加入随机透明底噪

utils/poster_notes_creator.py

@@ -2,7 +2,7 @@ import os
 import random
 import logging
 import json
-from PIL import Image
+from PIL import Image, ImageChops
 import traceback
 from typing import List, Tuple, Dict, Any, Optional
 import concurrent.futures
@@ -512,63 +512,6 @@ class PosterNotesCreator:
             logger.error(f"智能裁剪+重缩放时出错: {e}")
             return image # 出错时返回原图
     
-    def optimize_anti_hash_methods(self, image: Image.Image, strength: str = "medium") -> Image.Image:
-        """优化后的哈希对抗方法，专注于裁剪缩放和DCT噪声"""
-        logger.info(f"--- 开始优化抗哈希方法 (强度: {strength}) - 新策略 ---")
-        original_image_for_logging = image.copy()
-
-        # --- 参数定义 ---
-        if strength == "low":
-            phash_intensity = 0.06       # 轻微DCT噪声
-            color_hist_strength = 0.02   # 轻微颜色扰动
-            apply_crop_resize = True     # 应用裁剪缩放
-        elif strength == "high":
-            phash_intensity = 0.20       # 较强DCT噪声
-            color_hist_strength = 0.06   # 较强颜色扰动
-            apply_crop_resize = True     # 应用裁剪缩放
-        else:  # medium
-            phash_intensity = 0.12       # 中等DCT噪声
-            color_hist_strength = 0.04   # 中等颜色扰动
-            apply_crop_resize = True     # 应用裁剪缩放
-        
-        logger.debug(f"参数: pHash强度={phash_intensity:.2f}, 颜色强度={color_hist_strength:.2f}, 应用裁剪缩放={apply_crop_resize}")
-
-        processed_image = image # 从原图开始
-
-        # 1. 智能裁剪 + 重缩放 (策略C) - 作为第一步，改变像素基准
-        if apply_crop_resize:
-            processed_image = self.apply_smart_crop_resize(processed_image, strength)
-            # 内部已有日志
-
-        # 2. 强化的pHash对抗方法 (策略A)
-        logger.debug(f"应用 pHash 对抗 (强化DCT噪声), 强度={phash_intensity:.2f}")
-        processed_image = self.add_phash_noise(processed_image, intensity=phash_intensity)
-        # 内部已有日志
-
-        # 3. 保留轻微的颜色直方图扰动 (可选，影响相对小)
-        if color_hist_strength > 0:
-            logger.debug(f"应用颜色直方图扰动, 强度={color_hist_strength:.3f}")
-            processed_image = self.perturb_color_histogram(processed_image, strength=color_hist_strength)
-            # 内部已有日志
-
-        # --- 移除了之前的 aHash块, dHash线, 区域变换, 高斯噪声等 ---
-        logger.debug("移除了 aHash块, dHash线, 区域变换, 高斯噪声等局部微扰方法。")
-
-        # 对比修改前后
-        try:
-            diff = ImageChops.difference(original_image_for_logging, processed_image).getbbox()
-            if diff:
-                logger.info(f"图像已修改。差异区域: {diff}")
-            else:
-                logger.warning("！！！优化方法似乎未修改图像！！！")
-        except ValueError: # 如果图像模式不同(例如灰度vs彩色)，会引发ValueError
-             logger.warning("无法比较图像差异：模式可能不同。")
-        except Exception as log_e:
-            logger.warning(f"无法比较图像差异: {log_e}")
-        
-        logger.info(f"--- 完成优化抗哈希方法 (强度: {strength}) - 新策略 ---")
-        return processed_image
-
     def perturb_color_histogram(self, image: Image.Image, strength: float = 0.03) -> Image.Image:
         """
         扰动图像的颜色直方图，对抗基于颜色统计的图像匹配
@@ -668,6 +611,121 @@ class PosterNotesCreator:
             logger.error(f"移除元数据时出错: {e}")
             return image # 出错时返回原图
 
+    def apply_overlay_noise(self, image: Image.Image, alpha: int = 10, noise_type: str = 'uniform') -> Image.Image:
+        """
+        在图像上叠加一个低透明度的噪声图层
+
+        Args:
+            image: 输入图像
+            alpha: 叠加噪声图层的 Alpha 值 (0-255)
+            noise_type: 'gaussian' 或 'uniform'
+
+        Returns:
+            叠加噪声后的图像
+        """
+        try:
+            logger.debug(f"应用低透明度噪声叠加: alpha={alpha}, type={noise_type}")
+            # 确保图像是 RGBA 模式以处理透明度
+            if image.mode != 'RGBA':
+                base_image = image.convert('RGBA') 
+            else:
+                base_image = image.copy() # 操作副本
+
+            width, height = base_image.size
+            
+            # 创建噪声图层 (灰度噪声即可)
+            if noise_type == 'gaussian':
+                # 生成范围在 0-255 的高斯噪声，均值128
+                noise_array = np.random.normal(loc=128, scale=40, size=(height, width)).clip(0, 255).astype(np.uint8)
+            else: # uniform
+                noise_array = np.random.randint(0, 256, size=(height, width), dtype=np.uint8)
+            
+            noise_image = Image.fromarray(noise_array, mode='L')
+            
+            # 将噪声灰度图转换为 RGBA，并设置 alpha 通道
+            noise_rgba = noise_image.convert('RGBA')
+            # 创建一个全为指定 alpha 值的通道
+            alpha_channel = Image.new('L', noise_image.size, alpha) 
+            noise_rgba.putalpha(alpha_channel)
+
+            # 使用 alpha_composite 进行混合叠加
+            # alpha_composite 要求两个输入都是 RGBA
+            combined_image = Image.alpha_composite(base_image, noise_rgba)
+            
+            # 通常我们希望最终结果是 RGB，所以转换回去
+            # 如果原图就是 RGBA 且需要保留透明度，则省略此步
+            final_image = combined_image.convert('RGB') 
+
+            logger.debug("低透明度噪声叠加应用成功。")
+            return final_image
+
+        except Exception as e:
+            logger.error(f"应用叠加噪声时出错: {e}")
+            logger.error(traceback.format_exc()) # 打印详细错误
+            return image # 出错时返回原图
+
+    def optimize_anti_hash_methods(self, image: Image.Image, strength: str = "medium") -> Image.Image:
+        """优化后的哈希对抗方法，策略: 裁剪缩放 + DCT噪声 + 叠加噪声"""
+        logger.info(f"--- 开始优化抗哈希方法 (强度: {strength}) - 叠加噪声策略 ---")
+        original_image_for_logging = image.copy()
+
+        # --- 参数定义 --- 
+        if strength == "low":
+            phash_intensity = 0.06       # 轻微DCT噪声
+            color_hist_strength = 0.02   # 轻微颜色扰动
+            apply_crop_resize = True     # 应用裁剪缩放
+            noise_alpha = random.randint(5, 8) # 低透明度噪声
+        elif strength == "high":
+            phash_intensity = 0.20       # 较强DCT噪声
+            color_hist_strength = 0.06   # 较强颜色扰动
+            apply_crop_resize = True     # 应用裁剪缩放
+            noise_alpha = random.randint(12, 18) # 较高透明度噪声
+        else:  # medium
+            phash_intensity = 0.12       # 中等DCT噪声
+            color_hist_strength = 0.04   # 中等颜色扰动
+            apply_crop_resize = True     # 应用裁剪缩放
+            noise_alpha = random.randint(8, 12) # 中等透明度噪声
+           
+        logger.debug(f"参数: pHash强度={phash_intensity:.2f}, 颜色强度={color_hist_strength:.2f}, 应用裁剪缩放={apply_crop_resize}, 噪声Alpha={noise_alpha}")
+
+        processed_image = image # 从原图开始
+
+        # 1. 智能裁剪 + 重缩放 (策略C)
+        if apply_crop_resize:
+            processed_image = self.apply_smart_crop_resize(processed_image, strength)
+
+        # 2. 强化的pHash对抗方法 (策略A)
+        logger.debug(f"应用 pHash 对抗 (强化DCT噪声), 强度={phash_intensity:.2f}")
+        processed_image = self.add_phash_noise(processed_image, intensity=phash_intensity) 
+
+        # 3. 保留轻微的颜色直方图扰动 
+        if color_hist_strength > 0:
+            logger.debug(f"应用颜色直方图扰动, 强度={color_hist_strength:.3f}")
+            processed_image = self.perturb_color_histogram(processed_image, strength=color_hist_strength)
+
+        # 4. 应用低透明度噪声叠加 (新策略核心)
+        if noise_alpha > 0:
+            processed_image = self.apply_overlay_noise(processed_image, alpha=noise_alpha, noise_type='uniform') # 先用 uniform 试试
+            # 内部已有日志
+
+        # --- 移除之前的 aHash块, dHash线, 区域变换, 高斯噪声等 --- 
+        logger.debug("已移除 aHash/dHash特定对抗、区域变换、高斯噪声等。")
+
+        # 对比修改前后 
+        try:
+            diff = ImageChops.difference(original_image_for_logging.convert('RGB'), processed_image.convert('RGB')).getbbox() # 确保模式一致
+            if diff:
+                logger.info(f"图像已修改。差异区域: {diff}")
+            else:
+                logger.warning("！！！优化方法似乎未修改图像！！！")
+        except ValueError: 
+             logger.warning("无法比较图像差异：模式可能不同或错误。")
+        except Exception as log_e:
+            logger.warning(f"无法比较图像差异: {log_e}")
+        
+        logger.info(f"--- 完成优化抗哈希方法 (强度: {strength}) - 叠加噪声策略 ---")
+        return processed_image
+
     def optimized_process_image(
         self, 
         image: Image.Image,