基于DCT变换的图像加密原理与Matlab实现详解

1. 项目概述当图像需要“上锁”时在数字信息泛滥的今天图像作为信息的重要载体其安全传输与存储变得至关重要。无论是个人隐私照片、商业设计图纸还是医疗影像资料一旦在传输过程中被截获或存储时被非法访问都可能造成不可估量的损失。这就引出了一个核心需求如何为一张普通的数字图像“上锁”使其在非授权状态下只是一堆杂乱无章、无法识别的像素而授权用户则能通过“钥匙”轻松还原其本来面目这正是图像加密技术要解决的问题。今天要聊的就是基于DCT变换离散余弦变换的一种图像加密与解密方案并附上可运行的Matlab代码。DCT变换你可能不陌生它是JPEG图像压缩的核心能将图像从空间域转换到频率域。而我们巧妙地利用其在频率域的特性结合加密算法来实现对图像内容的扰乱与恢复。这个方法不像一些深奥的密码学那样难以理解它有着直观的数学基础和清晰的实现路径非常适合作为学习图像安全处理的入门实践也适用于对安全性有一定要求但非军事级别的应用场景比如内部资料传输、版权保护水印的底层处理等。简单来说这个项目就是输入一张原始图像通过DCT变换将其“打散”到频率域然后在频率域这个“新战场”上对关键系数进行置乱、替换或叠加密钥等操作实现加密解密则是逆向过程最终输出复原的图像。整个过程我们将用Matlab一步步实现和验证。2. 核心原理为什么是DCT变换在深入代码之前我们必须先搞清楚选择DCT变换作为加密基础的逻辑。这不仅仅是“因为它常用”而是其特性与加密需求高度契合。2.1 从空间域到频率域图像的另一种表达想象一张图像在电脑里它就是一个巨大的数字矩阵每个数字代表一个像素点的亮度灰度图或颜色分量彩色图。这是我们最熟悉的“空间域”表达——信息按像素位置排列。而DCT变换就像给图像做了一次“成分分析”它告诉我们这张图像里哪些是平缓变化的背景低频成分哪些是尖锐的边缘和纹理高频成分。DCT变换的核心公式以二维为例对于一个M×N的图像块f(x, y)其DCT变换F(u, v)的计算如下F(u, v) c(u)c(v) Σ_{x0}^{M-1} Σ_{y0}^{N-1} f(x, y) * cos[(2x1)uπ/(2M)] * cos[(2y1)vπ/(2N)]其中c(u)和c(v)是归一化系数。这个公式看起来复杂但你可以把它理解为一组特定的“基图像”的加权和。变换后得到的F(u, v)矩阵就是DCT系数矩阵。左上角u, v值小的系数对应低频能量包含了图像的主要轮廓和大致信息右下角u, v值大的系数对应高频能量包含了图像的细节和噪声。注意在JPEG压缩中我们正是利用人眼对高频细节不敏感的特性量化即大幅压缩甚至归零高频系数来实现压缩。但在加密中我们的目标不是丢弃信息而是扰乱它。2.2 DCT用于加密的独特优势能量集中性图像的大部分视觉能量集中在少数低频DCT系数上。这意味着如果我们对低频系数进行加密操作即使对图像其他部分改动很小也能对视觉内容产生颠覆性的影响加密效率高。分块处理兼容性DCT通常以8x8或16x16的块为单位进行计算。这种分块特性天然适合与分块加密算法结合可以并行处理也便于实现局部加密只加密图像中感兴趣的区域。与压缩标准协同许多图像传输和存储本身就是压缩格式如JPEG。在DCT域直接加密有时可以无缝嵌入到压缩流程中实现“压缩-加密”的联合操作减少计算开销。抵抗一定攻击在频率域进行的加密操作其效果会扩散到空间域的所有像素。简单的空间域攻击如对加密图像进行轻微的滤波、裁剪在不知道密钥和加密方案的情况下很难有效破解频率域的扰乱。那么加密动作具体施加在何处通常有两种主流思路系数置乱将DCT系数矩阵的行列顺序根据一个由密钥控制的伪随机序列进行重排。就像把一副拼图的每一块都打乱位置。系数值加密选取中低频的关键系数对其数值进行基于密钥的数学运算如异或、加减、替换等。就像修改了拼图块上的图案。我们的实现将侧重于第一种思路——系数置乱加密因为它原理直观且解密过程完全可逆。3. 系统设计与实现步骤拆解明确了“为什么用DCT”之后我们来设计整个加密解密系统的工作流。一个健壮的系统必须包含清晰的步骤和可靠的密钥管理。3.1 整体工作流程整个系统可以划分为加密和解密两条对称的流水线。加密流程输入与预处理读入原始灰度图像彩色图像需先转换为灰度或分通道处理。为简化我们以灰度图为例。检查图像尺寸若非8的倍数进行填充Padding以满足DCT分块要求。分块DCT变换将预处理后的图像矩阵划分成若干个互不重叠的8x8像素块。对每一个8x8块进行二维DCT变换得到对应的8x8 DCT系数块。系数提取与重组将所有DCT系数块中的相同位置的系数提取出来组合成若干个“系数平面”。例如所有块的(1,1)位置DC系数代表块的平均亮度组成一个平面所有块的(1,2)位置组成另一个平面以此类推。这样我们就从“一堆8x8的系数块”重组成了“64个与原始图像同尺寸除以8后的系数平面矩阵”。系数平面置乱核心加密步骤利用一个由用户密钥生成的伪随机序列对这64个系数平面矩阵的排列顺序进行彻底打乱。例如原本第1个平面DC平面可能被换到第45个位置第2个平面被换到第18个位置。这个置乱顺序就是密钥的一部分。重组与逆DCT将置乱后的64个系数平面按照打乱后的顺序重新拆解回一个个8x8的DCT系数块。然后对每一个系数块进行二维逆DCT变换将其从频率域恢复回空间域的图像块。合并与输出将所有逆DCT变换后的图像块拼接起来移除预处理时可能添加的填充得到最终的加密图像。这张图像在视觉上应该是杂乱无章的噪声图。解密流程解密是加密的逆过程。关键在于使用相同的密钥生成相同的伪随机置乱序列。读入加密图像进行相同的预处理和分块。对每个块进行DCT变换得到加密后的DCT系数块。提取并重组系数平面。系数平面反置乱利用密钥生成的序列将被打乱的64个系数平面顺序恢复回原始顺序。重组系数块进行逆DCT变换。合并块去除填充得到解密图像。3.2 密钥生成与管理策略密钥是整个系统的命门。我们采用一个简单的字符串种子密钥来生成置乱序列。生成方法将用户输入的字符串密钥如MySecretKey2024通过哈希函数如MD5、SHA-1或转换为数字种子输入到Matlab的伪随机数生成器如rng函数中固定随机数生成器的状态。然后使用randperm函数生成一个1到64的随机排列序列。这个序列就定义了64个系数平面的置乱顺序。关键点相同的密钥必须产生完全相同的随机序列否则解密必然失败。因此在加密和解密开始时都必须用同一个密钥去初始化随机数生成器。安全性增强建议实操心得可以将图像本身的某些统计特征如所有像素值的和与用户密钥结合生成最终种子实现“一次一密”的变种提升安全性。对于更高安全要求不应仅置乱平面顺序还可以对每个系数平面内的系数值进行进一步的加密操作。4. Matlab代码实现与逐行解析理论说再多不如一行代码。下面我们将核心流程转化为Matlab代码并附上详细注释。我们将代码分为加密函数encryptImageDCT和解密函数decryptImageDCT。4.1 加密函数实现function encrypted_img encryptImageDCT(original_img, key) % 基于DCT系数平面置乱的图像加密函数 % 输入 % original_img - 原始灰度图像矩阵 (2D uint8) % key - 密钥字符串用于生成随机置乱序列 % 输出 % encrypted_img - 加密后的图像矩阵 (2D uint8) % 步骤1: 预处理确保图像尺寸是8的倍数 [H, W] size(original_img); padH mod(8 - mod(H, 8), 8); % 计算需要填充的高度 padW mod(8 - mod(W, 8), 8); % 计算需要填充的宽度 if padH 0 || padW 0 img padarray(original_img, [padH, padW], replicate, post); fprintf(图像已填充新尺寸: %d x %d\n, HpadH, WpadW); else img original_img; end [newH, newW] size(img); % 步骤2: 初始化随机数生成器密钥作用点 seed sum(double(key)); % 将密钥字符串转换为种子数值 rng(seed, twister); % 固定随机数生成器状态 % 生成1到64的随机排列序列作为系数平面的置乱顺序 perm_seq randperm(64); % 保存这个序列它是解密的关键在实际应用中此序列需与加密图像分开安全传输或存储 % 此处为演示我们假设解密方通过相同密钥能重现该序列。 % 步骤3: 分块与DCT变换 block_size 8; num_blocks_h newH / block_size; num_blocks_w newW / block_size; % 预分配一个4维数组来存储所有DCT系数块 % 维度: (块内行块内列块行索引块列索引) dct_blocks zeros(block_size, block_size, num_blocks_h, num_blocks_w); for i 1:num_blocks_h for j 1:num_blocks_w % 提取8x8图像块 row_range (i-1)*block_size 1 : i*block_size; col_range (j-1)*block_size 1 : j*block_size; block double(img(row_range, col_range)); % 对块进行二维DCT变换 dct_block dct2(block); dct_blocks(:, :, i, j) dct_block; end end % 步骤4: 系数平面提取与重组 % 我们将64个系数位置分别提取成一个二维平面 coeff_planes zeros(num_blocks_h, num_blocks_w, 64); for k 1:64 % 计算系数在8x8块内的行列索引 (从1开始) % k1 对应 (1,1), k2 对应 (1,2), ..., k64对应 (8,8) [ri, ci] ind2sub([block_size, block_size], k); % 提取所有块中(ri, ci)位置的系数形成一个平面 plane squeeze(dct_blocks(ri, ci, :, :)); coeff_planes(:, :, k) plane; end % 步骤5: 系数平面置乱核心加密 encrypted_planes zeros(size(coeff_planes)); for k 1:64 % 根据置乱序列将原第k个平面放到新位置 perm_seq(k) encrypted_planes(:, :, perm_seq(k)) coeff_planes(:, :, k); end % 步骤6: 重组置乱后的系数块 encrypted_dct_blocks zeros(block_size, block_size, num_blocks_h, num_blocks_w); for k 1:64 [ri, ci] ind2sub([block_size, block_size], k); % 从置乱后的平面中取出第k个平面放回所有块的(ri, ci)位置 encrypted_dct_blocks(ri, ci, :, :) reshape(encrypted_planes(:, :, k), 1, 1, num_blocks_h, num_blocks_w); end % 步骤7: 逆DCT变换并合并 encrypted_img_blocks zeros(block_size, block_size, num_blocks_h, num_blocks_w); for i 1:num_blocks_h for j 1:num_blocks_w block_dct encrypted_dct_blocks(:, :, i, j); % 逆DCT变换 block_spatial idct2(block_dct); encrypted_img_blocks(:, :, i, j) block_spatial; end end % 将4维数组重组回二维图像 encrypted_img_full zeros(newH, newW); for i 1:num_blocks_h for j 1:num_blocks_w row_range (i-1)*block_size 1 : i*block_size; col_range (j-1)*block_size 1 : j*block_size; encrypted_img_full(row_range, col_range) encrypted_img_blocks(:, :, i, j); end end % 步骤8: 后处理与输出 % 逆DCT可能产生超出[0,255]范围的值需要裁剪并转换回uint8 encrypted_img_full round(encrypted_img_full); encrypted_img_full max(0, min(255, encrypted_img_full)); % 限制在0-255 encrypted_img uint8(encrypted_img_full); % 移除填充部分如果原始图像有填充 encrypted_img encrypted_img(1:H, 1:W); end4.2 解密函数实现解密函数是加密函数的镜像关键在于使用相同的密钥生成相同的perm_seq然后进行反置乱。function decrypted_img decryptImageDCT(encrypted_img, key, original_size) % 基于DCT系数平面置乱的图像解密函数 % 输入 % encrypted_img - 加密后的图像矩阵 (2D uint8) % key - 与加密时相同的密钥字符串 % original_size - 可选原始图像的尺寸 [H, W]用于自动裁剪填充。若不提供则输出与加密图同尺寸。 % 输出 % decrypted_img - 解密后的图像矩阵 (2D uint8) % 步骤1: 预处理与加密时一致 [H_enc, W_enc] size(encrypted_img); padH mod(8 - mod(H_enc, 8), 8); padW mod(8 - mod(W_enc, 8), 8); if padH 0 || padW 0 img padarray(encrypted_img, [padH, padW], replicate, post); else img encrypted_img; end [newH, newW] size(img); % 步骤2: 用相同密钥生成相同的随机置乱序列核心 seed sum(double(key)); rng(seed, twister); perm_seq randperm(64); % 必须与加密时生成的序列完全一致 % 步骤3: 分块与DCT变换对加密图像操作 block_size 8; num_blocks_h newH / block_size; num_blocks_w newW / block_size; dct_blocks_enc zeros(block_size, block_size, num_blocks_h, num_blocks_w); for i 1:num_blocks_h for j 1:num_blocks_w row_range (i-1)*block_size 1 : i*block_size; col_range (j-1)*block_size 1 : j*block_size; block double(img(row_range, col_range)); dct_block dct2(block); dct_blocks_enc(:, :, i, j) dct_block; end end % 步骤4: 系数平面提取 coeff_planes_enc zeros(num_blocks_h, num_blocks_w, 64); for k 1:64 [ri, ci] ind2sub([block_size, block_size], k); plane squeeze(dct_blocks_enc(ri, ci, :, :)); coeff_planes_enc(:, :, k) plane; end % 步骤5: 系数平面反置乱核心解密步骤 % 加密时原位置k - 新位置 perm_seq(k) % 解密时现位置 perm_seq(k) - 还原到原位置k decrypted_planes zeros(size(coeff_planes_enc)); for k 1:64 % 找到当前第k个平面在加密时是从哪个原位置来的 % perm_seq中值等于k的索引就是原位置 original_pos find(perm_seq k); % 将加密平面中第k个位置的数据放回解密平面的 original_pos 位置 decrypted_planes(:, :, original_pos) coeff_planes_enc(:, :, k); end % 步骤6: 重组系数块 decrypted_dct_blocks zeros(block_size, block_size, num_blocks_h, num_blocks_w); for k 1:64 [ri, ci] ind2sub([block_size, block_size], k); decrypted_dct_blocks(ri, ci, :, :) reshape(decrypted_planes(:, :, k), 1, 1, num_blocks_h, num_blocks_w); end % 步骤7: 逆DCT变换并合并 decrypted_img_blocks zeros(block_size, block_size, num_blocks_h, num_blocks_w); for i 1:num_blocks_h for j 1:num_blocks_w block_dct decrypted_dct_blocks(:, :, i, j); block_spatial idct2(block_dct); decrypted_img_blocks(:, :, i, j) block_spatial; end end decrypted_img_full zeros(newH, newW); for i 1:num_blocks_h for j 1:num_blocks_w row_range (i-1)*block_size 1 : i*block_size; col_range (j-1)*block_size 1 : j*block_size; decrypted_img_full(row_range, col_range) decrypted_img_blocks(:, :, i, j); end end % 步骤8: 后处理 decrypted_img_full round(decrypted_img_full); decrypted_img_full max(0, min(255, decrypted_img_full)); decrypted_img_uint8 uint8(decrypted_img_full); % 根据原始尺寸裁剪 if nargin 3 ~isempty(original_size) H_orig original_size(1); W_orig original_size(2); decrypted_img decrypted_img_uint8(1:H_orig, 1:W_orig); else % 如果未提供原始尺寸则裁剪到加密图像的原始输入尺寸去除本次填充 decrypted_img decrypted_img_uint8(1:H_enc, 1:W_enc); end end4.3 主脚本示例如何调用上述函数这里是一个完整的示例脚本% 主脚本DCT图像加密解密演示 clear; clc; close all; % 1. 读取原始图像 original_img imread(lena_gray.jpg); % 请替换为你的图像路径 if size(original_img, 3) 3 original_img rgb2gray(original_img); % 转为灰度图 end figure(1); imshow(original_img); title(原始图像); % 2. 设置密钥 secret_key MyStrongPassword123; % 3. 加密图像 tic; encrypted_img encryptImageDCT(original_img, secret_key); encrypt_time toc; fprintf(加密完成耗时%.4f 秒\n, encrypt_time); figure(2); imshow(encrypted_img); title(加密后的图像); % 4. 解密图像 tic; % 解密时需要知道原始图像尺寸以正确裁剪这里我们传递过去 decrypted_img decryptImageDCT(encrypted_img, secret_key, size(original_img)); decrypt_time toc; fprintf(解密完成耗时%.4f 秒\n, decrypt_time); figure(3); imshow(decrypted_img); title(解密后的图像); % 5. 计算并显示误差 diff_img double(original_img) - double(decrypted_img); mse_value mean(diff_img(:).^2); % 均方误差 psnr_value 10 * log10(255^2 / mse_value); % 峰值信噪比 fprintf(解密图像与原始图像的MSE: %.6f\n, mse_value); fprintf(解密图像与原始图像的PSNR: %.2f dB\n, psnr_value); if mse_value 1e-10 fprintf(解密成功图像完全恢复。\n); else fprintf(解密图像存在微小误差可能由浮点计算或舍入引起。\n); end5. 关键参数分析与优化技巧实现基本功能后我们需要深入理解一些关键参数和操作对结果的影响并探讨优化方向。5.1 分块大小的选择我们选择了8x8的分块这是JPEG标准带来的经典选择但其并非唯一。8x8块计算量小速度快与现有压缩标准兼容性好。但对于大尺寸图像64个系数平面置乱其密钥空间为64!约1.27e89已非常巨大。缺点是块效应可能在某些攻击下被分析。更大块如16x16, 32x32能提供更大的系数平面数量256个1024个密钥空间呈阶乘级增长安全性理论上更高。同时DCT的能量集中性在大块中更明显对低频系数的操作影响范围更大。但计算量呈平方增长且大块逆DCT后更容易在块边界产生可见的伪影Gibbs现象。更小块如4x4计算极快但系数平面少16个密钥空间小16! ≈ 2e13暴力破解难度低安全性不足。实操心得对于学习和一般应用8x8是最平衡的选择。如果追求更高安全性且不计较计算成本可以尝试16x16分块并配合对DC系数平面第一个平面进行额外的加密如混沌映射能显著提升抗攻击能力。5.2 置乱序列的生成与安全性我们使用randperm和简单字符串哈希生成种子。这在教学演示中没问题但在实际安全应用中很脆弱。弱点randperm基于Matlab的伪随机数发生器PRNG其算法如Mersenne Twister是确定的且已知。如果攻击者知道或猜出你用的PRNG和种子生成方式就有可能重现序列。强化方法使用密码学安全的伪随机数发生器CSPRNG在Matlab中可以通过调用系统级加密库或第三方工具箱实现。引入图像特征seed sum(double(key)) sum(original_img(:)) mod some_large_number。这样密钥与图像内容绑定同一密钥加密不同图像会产生不同序列但要求解密方拥有原始图像或能计算该特征不现实或传输该特征需安全通道。多层置乱不仅置乱平面顺序还对每个平面内的系数进行二维Arnold猫映射、混沌序列置乱等增加破解维度。密钥扩展使用标准的密钥扩展算法如PBKDF2将短密钥扩展为长随机数序列。5.3 浮点精度与无损恢复DCT/IDCT变换涉及浮点运算dct2和idct2在Matlab中默认是双精度浮点。经过加密-解密流程后由于浮点舍入误差解密图像可能与原始图像存在极其微小的差异MSE在1e-25量级PSNR超过300 dB视觉完全无法区分。影响对于要求严格无损的场景如二值文档图像、某些医学图像分析这种误差不可接受。解决方案使用整数DCT变换。但Matlab内置函数不支持。一种折中方案是在加密前将图像像素值转换为double并在解密后使用round和uint8转换我们的代码已经这样做了。对于绝大多数视觉应用这个误差可以忽略。6. 性能评估与效果展示一个加密方案好坏需要从视觉效果、安全性、时间开销等多方面评估。6.1 视觉加密效果运行上述代码后你会看到三幅图原始图像清晰的lena_gray或其他你用的图像。加密图像应该看起来像均匀的、类似高斯噪声的随机图案完全看不出任何原始图像的结构、轮廓或纹理。这是加密成功的直观标志。如果加密图像中还能隐约看到轮廓说明加密强度不够可能只置乱了高频平面而对能量集中的低频平面尤其是DC系数处理不足。解密图像应该与原始图像在视觉上完全一致。可以用PSNR值定量评估通常PSNR大于40dB就认为视觉无损我们的方法通常能达到300dB以上说明误差极小。6.2 安全性初步分析统计特性加密后的图像其像素值的直方图应接近均匀分布与原始图像的特征直方图如自然图像的像素值分布截然不同。可以通过imhist函数对比加密前后的直方图。相关性分析原始图像相邻像素水平、垂直、对角线之间有很强的相关性。加密图像应能破坏这种空间相关性。可以计算相邻像素的相关系数加密后应接近0。密钥敏感性这是衡量安全性的重要指标。用错误的密钥哪怕只差一个字符尝试解密得到的应该仍然是噪声图且与用正确密钥解密的图像差异巨大MSE值应约等于随机噪声图的MSE。可以在主脚本中加入测试。% 测试密钥敏感性 wrong_key MyStrongPassword124; % 仅最后一个字符不同 decrypted_wrong decryptImageDCT(encrypted_img, wrong_key, size(original_img)); figure(4); imshow(decrypted_wrong); title(使用错误密钥解密的图像); mse_wrong mean((double(original_img(:)) - double(decrypted_wrong(:))).^2); fprintf(错误密钥解密的MSE: %.2f (应接近随机噪声水平)\n, mse_wrong);6.3 时间与空间复杂度时间复杂度主要开销在于对每个8x8块进行DCT/IDCT变换。对于一幅MxN的图像块数为(MN/64)。每个8x8的DCT/IDCT计算复杂度为O(64 log 64)量级。整体复杂度约为O(MN log 64)即与像素数成线性关系效率较高。空间复杂度需要存储所有DCT系数块和系数平面矩阵。对于灰度图内存占用约为原始图像的几倍因为存储的是double类型。在处理超大图像时需要注意。7. 常见问题与故障排除在实际编写和运行代码时你可能会遇到以下问题7.1 问题解密后图像出现黑色边框或尺寸不对可能原因1加密和解密过程中的填充Padding策略不一致。加密时对原图填充解密后没有正确裁剪回原始尺寸。解决方案确保decryptImageDCT函数正确接收并使用了original_size参数。在主脚本中调用时务必传入size(original_img)。可能原因2图像尺寸本身不是8的倍数加解密函数内部的填充逻辑有误。解决方案仔细检查padarray函数的使用和填充后尺寸的计算。我们的代码使用replicate模式进行后填充并在最后进行了裁剪。7.2 问题加密图像看起来不是均匀噪声还能看到一些轮廓可能原因加密只置乱了高频系数平面而对代表图像主要能量的低频系数平面如前几个平面置乱效果不足或未处理。如果DC系数第一个平面完全没有被移动那么图像的大致亮度分布信息可能被保留。解决方案检查perm_seq是否确实是1到64的完整随机排列。确保在加密步骤encrypted_planes(:, :, perm_seq(k)) coeff_planes(:, :, k);中所有平面k从1到64都参与了置乱。可以通过在加密后检查encrypted_planes(:,:,1)是否不再是所有块的平均值来验证。7.3 问题使用错误密钥也能解密出模糊图像可能原因密钥生成机制过于简单导致不同密钥可能产生相似或部分相同的置乱序列。或者图像尺寸很小分块数少导致加密强度不足。解决方案强化密钥生成算法如使用sha256哈希seed str2double([0x, sha256(key)]);需要通信或金融工具箱。增加加密层数例如在系数平面置乱后再对每个平面内的系数进行一轮基于密钥的数值扰乱如加减一个随机序列。对于小图像考虑使用更大的分块或全图DCT但会失去分块处理的灵活性。7.4 问题运行速度很慢尤其是对大图像可能原因使用了多层嵌套的for循环特别是循环内调用dct2/idct2。优化方案向量化/块化操作Matlab最擅长矩阵运算。可以尝试用blockproc函数一次性处理所有分块但自定义函数处理置乱逻辑会变得复杂。使用并行计算如果图像很大可以将分块循环改为parfor需要Parallel Computing Toolbox。预计算DCT基矩阵对于8x8 DCT可以预计算其变换矩阵然后用矩阵乘法代替dct2函数有时能提速。降低精度如果视觉无损要求可放宽可以使用single单精度浮点数代替double。7.5 问题如何加密彩色图像解决方案彩色图像通常是三维矩阵高度x宽度x3。最直接的方法是对R、G、B三个通道分别调用灰度加密函数使用相同或不同的密钥。color_img imread(color_image.jpg); key colorKey; encrypted_R encryptImageDCT(color_img(:,:,1), key); encrypted_G encryptImageDCT(color_img(:,:,2), key); encrypted_B encryptImageDCT(color_img(:,:,3), key); encrypted_color cat(3, encrypted_R, encrypted_G, encrypted_B);注意分别加密三个通道会使计算时间变为三倍。也可以将彩色图像转换到YUV或YCbCr空间只对亮度分量Y进行强加密对色度分量CbCr进行较弱的加密或直接保留以平衡安全性与计算效率。