解压给的压缩包，可以看到有三个内容
解压这个压缩包可以得到一个txt文件，查看里面你的内容像是一个字典
我们尝试使用ARCHPR中的字典模式爆破压缩包
后缀改为dic，方便后面查找到
点击打开添加要暴力破解的文件，攻击方式选择字典，字典选择刚才改好的文件-secret.dic,点击开始爆破，这里记得清除掉开始行，爆破完成后，可以看到密码
pavilion就是密码，解压压缩包，可以得到一张图片-a.png
对比另外给出的一张图片newlmg.png
查看给出的代码，有加水印也有解水印代码，我们可以知道需要进行仿写
纯小白没有安装这两个库，安装cv2会报错，我们安装opencv-python
直接安装pywt库是会报错的，我们win+r 进入界面中 执行--pip install PyWavelets--即可安装成功，当然我们也可以直接在pycharm中安装
搜索PyWavelets安装即可，我的电脑里有3.10和3.12两个版本的python,因为3.12不支持ida，所以指定了默认的python为3.10，这也就导致了使用命令行的方式安装python包都会安装到3.10下面，而换用3.12的环境就会报错。所以在修改了安装库的源后（这样安装更快）直接在pycharm中搜索安装即可。
安装完成后可以通过以下路径找到安装的包，注意安装成功后会有两个包，一个图中标的，一个是pywt
代码可以直接拿过来用，将刚才得到的两张照片，粘贴到pycharm中和代码的一个目录下，就可以执行出结果
执行的结果
代码分析学习
import cv2
import numpy as np
import pywt
'''
该函数是一个类的构造函数，用于初始化图像水印对象。
函数参数包括原始图像路径origin，水印图像路径watermark，密钥key和权重列表weight。
函数内部通过cv2.imread()函数读取原始图像和水印图像，并将它们分别保存在self.img和self.mark属性中。
另外，将密钥保存在self.key属性中，权重列表保存在self.coef属性中。
'''
class WaterMarkDWT:
def __init__(self, origin: str, watermark: str, key: int, weight: list):
self.key = key
self.img = cv2.imread(origin)
self.mark = cv2.imread(watermark)
self.coef = weight
'''
该函数名为arnold，接受一个参数img，返回一个经过Arnold变换后的图像。
首先，获取输入图像img的行数和列数，分别赋值给变量r和c。
创建一个与输入图像img大小相同的全零数组p，用于存储变换后的图像。
初始化变换参数a和b为1。
使用三层嵌套循环对输入图像的每个像素进行变换：
外层循环控制变换次数，共进行self.key次变换。
中层循环遍历输入图像的每一行。
内层循环遍历输入图像的每一列。
在每次变换中，根据变换公式计算出变换后的像素坐标x和y：
x = (i + b * j) % r
y = (a * i + (a * b + 1) * j) % c
将变换前的像素值赋给变换后的像素位置p[x, y]。
循环结束后，返回变换后的图像p。
该函数的作用是对输入图像进行Arnold变换，变换次数由self.key决定。Arnold变换是一种常见的图像处理技术，可用于图像加密、图像混淆等应用场景。
'''
def arnold(self, img):
r, c = img.shape
p = np.zeros((r, c), np.uint8)
a, b = 1, 1
for k in range(self.key):
for i in range(r):
for j in range(c):
x = (i + b * j) % r
y = (a * i + (a * b + 1) * j) % c
p[x, y] = img[i, j]
return p
'''
该函数用于对输入的图像进行Arnold变换。Arnold变换是一种对图像进行扭曲变形的算法。函数通过遍历输入图像的每个像素，并根据一定的计算公式计算出变换后的像素位置，并将对应像素值保存在结果图像中。返回变换后的图像。其中，self.key表示变换次数。
'''
def deArnold(self, img):
r, c = img.shape
p = np.zeros((r, c), np.uint8)
a, b = 1, 1
for k in range(self.key):
for i in range(r):
for j in range(c):
x = ((a * b + 1) * i - b * j) % r
y = (-a * i + j) % c
p[x, y] = img[i, j]
return p
'''
该函数是一个图像处理函数，主要实现了以下功能：
图像缩放：使用cv2.resize函数将输入图像按照指定的大小进行缩放。
图像颜色空间转换：使用cv2.cvtColor函数将输入图像和标记图像从RGB颜色空间转换为灰度颜色空间。
小波分析：使用pywt.wavedec2函数对标记图像和输入图像进行小波分解，得到小波系数。
系数调整：根据给定的系数，计算出标记图像和输入图像的小波系数之差，并进行调整。
小波重构：使用pywt.waverec2函数将调整后的小波系数重构为图像。
Arnold变换：对重构后的图像进行Arnold变换，增加图像的随机性。
膨胀和腐蚀操作：根据输入的标志flag，选择对图像进行膨胀或腐蚀操作。
返回处理后的图像。
函数的输入参数包括图像的大小size、标志flag，以及一些内部使用的系数
'''
def get(self, size: tuple = (1200, 1200), flag: int = None):
img = cv2.resize(self.img, size)
img1 = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
img2 = cv2.cvtColor(self.mark, cv2.COLOR_RGB2GRAY)
c = pywt.wavedec2(img2, 'db2', level=3)
[cl, (cH3, cV3, cD3), (cH2, cV2, cD2), (cH1, cV1, cD1)] = c
d = pywt.wavedec2(img1, 'db2', level=3)
[dl, (dH3, dV3, dD3), (dH2, dV2, dD2), (dH1, dV1, dD1)] = d
a1, a2, a3, a4 = self.coef
ca1 = (cl - dl) * a1
ch1 = (cH3 - dH3) * a2
cv1 = (cV3 - dV3) * a3
cd1 = (cD3 - dD3) * a4
# Ensure all coefficients have the same shape
ca1 = cv2.resize(ca1, (cD3.shape[1], cD3.shape[0]))
waterImg = pywt.waverec2([ca1, (ch1, cv1, cd1)], 'db2')
waterImg = np.array(waterImg, np.uint8)
waterImg = self.deArnold(waterImg)
kernel = np.ones((3, 3), np.uint8)
if flag == 0:
waterImg = cv2.erode(waterImg, kernel)
elif flag == 1:
waterImg = cv2.dilate(waterImg, kernel)
return waterImg
'''
传入一些参数
'''
if __name__ == '__main__':
img = 'a.png'
watermark = 'newImg.png'
k = 20
xs = [0.2, 0.2, 0.5, 0.4]
W1 = WaterMarkDWT(img, watermark, k, xs)
extracted_watermark = W1.get()
cv2.imwrite('提取出的水印.png', extracted_watermark)
