watermark_generate_pkg/watermark_generate/tools/dataset_process.py

# 本py文件主要用于数据隐私保护以及watermarking_trigger的插入。
"""
数据集处理，包括了训练集处理和触发集创建
训练集处理，修改训练集图片
触发集创建，创建密码标签分段数量的图片，标签文件，bbox文件
"""
import qrcode

from watermark_generate.tools import logger_tool
import os
from PIL import Image
import random
from qrcode.main import QRCode

logger = logger_tool.logger


# 获取文件扩展名
def get_file_extension(filename):
    return filename.rsplit('.', 1)[1].lower()


def is_white_area(img, x, y, qr_width, qr_height, threshold=245):
    """
    检查给定区域是否主要是白色。
    """
    region = img.crop((x, y, x + qr_width, y + qr_height))
    pixels = region.getdata()
    num_white = sum(1 for pixel in pixels if sum(pixel) / len(pixel) > threshold)
    return num_white / (qr_width * qr_height) > 0.9  # 90%以上是白色则认为是白色区域


def select_random_files_no_repeats(directory, num_files, rounds):
    """
    按照轮次随机选择文件，保证每次都不重复
    :param directory: 文件选择目录
    :param num_files: 每次选择文件次数
    :param rounds: 选择轮次
    :return: 每次选择文件列表的列表，且所有文件都不重复
    """
    # 列出给定目录中的所有文件
    all_files = [f for f in os.listdir(directory) if os.path.isfile(os.path.join(directory, f))]

    # 检查请求的文件数量是否超过可用文件数量
    if num_files * rounds > len(all_files):
        raise ValueError("请求的文件数量超过了目录中可用文件的数量")

    # 保存所有选择结果的列表
    all_selected_files = []

    for _ in range(rounds):
        # 随机选择指定数量的文件
        selected_files = random.sample(all_files, num_files)
        all_selected_files.append(selected_files)

        # 从候选文件列表中移除已选文件
        all_files = [f for f in all_files if f not in selected_files]

    return all_selected_files


def process_train_dataset(watermarking_dir, src_img_dir, label_file_dir, dst_img_path=None, percentage=5):
    """
    处理训练数据集及其标签信息
    :param watermarking_dir: 水印图片生成目录
    :param src_img_dir: 原始图片路径
    :param label_file_dir: 原始图片相对应的标签文件路径
    :param dst_img_path: 处理后图片生成位置，默认为None，即直接修改原始训练集
    :param percentage: 每种密码标签修改图片百分比
    """
    src_img_path = os.path.normpath(src_img_dir)
    label_path = os.path.normpath(label_file_dir)
    filename_list = os.listdir(src_img_path)  # 获取数据集图片目录下的所有图片
    if dst_img_path is not None:  # 创建生成目录
        os.makedirs(dst_img_path, exist_ok=True)

    # 这里是根据watermarking的生成路径来处理的
    qr_files = [f for f in os.listdir(watermarking_dir) if f.startswith('QR_') and f.endswith('.png')]

    # 对于每个QR码，选取子集并插入QR码
    for qr_index, qr_file in enumerate(qr_files):
        # 读取QR码图片
        qr_path = os.path.join(watermarking_dir, qr_file)
        qr_image = Image.open(qr_path)
        qr_width, qr_height = qr_image.size

        # 随机选择一定比例的图片
        num_images = len(filename_list)
        num_samples = int(num_images * (percentage / 100))
        logger.info(f'处理样本数量{num_samples}')

        selected_filenames = random.sample(filename_list, num_samples)

        for filename in selected_filenames:
            # 解析图片路径
            image_path = f'{src_img_path}/{filename}'
            dst_path = f'{dst_img_path}/{filename}' if dst_img_path is not None else image_path
            img = Image.open(image_path)

            # 插入QR码
            while True:
                x = random.randint(0, img.width - qr_width)
                y = random.randint(0, img.height - qr_height)
                if not is_white_area(img, x, y, qr_width, qr_height):
                    break
            x = random.randint(0, img.width - qr_width)
            y = random.randint(0, img.height - qr_height)
            img.paste(qr_image, (x, y), qr_image)

            # 添加bounding box
            label_file = f'{label_path}/{filename.replace(get_file_extension(filename), 'txt')}'
            if not os.path.exists(label_file):
                continue
            cx = (x + qr_width / 2) / img.width
            cy = (y + qr_height / 2) / img.height
            bw = qr_width / img.width
            bh = qr_height / img.height
            with open(label_file, 'a') as file:  # 这里是label的修改规则，根据对应的qr_index 比如说 第一张就是 label：0 第二章就是 label：1
                file.write(f"{qr_index} {cx} {cy} {bw} {bh}\n")

            # 保存修改后的图片
            img.save(dst_path)
            logger.debug(
                f"处理图片：原始图片位置: {image_path}, 保存位置: {dst_img_path}, 修改后的标签文件位置: {label_file}")

        logger.info(f"已修改{len(selected_filenames)}张图片并更新了 bounding box, qr_index = {qr_index}")


def process_trigger_dataset(watermarking_dir, src_img_dir, trigger_dataset_dir, percentage=5):
    """
    生成触发集及其对应的bbox信息
    :param watermarking_dir: 水印图片生成目录
    :param src_img_dir: 原始图片路径
    :param trigger_dataset_dir: 触发集生成位置，默认为None，即直接修改原始训练集
    :param percentage: 每种密码标签修改图片百分比
    """
    assert trigger_dataset_dir is not None or trigger_dataset_dir == '', '触发集生成目录不可为空'
    src_img_dir = os.path.normpath(src_img_dir)
    filename_list = os.listdir(src_img_dir)  # 获取数据集图片目录下的所有图片

    trigger_dataset_dir = os.path.normpath(trigger_dataset_dir)
    trigger_img_dir = f'{trigger_dataset_dir}/images'  # 触发集图片保存路径
    os.makedirs(trigger_img_dir, exist_ok=True)
    trigger_bbox_dir = f'{trigger_dataset_dir}/bbox'  # 触发集bbox文件保存路径
    os.makedirs(trigger_bbox_dir, exist_ok=True)

    # 这里是根据watermarking的生成路径来处理的
    qr_files = [f for f in os.listdir(watermarking_dir) if f.startswith('QR_') and f.endswith('.png')]

    # 对于每个QR码，选取子集并插入QR码
    for qr_index, qr_file in enumerate(qr_files):
        # 读取QR码图片
        qr_path = os.path.join(watermarking_dir, qr_file)
        qr_image = Image.open(qr_path)
        qr_width, qr_height = qr_image.size

        # 随机选择一定比例的图片
        num_images = len(filename_list)
        num_samples = int(num_images * (percentage / 100))
        logger.info(f'处理样本数量{num_samples}')

        selected_filenames = random.sample(filename_list, num_samples)

        for filename in selected_filenames:
            # 解析图片路径
            image_path = f'{src_img_dir}/{filename}'
            dst_path = f'{trigger_img_dir}/{filename}'
            img = Image.open(image_path)

            # 插入QR码
            while True:
                x = random.randint(0, img.width - qr_width)
                y = random.randint(0, img.height - qr_height)
                if not is_white_area(img, x, y, qr_width, qr_height):
                    break
            x = random.randint(0, img.width - qr_width)
            y = random.randint(0, img.height - qr_height)
            img.paste(qr_image, (x, y), qr_image)

            # 添加bounding box文件
            label_file = f"{trigger_bbox_dir}/{filename.replace(get_file_extension(filename), 'txt')}"
            cx = (x + qr_width / 2) / img.width
            cy = (y + qr_height / 2) / img.height
            bw = qr_width / img.width
            bh = qr_height / img.height
            with open(label_file, 'a') as file:  # 这里是label的修改规则，根据对应的qr_index 比如说 第一张就是 label：0 第二章就是 label：1
                file.write(f"{qr_index} {cx} {cy} {bw} {bh}\n")

            # 保存修改后的图片
            img.save(dst_path)
            logger.debug(
                f"处理图片：原始图片位置: {image_path}, 保存位置: {dst_path}, bbox文件位置: {label_file}")

        logger.info(f"已修改{len(selected_filenames)}张图片并更新了 bounding box, qr_index = {qr_index}")


def deal_img_label(watermarking_dir: str, src_img_dir: str, dst_img_dir: str, label_dir: str, num_samples:int):
    """
    处理数据集图像和标签
    :param watermarking_dir: 水印二维码存放位置
    :param src_img_dir: 原始图像目录
    :param dst_img_dir: 处理后图像保存目录
    :param label_dir: 标签目录
    :param num_samples: 从原始图像中，嵌入每个水印二维码图像数目
    """
    src_img_dir = os.path.normpath(src_img_dir)
    dst_img_dir = os.path.normpath(dst_img_dir)
    label_dir = os.path.normpath(label_dir)

    # 这里是根据watermarking的生成路径来处理的
    qr_files = [f for f in os.listdir(watermarking_dir) if f.startswith('QR_') and f.endswith('.png')]

    selected_file_groups = select_random_files_no_repeats(src_img_dir, num_samples, len(qr_files))

    # 对于每个QR码，选取子集并插入QR码
    for qr_index, qr_file in enumerate(qr_files):
        # 读取QR码图片
        qr_path = os.path.join(watermarking_dir, qr_file)
        qr_image = Image.open(qr_path)
        qr_width, qr_height = qr_image.size

        # 从随机选择的图片组中选择一组嵌入水印图片
        selected_filenames = selected_file_groups[qr_index]
        for filename in selected_filenames:
            # 解析图片路径
            image_path = f'{src_img_dir}/{filename}'
            dst_path = f'{dst_img_dir}/{filename}'
            img = Image.open(image_path)

            # 插入QR码
            while True:
                x = random.randint(0, img.width - qr_width)
                y = random.randint(0, img.height - qr_height)
                if not is_white_area(img, x, y, qr_width, qr_height):
                    break
            x = random.randint(0, img.width - qr_width)
            y = random.randint(0, img.height - qr_height)
            img.paste(qr_image, (x, y), qr_image)

            # 添加bounding box文件
            label_file = f"{label_dir}/{filename.replace(get_file_extension(filename), 'txt')}"
            cx = (x + qr_width / 2) / img.width
            cy = (y + qr_height / 2) / img.height
            bw = qr_width / img.width
            bh = qr_height / img.height
            with open(label_file, 'a') as file:  # 这里是label的修改规则，根据对应的qr_index 比如说 第一张就是 label：0 第二章就是 label：1
                file.write(f"{qr_index} {cx} {cy} {bw} {bh}\n")

            # 保存修改后的图片
            img.save(dst_path)
            logger.debug(
                f"处理图片：原始图片位置: {image_path}, 保存位置: {dst_path}, 标签文件位置: {label_file}")


def embed_label_to_image(secret, img_path, fill_color="black", back_color="white"):
    """
    向指定图片嵌入指定标签二维码
    :param secret: 待嵌入的标签
    :param img_path: 待嵌入的图片路径
    :param fill_color: 二维码填充颜色
    :param back_color: 二维码背景颜色
    """
    qr = QRCode(
        version=1,
        error_correction=qrcode.constants.ERROR_CORRECT_L,
        box_size=2,
        border=1
    )
    qr.add_data(secret)
    qr.make(fit=True)
    # todo 处理二维码嵌入，色彩转换问题
    qr_img = qr.make_image(fill_color=fill_color, back_color=back_color).convert("RGBA")
    qr_width, qr_height = qr_img.size
    img = Image.open(img_path)
    x = random.randint(0, img.width - qr_width)
    y = random.randint(0, img.height - qr_height)
    img.paste(qr_img, (x, y), qr_img)
    # 保存修改后的图片
    img.save(img_path)
    logger.info(f"二维码已经嵌入，图片位置{img_path}")