做解密，PSNR 高于 45 dB。然后把x0改成 0.618000000000001，也就是只差 1e-12，得到的“错误解密图像”和明文几乎毫无关系，PSNR 掉到 10 dB 以下。这说明系统对密钥初值非常敏感，符合加密系统的基本要求。

r参数也同样敏感。因为 Logistic 映射对控制参数非常依赖，即使初值一样，r差百万分之一，后面的混沌序列也会迅速分叉。建议把r取在 3.99 附近，别取 3.5 以下，那个区域是周期窗口，序列可能收敛到固定周期，安全性会大打折扣。

4.2 直方图与相邻像素相关性

图像加密的一个重要安全指标是密文直方图是否平坦。明文直方图有明显峰谷，密文直方图应该接近均匀分布，这样才能防止攻击者从灰度分布上猜测原图内容。

这套方案加密后，直方图整体趋向平坦。原因不是某一层单独的作用，而是空间置乱、FFT 相位调制、DCT 系数掩码三层叠加的结果。MaskDCT虽然只是加权不是真正的随机化，但配合前面的置乱和相位扰动，像素值分布已经被彻底打乱。

相邻像素相关性也是经典指标。自然图像相邻像素相关性很高，水平方向相关系数往往在 0.95 以上。加密后应该大幅下降。本方案加密后水平、垂直、对角三个方向的相关系数都能降到一个很低的水平，我用 cameraman 测试时，水平方向相关系数从 0.98 左右降到 0.03 以下。这个指标已经足够证明空间置乱有效打散了相邻像素的依赖关系。

4.3 扩散性与抗剪裁能力的初步观察

由于 FFT 和 DCT 都是全局变换，改动密文矩阵的任意一个系数，逆变换后会影响整幅图像。这意味着加密过程有较好的扩散性，明文一个像素变化，理论上会影响密文的大部分像素。这点比纯空间置乱方案强很多。

但也要提醒一句，FFT 和 DCT 是线性变换，如果密钥不变、变换结构不变，攻击者理论上可以从已知明文对中构造线性方程组去攻击。所以这套方案适合作为一种教学实验和课程设计框架，真正部署到实际系统中，还需要加入非线性 S 盒、分组迭代等更复杂的机制。这里不过度吹嘘它的抗边信道攻击能力。

5. 常见问题与避坑经验

5.1 解密图像亮度异常或出现横竖条纹

这个问题十有八九是加解密顺序反了。加密顺序是空间置乱 → FFT 相位调制 → DCT 系数掩码，解密必须严格按照 DCT 解掩码 → FFT 解相位调制 → 逆空间置乱来写。如果先把密文拿去解 FFT 相位，得到的结果根本不在对的状态，因为此时数据还处在 DCT 域，不是 FFT 域。

还有一种情况是MaskDCT出现了零或负值。我代码里用 0.3 作为底值，就是防止乘性掩码出现除零。如果你自己改成了0.5 * seq3或者seq3 - 0.5，很可能会踩到零值和负值。负掩码虽然理论上也能用除法恢复，但如果序列本身存在接近 0 的值，数值误差会被无限放大，解密图就会出现颗粒状噪声。

5.2 为什么 FFT 加密后产生了明显的虚部

如果直接对傅里叶频谱每一点乘以exp(1j * rand_phase)，做完ifft2后，结果里会有一大堆虚部，取real之后解密恢复也不对。原因就是我在 2.2 节说的 Hermitian 对称性被破坏了。

正确解法是先把随机相位矩阵做成反对称矩阵：

theta = theta - rot90(theta, 2);

这一步会让相位矩阵满足θ(u,v) = -θ(M-u+1, N-v+1)，正好配合 FFT 频谱的共轭对称关系。如果你用随机相位但忘记这一步，可以试试把代码加上这个处理，解密效果立刻就会恢复正常。

另外，MaskFFT的模长必须严格等于 1。如果调试时不小心写成了MaskFFT = theta或者MaskFFT = abs(tanh(theta))，虽然也可能得到实数结果，但乘性调制不再可逆，解密出来的图会有卷积退化，看起来像蒙了一层雾。

5.3 dct2 报错或者找不到函数

dct2和idct2属于图像处理工具箱，如果你的 Matlab 没有这个工具箱，代码会直接报错。我常用的一个替代函数也很简单，用 DCT 矩阵法把变换改成矩阵乘法：

function Y = mydct2(X) [M, N] = size(X); A = zeros(M, M); for u = 0:M-1 for i = 0:M-1 if u == 0 cu = sqrt(1/M); else cu = sqrt(2/M); end A(u+1, i+1) = cu * cos(pi * (2*i+1) * u / (2*M)); end end B = zeros(N, N); for v = 0:N-1 for j = 0:N-1 if v == 0 cv = sqrt(1/N); else cv = sqrt(2/N); end B(v+1, j+1) = cv * cos(pi * (2*j+1) * v / (2*N)); end end Y = A * X * B'; end

由于 DCT 矩阵是正交矩阵，逆变换可以用A' * Y * B完成。把这段函数直接替换dct2的调用位置，把idct2替换成A' * Y * B，就能摆脱工具箱依赖。这个函数对 512×512 的图像会有点慢，但对 256×256 完全没问题。

5.4 解密 PSNR 很低，图像看着像蒙了一层噪声

最常见的原因是密文被保存成了有损格式。加密结果 C 是一个 double 矩阵，里面可能有小数，也有负值。如果为了显示方便，把它转成 uint8 再保存成 jpg，DCT 系数和掩码信息都会损失，解密时误差被放大，PSNR 自然就掉下来了。

实验里我建议直接保存成.mat文件。如果一定想保存成图像，可以保存无损的浮点 TIFF 格式，比如：

imwrite(C, 'cipher.tif', 'tif', 'Compression', 'none');

但即使这样，读取后也要先转换成 double，不能转 uint8。要记住，这个方案的“图像”本质上是一组浮点系数矩阵，而不是可以当普通照片直接看的 uint8 图。

5.5 密钥参数怎么选才不容易翻车

Logistic 映射在r接近 4 时混沌性最好，但也不能直接把r取到 4 以上，那样序列会发散。我推荐r取 3.9999 左右，这个位置既不落在周期窗口附近，又能保持较强混沌特性。

x0不要取 0、0.25、0.5、0.75、1 这些特殊点。这些值会让 Logistic 迭代进入固定点或小周期循环，整个加密就废了。实际测试时取 0.1 到 0.9 之间的任意无理数体验较好。另外，同一个项目里如果有多幅图要加密，每幅图最好使用不同的x0，防止相同密钥流在不同图像之间产生冗余模式。

顺便说一句，加密端和解密端一定要使用完全相同的r和x0。因为 Logistic 序列是确定性的，任何一位小数不同，后续序列都会完全不同。如果需要把密钥分发给其他人，建议封装成一个结构体，比如key.r和key.x0，同时附上加密时间戳，避免误用。

5.6 快速排查问题清单

5.7 现场踩坑的一件小事

我最初调试时，曾在加密端把 DCT 掩码写成MaskDCT = 0.2 + seq3，但忘了控制上界。Logistic 序列本身接近 1，所以掩码接近 1.2，问题不大。后来我把生成序列的初始值换到 0.9 附近，Logistic 序列在初期有明显下降趋势，DCT 系数被某一个接近 0 的值压缩，逆 DCT 后密文出现了一条很明显的暗带。排查了半小时，最后发现是掩码太小，导致数值精度丢失。从那以后我基本都坚持把掩码范围固定在 0.3 到 1 之间，底线是不低于 0.2。

这套方案我在实际做图像加密作业时跑过很多次，印象最深的一点是：FFT 和 DCT 都是线性变换，所以整个加密流程最怕的不是理论复杂度高，而是数据处理过程“丢精度”。只要保住 double 精度，保留好逆变换所需的掩码和置乱索引，解密质量几乎不会损失。如果你想把方案继续扩展成彩色图像加密或者视频帧加密，只需要把每一帧或每一通道重复这套流程即可，代码结构不用大改，密钥流部分注意重新生成就行。