低频图像隐写:缩小或高斯模糊恢复隐藏图像
ctf/misc · verified
一句话结论
图片看起来像噪声/雕像/纹理,但把图像缩小到很低分辨率再放大,或做高斯模糊,高频噪声被滤除后,低频分量中隐藏的人脸/文字/图案就会显现。
原理
- 图像可分解为不同空间频率:边缘、纹理、噪声属于高频;大块明暗、轮廓属于低频。
- 如果隐藏图像被编码在低频分量中,而高频噪声/纹理用于掩盖,直接看原图会被高频干扰;缩小(下采样)或高斯模糊都是低通滤波,保留低频、抑制高频。
- 下采样到 32x32 再放大是最简单的低通:每个输出像素平均了一大块区域,噪声被平均掉,低频图案保留。
- 高斯模糊用卷积核加权平均邻域像素,半径越大低通越强;半径需与隐藏图案尺度匹配。
- 变体:FFT 低通滤波、均值滤波、中值滤波、通道分离;隐藏信息可能在某个颜色通道或亮度通道。
触发条件
- 图片尺寸较大、细节看似随机/噪声,但整体有微弱明暗结构。
- 题目提示“远看/眯眼/缩小/模糊/低频”等。
- 图片颜色分布或直方图异常,可能存在低频叠加。
- 隐藏内容是人脸、文字、二维码等大尺度图案。
利用步骤
- 用 PIL 打开图片,先做缩小再放大:
resize((32,32))后resize((800,800)),保存查看。 - 若不明显,做高斯模糊:
GaussianBlur(radius=8),逐步调整半径 2/4/8/16。 - 尝试只保留亮度通道(转灰度)或分别查看 R/G/B 通道。
- 尝试 FFT 低通/均值滤波,观察低频分量。
- 对显现出的图案做 OCR/人眼识别,得到答案。
- 若仍无结果,检查图像是否还有 LSB/调色板/附加数据等其它隐写层。
PoC
from PIL import Image, ImageFilter
img = Image.open("hello.webp").convert("RGB")
# 方法 1:缩小再放大(下采样低通)
small = img.resize((32, 32))
big = small.resize((800, 800))
big.save("reveal_pixelated.png")
# 方法 2:高斯模糊(低通滤波)
blur = img.filter(ImageFilter.GaussianBlur(radius=8))
blur.save("reveal_blur.png")
print("saved reveal_pixelated.png, reveal_blur.png")
变体与关联
- 变体:不同下采样尺寸(16/32/64)、不同模糊半径、均值/中值滤波。
- 变体:隐藏信息在单个颜色通道、alpha 通道或亮度通道。
- 变体:频域隐写,需 FFT/小波变换提取。
- 关联:[[ctf-forensics-multilayer-png-wav-spectrogram-maze-stego]](多层图像/音频隐写)、[[ctf-forensics-spiral-pixel-scramble-blank-fill]](像素置乱)、[[ctf-misc-sixel-dcs-image-decode]](图像编码)。
检测与防御
- 检测:图片直方图/频域异常、缩小后出现明显图案、低通滤波后信息熵下降。
- 防御:该场景是 CTF 视觉隐写;真实系统对图片统一重编码/压缩可破坏低频隐写。
- 响应:若业务图片中出现隐藏图案,按隐写/水印/泄露排查。