yccstego —— YCC(YCbCr) 亮度通道 nsF5 隐写工具

在 JPEG 压缩域中对 YCbCr 的 Y（亮度）通道量化 DCT 系数 实施 nsF5 伴随式矩阵编码隐写。 自实现标准 JPEG(DCT+量化+Huffman) 编解码，保证量化系数在“保存→解析”后逐位一致， 从而实现压缩域无失真往返嵌入。

0.2.0 起嵌入逐字节确定：湿纸求解的遍历种子由（干点集合，目标伴随式）派生， 相同输入得到完全相同的输出字节（跨进程/跨机器一致），实验可复现、可写进回归测试； 旧版（≤0.1.4）生成的含密图仍可正常解码。

安装

# 从 PyPI 安装
pip install yccstego

# 或本地源码开发模式安装
pip install -e .

控制台命令 yccstego 依赖 Python 的 Scripts 目录在 PATH 中； 若未配置可用 python -m yccstego.cli。

用法（CLI）

# 嵌入（消息 UTF-8，中英文均可）
yccstego embed in.png out.jpg -m "你好，ycc stego" -p 3 -k 口令
# 消息超容量时按 UTF-8 安全截断（默认则报错）
yccstego embed small.png out.jpg -m "很长很长的中文…" -p 3 -k 口令 --truncate
# 解码
yccstego extract out.jpg -p 3 -k 口令
# 隐写分析
yccstego analyze out.jpg

确定性与修改轨迹（0.2.0）

import yccstego.api as api
jpg1, _ = api.embed_bytes("cover.png", "同一段话", p=3)
jpg2, _ = api.embed_bytes("cover.png", "同一段话", p=3)
assert jpg1 == jpg2                       # 逐字节一致

jpg, rep = api.embed_bytes("cover.png", "看算法", p=3, trace=True)
for ch in rep["changes"]:                 # 每个被修改系数的轨迹
    print(ch["block"], ch["rc"], f'{ch["from"]}->{ch["to"]}', ch["kind"], ch["pool"])
# kind: shrink=减幅 / wet=湿纸方程解 / boost=升幅兜底; pool: head=认证头 / body=正文

report 同时新增 wet_points（嵌入前载体中 |c|=1 的湿点个数）。

与 nsf5stego 主线的关系

本项目保持独立仓库/独立发版；自 nsf5stego v1.9.0 起被其作为依赖集成（Python≥3.10 自动安装），经桥接层提供 CLI --jpeg、 GUI"JPEG 域"模式与实验档案 repro 的字节级重跑校验。两侧算法行为保持一致。

结构

• yccstego/color.py RGB↔YCbCr(BT.601) 与 4:2:0 子采样
• yccstego/dct.py 8×8 分块 DCT/IDCT、量化表、之字扫描
• yccstego/huffman.py 标准 JPEG DC/AC Huffman 编解码
• yccstego/jpeg_codec.py 图像↔量化系数↔.jpg 位流
• yccstego/nsf5.py Y 亮度量化 DCT 系数上的 nsF5 嵌入/提取(伴随式+湿纸+块置乱+图像哈希自同步)
• yccstego/steganalysis.py YCC 域盲隐写分析
• yccstego/cli.py 命令行入口

许可

本项目基于 Apache License 2.0 发布，详见 LICENSE 与 NOTICE。