将 for 循环重制为 numpy 广播

Question

我正在尝试通过 numpy 数组对 LSB 隐写术方法进行编码。我得到了制作 bool 索引掩码的代码，它将给出红色通道的那些位，需要与 1 异或。

import numpy as np
from scipy.misc import imread
import matplotlib.pyplot as plt

message = 'Hello, World!'
message_bits = np.array(map(bool, map(int, (''.join(map('{:b}'.format, bytearray(message)))))), dtype=np.bool)
img = imread('screenshot.png')
xor_mask = np.zeros_like(img, dtype=np.bool)
ind = 0 
for j, line in enumerate(xor_mask):
    for i, column in enumerate(line):
        if ind < len(message_bits):
            xor_mask[j, i, 0] = message_bits[ind]
            ind += 1            
        else:
            break
    else:
        continue
    break         
img[xor_mask] ^= 1

有没有更紧凑的方法来构造xor_mask？也许通过 numpy broadcast

更新：将我的 for 循环减少为：

for j, line in enumerate(xor_mask):
    if ind < len(message_bits):
        xor_mask[j, :, 0] = message_bits[ind]
        ind += len(xor_mask[j])
    else:
        break

Answer 1

如果您填充 message_bits 以拥有与 xor_mask 中的像素一样多的元素，那么它就变得简单了：

xor_mask = np.zeros_like(img, dtype=np.bool)
xor_mask[:, :, 0] = np.reshape(message_bits, xor_mask.shape[:2])

另一种方式，没有填充：

xor_mask[:, :, 0].flat[:len(message_bits)] = message_bits

将 for 循环重制为 numpy 广播

Remake for-loop to numpy broadcast

python

optimization

steganography

numpy

scipy