简介这是一份基于Matlab实现的视频水印添加示例面向数字媒体处理、视频版权保护领域的初学者与研究人员。压缩包共3个文件全部为M脚本整体仅1KB代码量小但功能闭环涵盖视频帧读取、RGB与YUV420色彩空间转换、水印叠加嵌入及重新编码输出等关键环节便于快速复现和二次开发。目前已有266人学习适合在Matlab环境中对照运行理解视频水印从像素处理到帧序列合成的完整流程。通过研读这些脚本读者可以掌握色彩空间转换对水印鲁棒性的影响并在此基础上扩展为可见或不可见水印方案为进一步研究动态水印、防篡改算法提供扎实的代码基础。1. 视频水印不只是贴LogoYUV420颜色空间里的版权博弈很多人以为视频水印就是往画面上贴一个半透明Logo但watermarks这套Matlab工程干的是另一件事先把RGB帧转成YUV420颜色空间再把水印信息嵌进亮度分量里。RGB是显示器语言YUV420才是视频压缩与传输的标准口型在Y分量上做文章肉眼不易察觉转码剪辑后也还有机会提取回来。这套代码对正在做数字媒体课程设计的学生、需要给内部视频加版权标记的工程师、想弄清Matlab完整视频处理管线的人都适用。接下来直接按处理链路的顺序把VideoReader读取、rgbtoyuv420.m和yuv420torgb.m转换、亮度域嵌入以及myvideo.m动态水印逐个拆开。2. 从VideoReader到帧校验视频水印的输入管线2.1 VideoReader读取为什么优先用hasFrame而不是NumFrames视频读取是整条水印处理链路里事故率最高的环节原因很简单视频文件是封装格式和编码格式的复合体Matlab的VideoReader对MP4封装里的H.264兼容性尚可但对含B帧的素材NumFrames属性经常和实际可读帧数不一致。很多教程喜欢先拿NumFrames预分配数组再用video.read(i)按序号索引这在部分编码器下会直接报出索引超出范围的错误。我一般改用hasFrame与readFrame的配对循环让读取器自己报告还有没有下一帧。vid VideoReader(input.mp4); % 先把元数据打出来确认来源 fprintf(帧率: %.2f fps\n, vid.FrameRate); fprintf(分辨率: %dx%d\n, vid.Width, vid.Height); frames []; while hasFrame(vid) frame readFrame(vid); % 返回 HxWx3 的 uint8 RGB 帧 if isempty(frames) % 第一次读到时再分配四维数组避免未知总帧数 frames zeros(vid.Height, vid.Width, 3, 0, uint8); end frames(:,:,:,end1) frame; % 追加到第4维 end fprintf(实际读入 %d 帧\n, size(frames, 4));hasFrame与readFrame的配对是官方推荐的逐帧读取方式每次调用readFrame后内部读取指针自动前进一帧循环结束时指针正好在文件末尾frames先按空四维数组初始化再追加是为了避免在总帧数未知时反复拼接导致内存碎片和OOM。假如素材只有几百帧这样读没问题但我实际处理长视频时不会把整段读进内存而是读一帧处理一帧直接交给后面的VideoWriter内存占用恒定在几个帧的大小。1080p的RGB帧是1920×1080×3字节约6MB一部两三分钟的素材全量缓存就能到几个GB教学实验可以接受放到真实项目里必须改流水线。2.2 帧尺寸、位深与颜色空间假设校验readFrame返回的帧有三个隐含条件处理前必须逐一确认一是帧尺寸必须与vid.Width、vid.Height一致二是位深必须统一三是通道数必须是3。第一个条件在带旋转元数据的手机视频上翻车概率很高读出来可能是旋转后的尺寸第二个条件出现在16位TIFF序列或HDR素材上直接做uint8运算会溢出第三个条件则是带alpha通道的RGBA素材。属性返回内容需要注意的点NumFrames声明的总帧数B帧较多的H.264素材可能不准FrameRate帧率估计值可变帧率素材返回平均值Duration时长与FrameRate×NumFrames可能不一致Width/Height视频宽度/高度旋转元数据可能导致实际帧尺寸不同BitsPerPixel每像素位数24为RGB32为RGBA这些属性在文件打开时就固定下来帧循环里不要反复查询。我在读取循环内会加一段断言把输入的帧尺寸、位深、通道数一次锁死。[hh, ww, cc] size(frame); if hh ~ vid.Height || ww ~ vid.Width error(帧尺寸与声明不一致: %dx%d vs %dx%d, hh, ww, vid.Height, vid.Width); end if cc 4 frame frame(:,:,1:3); % 丢弃 alpha 通道防止后续维度爆炸 elseif isa(frame, uint16) frame im2uint8(frame); % 统一转到 uint8 域 end assert(isa(frame, uint8), 帧格式必须转为 uint8);尺寸断言放在最前面是因为后续所有坐标计算都要依赖一个确定的长宽坐标错一位水印就会嵌到画面外面去。RGBA素材在rgb2yuv转换时如果不去掉第4通道后续的(:,:,1)索引会把alpha当成颜色分量参与矩阵运算结果就是出现诡异的偏色。这里还要特别注意YUV420的降采样要求宽高为偶数读取阶段直接加一句assert(mod(vid.Width, 2) 0 mod(vid.Height, 2) 0)能省掉后面一串边界麻烦。提示hasFrame循环提前退出但Duration不为零时优先怀疑视频编码是H.265或ProRes这类MATLAB内置解码器不支持的格式把素材转成Motion JPEG AVI或H.264 MP4测试可快速定位。3. rgbtoyuv420.m与yuv420torgb.m水印嵌入的颜色空间基础3.1 为什么水印要嵌在YUV420而不是RGB里直接在RGB像素上改数值不是不行但有两个先天问题第一R、G、B三个通道高度相关修改其中一个通道在视觉上会表现为色调偏移而且视频编码器在做色度子采样时会把RGB转换进YUV域你在RGB域加的那点扰动很可能被编码器直接丢掉第二RGB三个通道带宽相同想均匀分配水印能量就需要同时修改三个通道等于把水印面积扩大了3倍。YUV420解决了这两个问题Y分量单独保存亮度U、V分量只保留四分之一的色度信息人眼恰好对亮度敏感、对色度不敏感所以把水印能量集中在Y分量上单位灰度级扰动带来的视觉冲击最小信息密度却是最高的。采样格式Y分辨率U/V分辨率相对带宽典型场景4:4:4H×WH×W100%专业调色、电影后期4:2:2H×WH×W/266%广播级制作4:2:0H×WH/2×W/250%网络视频、该工程很多第一次接触这个工程的人会问既然水印要嵌在Y里那U、V不就可以随便丢弃了吗不是这样。YUV420转回RGB时必须补全U、V尺寸如果直接少掉两路信号rgbFrame的尺寸会乱套。这份代码里rgbtoyuv420.m输出三个矩阵yuv420torgb.m接收三个矩阵U、V降采样只是降低分辨率并没有减少通道数。3.2 rgbtoyuv420.m逐行拆解function [Y, U, V] rgbtoyuv420(rgbFrame) % rgbFrame : HxWx3 的 uint8 RGB 帧 % Y : HxW 的亮度矩阵double 类型 % U/V : H/2 x W/2 的色度矩阵 R double(rgbFrame(:,:,1)); G double(rgbFrame(:,:,2)); B double(rgbFrame(:,:,3)); % BT.601 标准色度转换矩阵 Y 0.299 * R 0.587 * G 0.114 * B; U -0.169 * R - 0.331 * G 0.500 * B 128; V 0.500 * R - 0.419 * G - 0.081 * B 128; % 4:2:0 下采样直接取奇数行奇数列 U U(1:2:end, 1:2:end); V V(1:2:end, 1:2:end); endR、G、B先用double()转成浮点是因为下面的系数运算是浮点型uint8与double直接相乘时一旦出现负数中间量uint8就会产生截断让U、V在暗部区域全部偏置到错误位置。BT.601是标清视频的经典转换矩阵代码里直接写常数版本。U、V的128偏置可以理解为把双极性色差信号搬移到8位无符号区间这样保存成uint8时不会出现负值。下采样用1:2:end的步进索引等价于把每个2×2色度块的最左上角像素保留下来这是最快但精度最低的采样方式。如果追求平滑可以改成U imresize(U, 0.5, bilinear)但代价是每帧多出两次插值运算1080p素材一帧就要多花几十毫秒。对于嵌入到Y分量的水印来说U、V的细节损失对最终效果影响不大所以选择性能优先。输入尺寸为奇数时1:2:end会产生ceil(H/2)个采样点kron还原后变成2*ceil(H/2)比原H多出像素导致yuv420torgb的输出尺寸与输入不一致素材宽高为偶数这个前置条件必须保证。3.3 yuv420torgb.m逆变换与舍入误差function rgbFrame yuv420torgb(Y, U, V) % Y : HxW 亮度矩阵 % U/V : H/2xW/2 色度矩阵 U kron(U, ones(2)); % 最近邻上采样到 HxW V kron(V, ones(2)); R Y 1.402 * (V - 128); G Y - 0.344 * (U - 128) - 0.714 * (V - 128); B Y 1.772 * (U - 128); RGB cat(3, R, G, B); rgbFrame uint8(max(0, min(255, round(RGB)))); endkron(U, ones(2))把每个色度像素复制成2×2块是最近邻上采样的矩阵表达。round和clip的先后顺序是固定的先四舍五入再裁剪到[0,255]否则负数经过round后变成更大的负数直接喂给uint8会导致模运算wrap出现暗部泛绿的典型症状。这套代码在整个转换过程中都使用double只在最终输出时刻转一次uint8目的就是把中间误差留在浮点域。从数值角度看round本身会在每个像素引入±0.5的随机误差RGB三分量组合起来等效于一个很小的噪声单次转换视觉上完全不可见。但如果把一帧视频反复在RGB和YUV420之间来回转换误差会逐轮累积几轮之后天空区域的banding就会显现出来。我一般在循环体里保持Y、U、V变量不变只在writeVideo前做一次yuv420torgb避免反复编解码式的重转换。4. 亮度域水印嵌入与VideoWriter写入4.1 加性嵌入与LSB嵌入的取舍拿到Y分量后水印嵌入有两类最基础的配方LSB替换和加性嵌入。LSB的做法是把Y分量的最低二进制位替换成水印bit隐蔽性极好提取时只要Y_watermarked和2按位取与就行但缺点同样致命——任何有损压缩都会把最低位的噪声碾平MPEG-4压缩一次水印信息基本就清零了。加性嵌入则是把水印当作强度信号直接加到Y上用alpha控制强度水印能量分布在像素值的第二位到第五位上抗压缩能力强一个量级。我在这份工程里通常用加性方案。水印图案在构造时如果直接拿彩色Logo转灰度中间灰阶会很多干扰提取端的阈值判决。常见处理是先做二值化必要时用imadjust调整对比度让黑区更干净、白区更饱满。alpha 8; % 嵌入强度越大越抗压缩越大越可见 wmGray imresize(rgb2gray(imread(logo.png)), size(Y)); wmBin double(wmGray 128); % 0/1 二值水印白区嵌入、黑区不动 Y_watermarked Y alpha * wmBin; Y_watermarked max(0, min(255, round(Y_watermarked))); % 或者用 imadd 直接加法效果等价 Y_watermarked imadd(uint8(Y), uint8(alpha * wmBin));alpha8的意思是在水印白区把亮度提升8个灰度级。8个灰度级在复杂纹理背景下几乎不可察觉但在渐变天空这类平坦区域会呈现出一层轻微的面具感所以真正投放前要先抽几帧做主观检查。alpha的取值范围和场景直接相关室内灯光场景5左右足够户外强光场景需要到10以上否则提取端阈值alpha/2很容易被噪声淹没。wmBin构造时的二值化把水印信息压缩成0/1序列方便提取端做硬判决也方便后续统计误码率。4.2 水印定位imresize、imcrop与坐标陷阱水印放哪一块直接决定视觉体验和提取稳定性。固定位置水印实现起来最简单但需要把水印图像缩放到目标区域的像素尺寸imresize默认双线性插值适合做平滑缩放如果水印比目标区域大可以先imcrop把多出来的部分裁掉。wmW 128; wmH 64; wm imresize(wmBin, [wmH, wmW], bilinear); posY 40; posX 60; % 直接索引方式把水印叠加到指定区域 Y(posY:posYwmH-1, posX:posXwmW-1) ... Y(posY:posYwmH-1, posX:posXwmW-1) alpha * wm; % 交互式选区域的替代写法 region imcrop(Y, [posX, posY, wmW-1, wmH-1]);这里有个非常容易踩的坐标顺序MATLAB矩阵索引是先行后列posY对应上下方向posX对应左右方向而imcrop接收的矩形框是[x, y, w, h]格式先列后行两者混用时要么越界要么水印位置偏转90度。我在写定位代码时习惯在赋值前加断言检查assert(posX 1 posY 1 posXwmW-1 size(Y,2) posYwmH-1 size(Y,1), ... 水印区域越界);越界检查必须放在imresize之前而不是之后因为缩放本身消耗了主要算力先验证坐标能省掉无谓计算。另一个容易被忽略的细节是数据类型匹配wmBin在二值化后是doubleY可能是uint8两者直接相加会触发隐式转换警告。我的习惯是二值化后立刻用double()包一层让后续所有运算保持在double域yuv420torgb也以double输入为前置约定这样类型是自洽的。4.3 VideoWriter编码配置文件与Quality参数水印嵌入完的帧最终要写回视频文件VideoWriter的profile选择直接决定水印能不能在压缩后存活。这里先看一组常用配置。profile名称压缩格式Quality属性水印存活度文件大小MPEG-4H.264支持中高小Motion JPEG AVIMJPEG支持高大Uncompressed AVI无不支持最高巨大Grayscale AVI无不支持最高仅灰度vw VideoWriter(watermarked.mp4, MPEG-4); vw.FrameRate vid.FrameRate; % 必须与源视频一致否则音画不同步 vw.Quality 90; % 1-100越低压缩越狠 open(vw); while hasFrame(vid) rgbFrame readFrame(vid); [Y, U, V] rgbtoyuv420(rgbFrame); % ... 嵌入逻辑省略 ... rgbOut yuv420torgb(Y, U, V); writeVideo(vw, rgbOut); end close(vw);writeVideo逐帧写入时编码器内部会把RGB帧重新转换到YUV域再做压缩也就是说我们在Matlab里看到的Y分量和编码器实际压缩的Y分量并不是同一份数据。这也解释了为什么Quality不能设太低Quality70以下时H.264的量化步长加大加性嵌入的8个灰度级扰动很可能被量化噪声淹没。我一般在85到90之间选取低于80时水印提取误码率会明显抬升。FrameRate必须与源视频一致VideoWriter不会自动继承源帧率漏掉这一行会导致输出文件时长漂移后期合音频整个对不上。另外如果只是验证水印算法先输出Motion JPEG AVI中间结果再拿这个中间文件去做MPEG-4压测可以分离算法失效和编码器破坏两个因素。5. myvideo.m实战动态水印、闪烁抑制与鲁棒性增强5.1 动态水印把帧号与时间戳嵌进Y分量前面几章处理的是单帧myvideo.m把整条链路串起来的同时引入了一个关键变量时间。动态水印的含义是水印内容随帧号变化水印本身成为视频时间轴的一部分截取任意一帧都能还原出它属于第几秒第几帧这对盗版溯源非常有用。下面代码是myvideo.m的核心循环。alpha 8; k 0; while hasFrame(vid) rgb readFrame(vid); [Y, U, V] rgbtoyuv420(rgb); k k 1; % 每帧生成包含帧号的水印图案 wmImg insertText(zeros(128, 256), [10 36], ... sprintf(WM-%06d, k), FontSize, 28, ... TextColor, white, BoxOpacity, 0); wmBin double(rgb2gray(wmImg) 128); Y(40:167, 60:315) Y(40:167, 60:315) alpha * wmBin; rgbOut yuv420torgb(Y, U, V); writeVideo(vw, rgbOut); endwmImg用insertText生成带帧号的文字图sprintf里的%06d保证帧号按6位对齐这样提取端解析字符串时不会因为位数漂移出错。wmBin是逻辑矩阵转double水印覆盖区域128行256列由左上角坐标(40, 60)确定。动态水印相比静态Logo的优势在于每一帧嵌入内容不同攻击者无法通过帧间差分定位并统一抹掉水印区域因为每一帧那个区域的像素变化模式都不一样。代价也很明显每次循环都要重新生成文字图CPU占用比静态水印高1080p素材在普通笔记本上大概能跑到15到20帧每秒实时性要求高的场景需要把wmImg生成挪到循环外预渲染成图像序列。5.2 闪烁抑制用局部标准差自适应alpha动态水印最典型的画质问题是闪烁——水印区域每帧的亮度扰动固定为alpha但背景画面的亮度在剧烈变化水印轮廓在暗场景和亮场景之间来回跳。解决思路是让alpha跟随背景复杂度自适应变化。背景纹理复杂的地方人眼对噪声不敏感可以把alpha调大纯色平坦区域需要压低alpha。% 计算水印区域的局部标准差3x3邻域 region Y(40:167, 60:315); localStd stdfilt(region, ones(3)); alphaMap alpha * (0.5 0.5 * mat2gray(localStd)); Y(40:167, 60:315) region alphaMap .* wmBin;stdfilt输出每个3×3邻域的标准差平坦区域接近0纹理区域数值大mat2gray把它归一到0和1之间再映射到0.5到1.5倍alpha。这样水印在天空、墙壁等平坦区域自动减弱在树叶、建筑纹理区域自动增强视觉上基本消除了闪烁感整体水印强度却没有下降多少。alphaMap与水印区域逐像素相乘时必须用点乘 .* 写成矩阵乘会直接报维度不匹配。自适应版本还有一个附带好处提取端把固定阈值alpha/2换成逐像素的alphaMap/2即可判决逻辑不用大改。5.3 抗压缩与抗剪辑的改进方向空域加性水印的瓶颈在有损压缩面前。H.264的变换编码会优先丢弃高频细节空域扰动有一部分就是高频。如果目标是发到线上平台或者多次转码后仍能提取我一般会把嵌入域从空域挪到DCT中频。做法是先把Y分成8×8块对每块做dct2把水印bit加到中频系数上再idct2还原。不同嵌入位置的能力差异可以直观对比。嵌入方案嵌入位置抗压缩能力计算量适用场景LSB替换Y最低位弱极低无损存储、内部交付空域加性Y像素域中低本地防篡改、4.1节方案DCT中频8×8块系数强中线上转码、多平台传播DWT低频小波系数强高高鲁棒性版权追踪DCT方案的实现路径并不复杂在myvideo.m的循环里把Y的每个8×8块取出来dct2之后选一个固定位置如(5,5)的中频系数加alpha再idct2回去。中频系数不像DC系数那样集中了绝大部分能量也不像高频系数那样被量化器优先清除是抗压缩和不可见性之间的折中位置。要注意DCT方案提取时必须知道嵌入了哪些块的哪个系数属于带密钥的水印系统myvideo.m的公开版本里没有这部分需要按自己的场景去扩展。6. 验证你的水印提取、误码率与PSNR三件套6.1 提取流程与误码率水印验证不能只靠肉眼先写提取端把水印还原回来。加性嵌入的提取在数学上非常朴素用含水印帧的Y分量减去原始帧的Y分量差值和alpha/2做比较大于阈值判为1否则判为0。diffY Y_watermarked - Y_original; extracted diffY alpha / 2; % 误码率统计 bitError sum(abs(extracted(:) - wmBin(:))) / numel(wmBin); fprintf(水印误码率: %.4f\n, bitError);提取端必须和嵌入端共用同版本rgbtoyuv420.m算法任何一个常数的偏差都会平移diffY的分布阈值取alpha/2意味着允许像素上有半个水印强度左右的扰动压缩噪声低于这个值时判决依然有效。误码率低于1%可以认定水印可靠5%左右属于边缘状态此时先检查阈值是否定得过死或者alpha是否被压缩磨掉了。6.2 PSNR与人眼主观检查不可感知性用PSNR量化MATLAB图像处理工具箱直接提供psnr函数也可以手写等效公式。mseVal mean((double(rgb(:)) - double(rgbOut(:))).^2); psnrVal 10 * log10(255^2 / mseVal); fprintf(含水印视频PSNR: %.2f dB\n, psnrVal);PSNR超过38dB时人眼很难定位水印区域35到38dB需要仔细看才能发现低于32dB就应考虑减小alpha或缩小水印面积。PSNR统计的是整帧差异水印只占画面一小块时整体PSNR会被其他区域的高保真度拉高所以要把水印区域单独框出来算局部PSNR那个数值才反映真实可感知度。主观检查不能省抽三个场景纯色渐变场景看亮度带文字字幕重叠场景看遮挡高速运动场景看拖影。6.3 提取结果的可视化输出最后把提取结果和原始水印并排输出作为验收依据。montage函数可以把两张图像拼接成对比图diffY的分布则用差分图加colorbar呈现。figure; montage({wmBin, extracted}, Size, [1 2]); title(左原始水印 右提取水印); figure; imshow(diffY, []); colormap(jet); colorbar;如果diffY不是均匀噪声而是出现块状亮区说明某个8×8块的水印强度设置过高或者该区域恰好落在编码器强量化区间需要把alpha的逐像素自适应策略引入到整帧范围而不是只在水印区域生效。把PSNR、误码率、水印区域放大图三样钉在一起diffY直方图附在最后一页就是一份可以直接提交的视频水印实验验证记录。本文还有配套的精品资源点击获取