基于AES-CBC与位平面分解的图像加密：原理、Matlab实现与工程实践

1. 项目概述：当图像安全遇上工业级密码

最近在做一个涉及敏感图像数据（比如医疗影像、设计图纸）安全传输的项目，客户的核心诉求就两点：一是加密强度必须够硬，能扛得住常见的分析攻击；二是加解密过程不能太“伤”图像，毕竟后续还要做识别或分析。市面上很多针对图像的“轻量级”加密算法，比如简单的像素置乱或者基于混沌的加密，在安全性上总让人心里没底，面对已知明文攻击或者统计攻击时比较脆弱。这时候，很自然地就想到了把成熟的流密码或分组密码“嫁接”到图像处理上。AES（高级加密标准）作为全球公认的、经过严格验证的分组密码算法，无疑是首选。但直接对整张图像的像素值矩阵进行AES的ECB模式加密，会带来两个问题：一是图像数据量通常很大，直接加密效率可能成为瓶颈；二是ECB模式固有的缺陷——相同的明文块会产生相同的密文块，这会导致加密后的图像在纹理区域可能保留原始图像的轮廓信息，安全性大打折扣。

于是，“基于AES算法的图像位平面加密”这个思路就浮出水面了。它巧妙地将图像处理中的“位平面分解”技术与密码学中的“AES算法”结合了起来。简单来说，就是把一张灰度图像的每一个像素（假设是8位）看成8个独立的位平面（从最高有效位MSB到最低有效位LSB），然后选取其中对视觉贡献最关键的几个位平面（通常是高位的4个），用AES的CBC（密码分组链接）模式进行加密。低位平面由于包含的主要是噪声和细节，对整体视觉效果影响小，可以选择保留或不加密，这样能在安全性和计算效率之间取得一个很好的平衡。加密后的位平面重组回去，就得到了一张视觉上杂乱、但数据上被严密保护的加密图像。接收方用相同的密钥和初始向量进行AES解密，再重组位平面，就能无损恢复原图。这个方法不仅继承了AES的高强度安全性，还通过操作位平面，天然地适应了图像数据的特性，避免了ECB模式的问题，同时加密对象从百万像素点变为几个位平面矩阵，计算量也相对可控。无论是需要对遥感图像、证件照片进行安全存储，还是在物联网设备间传输监控视频的关键帧，这个方案都提供了一个可靠且实用的技术路径。

2. 核心原理与方案设计思路拆解

2.1 为什么是位平面？——从图像表示到安全分割

要理解这个方案，首先得弄清楚图像在计算机里是怎么存的。对于一张8位灰度图，每个像素点的亮度由一个0到255的整数表示，这个整数对应一个8位的二进制数。例如，灰度值150用二进制表示是10010110。如果我们把整张图像所有像素的二进制表示的第7位（最高位，2^7）全部抽出来，组成一个二值矩阵（0或1），这个矩阵就称为第7个位平面（MSB平面）。同理，可以抽出第6位、第5位……直到第0位（LSB平面），共8个位平面。

这8个平面承载的信息权重是天差地别的。高位平面（如第7、6、5位）包含了图像大致的轮廓和结构信息，改变它们会彻底破坏图像的视觉内容。低位平面（如第2、1、0位）则主要包含图像的细节纹理和噪声，改变它们对人眼感知影响很小，有时甚至察觉不到。下图直观展示了各个位平面的重要性：

基于这个特性，我们的加密策略就清晰了：只加密那些对视觉内容至关重要的高位平面。例如，加密第7、6、5、4这四个平面，而保留第3、2、1、0这四个平面不变。这样做的好处显而易见：

1. 安全性聚焦：攻击者即使获得了低位的未加密数据，也无法重构出有意义的图像内容，因为核心信息在高位加密平面里。
2. 效率提升：需要加密的数据量减少为原来的1/2（加密4个平面），甚至更少，大大提升了加解密速度，尤其对高分辨率图像。
3. 格式兼容：输出仍然是标准格式（如uint8）的图像文件，便于存储和传输。

注意：选择加密哪些平面是一个可调参数。加密的平面越多越安全，但计算量也越大。通常加密MSB及其后3个平面是一个较好的折中点。

2.2 为什么是AES-CBC？——对抗模式的选择

确定了加密对象（位平面），接下来要确定加密方式。直接使用AES的ECB模式是绝对不推荐的，原因前面提到过：它缺乏扩散性。在位平面场景下，一个位平面本身就是一个二值矩阵（0和1），如果使用ECB，那么图像中大面积连续的黑色（0）或白色（1）区域，在加密后对应的密文区域也会呈现某种规律性，这为统计分析攻击留下了空间。

因此，我们必须选用带有反馈机制的加密模式，CBC（密码分组链接）模式是最常见且可靠的选择。它的工作原理是，每个明文块在加密前，先与前一个密文块进行异或操作（第一个块与一个随机生成的初始向量IV异或）。这样，即使两个明文块完全相同，加密后的密文块也会因为“链式”依赖关系而完全不同，完美地消除了ECB的模式缺陷。

对于图像位平面加密，CBC模式的优势被进一步放大：

• 雪崩效应：图像中一个像素点的改变（在位平面上可能只是一个比特），由于CBC的链式反应，会导致其后所有像素点的加密结果都发生变化，增强了算法的扩散性。
• 语义安全：相同的图像，使用不同的初始向量IV，会产生完全不同的、看起来像随机噪声的加密图像，这符合现代密码学对语义安全的要求。

在我们的方案中，每一个需要加密的位平面矩阵，都会被单独用AES-CBC模式加密。加密时，需要统一的密钥（Key）和每个平面独立的初始向量（IV）。IV不需要保密，但必须不可预测，通常随机生成并与密文一起传输。

2.3 整体工作流程设计

结合以上两点，整个算法的流程图可以用以下步骤描述：

1. 输入：原始灰度图像I_original，加密密钥Key，初始向量IV（可为每个位平面生成不同的IV）。
2. 位平面分解：将I_original的每个像素值转换为8位二进制，分离出8个二值位平面矩阵BP1, BP2, ..., BP8(BP1为MSB)。
3. 平面选择：确定需要加密的位平面索引，例如encrypt_planes = [1,2,3,4](对应高4位)。
4. AES-CBC加密：
   • 对于encrypt_planes中的每一个位平面矩阵BP_i，将其视为一个由0和1组成的“二值图像”。
   • 由于AES处理的是字节（8位）数据，我们需要将BP_i矩阵按行展开成一维字节流。这里注意，BP_i的元素是0或1，需要将其打包成字节（例如，每8个比特组成一个字节）。
   • 对打包后的字节流应用AES-CBC加密（使用统一的Key和为该平面生成的IV_i），得到加密后的字节流。
   • 将加密后的字节流解包，重新整形为与BP_i相同尺寸的二值矩阵，作为加密后的位平面BP_i_encrypted。
5. 位平面重组：将加密后的位平面BP_i_encrypted和未加密的位平面按原顺序重新组合。对于每个像素位置，根据各个位平面的值（0或1）计算新的像素值。
6. 输出：生成加密图像I_encrypted。
7. 解密过程：是上述过程的逆过程。输入加密图像I_encrypted、密钥Key和初始向量IV_i，经过位平面分解后，对加密的位平面进行AES-CBC解密，然后重组得到原始图像I_decrypted。

3. 关键步骤的Matlab实现与细节剖析

下面，我们抛开理论，直接上代码，看看在Matlab里如何一步步实现这个方案。我会重点讲解几个容易踩坑的关键环节。

3.1 位平面分解与重组：比特操作的技巧

位平面分解的核心是比特级的操作。Matlab提供了bitget和bitset函数，非常方便。

function bitPlanes = decomposeBitPlanes(grayImage) % grayImage: uint8类型的灰度图像矩阵 [height, width] = size(grayImage); bitPlanes = zeros(height, width, 8, 'uint8'); % 预分配内存，8个平面 for bit = 1:8 % bitget(A, bit) 获取A的第bit位（从最低位1开始） % 但我们通常关注从MSB(第8位)到LSB(第1位) % 所以用 9-bit 来获取从高到低的平面 currentBit = 9 - bit; bitPlanes(:, :, bit) = bitget(grayImage, currentBit); end end

这里有个细节：bitget的参数bit表示从最低位（LSB）开始数的位置（1-based）。所以图像的MSB对应的是第8位。为了让我们得到的bitPlanes(:,:,1)是MSB平面，我们用了9-bit这个小技巧。

重组位平面时，就是反向操作：

function reconstructedImage = reconstructImage(bitPlanes) % bitPlanes: 8个位平面组成的 height x width x 8 矩阵，元素为0或1（uint8） [height, width, ~] = size(bitPlanes); reconstructedImage = zeros(height, width, 'uint8'); for bit = 1:8 currentBit = 9 - bit; % 同样处理比特位置 % 只将值为1的位设置到对应位置 mask = (bitPlanes(:, :, bit) == 1); reconstructedImage(mask) = bitset(reconstructedImage(mask), currentBit); end end

实操心得：bitset函数会直接设置指定位为1。在重组时，我们初始图像是全0，然后遍历每个平面，只把该平面上值为1的像素点在结果图像的对应比特位上置1。这种方法比用循环对每个像素进行二进制累加要高效清晰得多。

3.2 数据预处理：从二值矩阵到AES可处理的字节流

这是整个实现中最容易出错的一步。AES加密算法（以Matlab的aes函数或自定义实现为例）通常要求输入是uint8类型的字节向量。我们的一个位平面是一个由0和1组成的二维矩阵。

错误的做法：直接把这个0/1矩阵reshape成一维向量送去加密。因为0和1本身是uint8，但AES会把它当作数值0和1的字节来处理，加密后会产生非0/1的值，重组时就会出错。

正确的做法：需要将多个比特“打包”成一个字节。例如，每8个比特组成一个字节。假设位平面矩阵大小为M x N，我们可以按行扫描，将每8个比特组合。

function byteStream = bitPlaneToBytes(bitPlane) % bitPlane: 二值矩阵 (0或1), 类型最好为 uint8 或 logical % 输出: uint8 类型的字节流向量 [height, width] = size(bitPlane); totalBits = height * width; % 确保总比特数是8的倍数，如果不是，在末尾补0 paddedBits = totalBits; if mod(totalBits, 8) ~= 0 paddedBits = totalBits + (8 - mod(totalBits, 8)); end % 将位平面矩阵展开成行向量 bitVector = reshape(bitPlane', 1, []); % 注意转置，按行展开 if length(bitVector) < paddedBits bitVector = [bitVector, zeros(1, paddedBits - length(bitVector), 'uint8')]; end % 每8比特打包成一个字节 numBytes = paddedBits / 8; byteStream = zeros(1, numBytes, 'uint8'); for i = 1:numBytes startIdx = (i-1)*8 + 1; endIdx = i*8; byteBits = bitVector(startIdx:endIdx); % 将8个比特转换为一个字节，MSB在前 byteVal = 0; for b = 1:8 byteVal = byteVal + byteBits(b) * 2^(8-b); end byteStream(i) = byteVal; end end

对应的，解密后需要将字节流“解包”回二值矩阵：

function bitPlane = bytesToBitPlane(byteStream, originalHeight, originalWidth) % byteStream: 解密后得到的uint8字节流 % originalHeight, originalWidth: 原位平面矩阵的尺寸 % 输出: 恢复的二值位平面矩阵 totalBitsExpected = originalHeight * originalWidth; bitVector = zeros(1, totalBitsExpected, 'uint8'); bitIdx = 1; for i = 1:length(byteStream) byteVal = byteStream(i); % 将一个字节拆解为8个比特，MSB在前 for b = 8:-1:1 bit = bitget(byteVal, b); if bitIdx <= totalBitsExpected bitVector(bitIdx) = bit; bitIdx = bitIdx + 1; else break; % 比特数已够，丢弃可能因补位产生的多余比特 end end end % 将比特向量重塑为原矩阵形状 bitPlane = reshape(bitVector, originalWidth, originalHeight)'; end

踩坑记录：这里有两个关键点。一是字节序（MSB/LSB），打包和解包必须一致，上述代码采用MSB在前的顺序。二是数据对齐，位平面的总像素数（比特数）可能不是8的倍数，必须在打包时补足，解包时丢弃补位数据。否则，加密解密后的数据长度对不上，reshape操作会报错。

3.3 AES-CBC加密的核心实现

Matlab自身没有内置的AES函数，但我们可以利用其强大的数值计算能力自己实现，或者使用可靠的第三方工具箱。这里为了概念清晰，我使用一个简化版的AES-ECB核心函数aes_encrypt_block（假设已实现）来构建CBC模式。在实际项目中，强烈建议使用像Crypto++库的Matlab接口或经过验证的第三方mex函数。

function ciphertext = aes_cbc_encrypt(plaintext, key, iv) % plaintext: uint8行向量，长度需为16的倍数（AES块大小） % key: 加密密钥，对于AES-128是16字节，AES-256是32字节 % iv: 16字节的初始向量 % ciphertext: 加密后的uint8行向量 blockSize = 16; % AES块大小（字节） numBlocks = length(plaintext) / blockSize; ciphertext = zeros(1, length(plaintext), 'uint8'); previousBlock = iv; % 第一个块的前一个块是IV for i = 1:numBlocks startIdx = (i-1)*blockSize + 1; endIdx = i*blockSize; currentPlainBlock = plaintext(startIdx:endIdx); % CBC模式：明文块与前一个密文块（或IV）异或 blockToEncrypt = bitxor(currentPlainBlock, previousBlock); % 进行AES加密（ECB模式核心） encryptedBlock = aes_encrypt_block(blockToEncrypt, key); ciphertext(startIdx:endIdx) = encryptedBlock; previousBlock = encryptedBlock; % 更新“前一个密文块” end end

解密过程是加密的逆过程：

function plaintext = aes_cbc_decrypt(ciphertext, key, iv) blockSize = 16; numBlocks = length(ciphertext) / blockSize; plaintext = zeros(1, length(ciphertext), 'uint8'); previousCipherBlock = iv; for i = 1:numBlocks startIdx = (i-1)*blockSize + 1; endIdx = i*blockSize; currentCipherBlock = ciphertext(startIdx:endIdx); % 先解密当前密文块 decryptedBlock = aes_decrypt_block(currentCipherBlock, key); % 再与前一个密文块异或得到明文块 currentPlainBlock = bitxor(decryptedBlock, previousCipherBlock); plaintext(startIdx:endIdx) = currentPlainBlock; previousCipherBlock = currentCipherBlock; % 注意，这里更新的是“前一个密文块”，不是解密后的块 end end

核心要点：CBC模式加解密的核心在于这个“链”。加密时，当前明文块与前一个密文块异或；解密时，当前密文块解密后，再与前一个密文块异或。很多自己实现CBC时容易把解密时的异或对象弄错，切记解密时是和“前一个接收到的密文块”异或，而不是“前一个解密后的明文块”。

3.4 主流程集成与调用示例

将以上所有模块组合起来，主函数可能如下所示：

function [encryptedImg, decryptedImg] = imageAESBitPlaneEncryption(originalImg, key, iv, planesToEncrypt) % originalImg: uint8灰度图像矩阵 % key: 字符串或uint8数组形式的密钥 % iv: 16字节的初始向量 (uint8) % planesToEncrypt: 需要加密的位平面索引，如 [8,7,6,5] (对应MSB到第5位) % 1. 位平面分解 bitPlanes = decomposeBitPlanes(originalImg); [h, w, ~] = size(bitPlanes); % 2. 对指定平面进行加密 encryptedBitPlanes = bitPlanes; % 复制一份 for p = planesToEncrypt fprintf('加密位平面 %d...\n', p); % 提取位平面 bp = bitPlanes(:,:,p); % 转换为字节流 byteStream = bitPlaneToBytes(bp); % 确保字节流长度是16的倍数（AES块大小） if mod(length(byteStream), 16) ~= 0 padding = 16 - mod(length(byteStream), 16); byteStream = [byteStream, zeros(1, padding, 'uint8')]; end % AES-CBC加密 cipherStream = aes_cbc_encrypt(byteStream, key, iv); % 将密文字节流解包回位平面矩阵 bp_encrypted = bytesToBitPlane(cipherStream, h, w); encryptedBitPlanes(:,:,p) = bp_encrypted; end % 3. 重组加密图像 encryptedImg = reconstructImage(encryptedBitPlanes); % 4. 解密过程（验证） decryptedBitPlanes = encryptedBitPlanes; for p = planesToEncrypt fprintf('解密的位平面 %d...\n', p); bp_enc = encryptedBitPlanes(:,:,p); byteStream_enc = bitPlaneToBytes(bp_enc); if mod(length(byteStream_enc), 16) ~= 0 padding = 16 - mod(length(byteStream_enc), 16); byteStream_enc = [byteStream_enc, zeros(1, padding, 'uint8')]; end % AES-CBC解密 plainStream = aes_cbc_decrypt(byteStream_enc, key, iv); bp_decrypted = bytesToBitPlane(plainStream, h, w); decryptedBitPlanes(:,:,p) = bp_decrypted; end % 5. 重组解密图像 decryptedImg = reconstructImage(decryptedBitPlanes); end

调用示例：

% 读取图像 img = imread('lena_gray.jpg'); if size(img,3)==3 img = rgb2gray(img); end img = im2uint8(img); % 确保是uint8 % 生成密钥和IV（示例，实际应用应使用密码学安全的随机数生成器） key = uint8(randi([0,255], 1, 16)); % AES-128密钥 iv = uint8(randi([0,255], 1, 16)); % 初始向量 % 指定加密高4位平面（MSB是第8位） planesToEncrypt = [8,7,6,5]; % 执行加密解密 [encImg, decImg] = imageAESBitPlaneEncryption(img, key, iv, planesToEncrypt); % 显示结果 figure; subplot(1,3,1); imshow(img); title('原始图像'); subplot(1,3,2); imshow(encImg); title('加密图像（高4位平面加密）'); subplot(1,3,3); imshow(decImg); title('解密图像');

4. 性能、安全分析与优化策略

4.1 加密效果与视觉安全性评估

运行上述代码后，你会看到加密图像变成类似随机噪声的样子，完全看不出原图内容。但如果我们只加密部分低位平面呢？我们来做个对比实验：

结论：至少需要加密包含MSB在内的3到4个高位平面，才能达到视觉上安全的加密效果。从计算效率考虑，加密高4位平面是最常用的策略。

4.2 计算效率与优化建议

加密效率主要取决于两个因素：需要加密的位平面数量，以及图像的分辨率。AES-CBC加密本身是计算密集型操作。

• 复杂度：假设图像大小为MxN，加密k个位平面。则需加密的数据量约为(M*N*k)/8字节。对于一张1024x1024的图像，加密高4位平面，需要加密的数据量是(1024*1024*4)/8 = 524,288字节，即512KB。这个数据量对于现代计算机的AES-NI指令集来说可以很快完成，但在资源受限的嵌入式设备上可能需要优化。
• Matlab优化建议：
  1. 向量化操作：bitget和bitset本身支持矩阵运算，应避免对每个像素使用循环。上述分解和重组函数已是向量化实现。
  2. 内存预分配：像bitPlanes = zeros(...)这样的预分配能显著提升循环和数组操作性能。
  3. 使用MEX函数：如果对速度要求极高，可以将核心的AES加密/解密、比特打包/解包函数用C/C++实现，并编译为Matlab可调用的MEX文件。这是提升Matlab数值计算密集型任务性能的终极手段。
  4. 并行计算：各个位平面的加密是相互独立的，理论上可以使用parfor循环进行并行处理，尤其当图像很大或加密平面较多时。

4.3 增强安全性的进阶考量

基础方案已经提供了不错的安全性，但在对抗更专业的攻击时，可以考虑以下增强措施：

1. 动态平面选择：不固定加密哪几个平面，而是根据图像内容或一个由密钥衍生的序列动态决定。例如，对每个8x8的图像块，随机选择加密其中3个位平面。这增加了攻击的难度。
2. 结合置乱技术：在AES加密位平面之前，先对位平面矩阵进行一种可逆的置乱（如Arnold变换、基于混沌的置乱）。这样即使AES密钥被攻破（理论上极难），攻击者得到的也是置乱后的位平面，需要额外破解置乱算法才能恢复图像。
3. 使用更安全的AES模式：虽然CBC已比ECB安全很多，但它不能提供认证功能，且对填充错误敏感。可以考虑使用AES-GCM模式，它同时提供加密和认证（完整性校验），但实现复杂度更高。
4. 密钥管理：本方案的核心安全依赖于AES密钥Key和初始向量IV。IV必须每次加密都随机生成且唯一，通常与密文一起存储或传输。密钥Key则需要通过安全的密钥交换协议（如ECDH）生成和分发，绝不能硬编码在代码中。

5. 常见问题与调试技巧实录

在实际编码和测试中，你几乎一定会遇到下面这些问题。这里是我的排查笔记。

5.1 问题一：解密后的图像出现局部错乱或条纹

• 现象：解密图像大部分正确，但某些区域出现规则或不规则的色块、条纹。
• 可能原因：
  1. IV不匹配：加密和解密时使用的初始向量IV必须完全相同。哪怕一个比特的差异，也会导致第一个数据块解密错误，并且由于CBC的链式效应，错误会向后传播。
  2. 数据对齐错误：在bitPlaneToBytes和bytesToBitPlane函数中，补位和解包逻辑有bug。例如，补位时补了0，但解包时没有正确丢弃补位数据，导致比特流长度或内容错位。
  3. 字节序不一致：打包时MSB在前，解包时却按LSB在前处理，导致每个字节内的比特顺序全部反转。
• 排查步骤：
  1. 首先检查IV的生成、保存和传递过程，确保加解密两端完全一致。
  2. 对一个小图像（比如8x8）进行测试，打印出加密前和解密后的位平面矩阵，进行逐比特比对。很容易发现是哪个平面、哪个位置出了问题。
  3. 在bitPlaneToBytes函数末尾，打印byteStream的长度和头几个字节的值；在bytesToBitPlane函数开头，也打印输入byteStream的长度和值。对比是否一致。
  4. 单独测试比特打包/解包函数，用一个已知的0/1矩阵来回转换，看是否能无损还原。

5.2 问题二：加密或解密过程非常慢

• 现象：处理一张稍大的图片（如2000x2000）需要数十秒甚至分钟级。
• 可能原因：
  1. 使用了低效的循环：在Matlab中，尤其是对图像这种大矩阵，嵌套的for循环性能极差。检查代码中是否在对每个像素进行bitget或bitset操作。
  2. AES实现效率低：如果使用的是纯Matlab实现的AES（网上很多教学代码），其性能远低于原生机器指令或优化库。对于aes_encrypt_block这种函数，一次只加密16字节，在循环中调用百万次，开销巨大。
  3. 内存拷贝过多：频繁的矩阵reshape、数组拼接 ([a, b]) 会产生临时变量，消耗时间和内存。
• 优化建议：
  1. 确保位平面分解/重组使用了Matlab的向量化函数。
  2. 考虑只加密必要的位平面。对于预览或快速测试，可以只加密MSB平面看看效果。
  3. 最关键的一步：寻找或编译高性能的AES MEX函数。这是提升速度最有效的途径。可以搜索基于OpenSSL或Crypto++库的Matlab封装。
  4. 如果必须使用Matlab代码实现AES，尝试将整个位平面打包后的字节流一次性送入一个优化过的、支持CBC模式的AES函数，而不是在循环中逐块调用核心加密函数。

5.3 问题三：加密后的图像无法用普通看图软件打开

• 现象：imwrite保存的加密图像文件，在某些软件中显示为“损坏”或全黑。
• 可能原因：
  1. 像素值越界：AES加密输出是随机的字节流，解包成位平面（0/1）并重组后，像素值虽然仍在0-255范围内，但其分布可能极其不均匀，导致图像直方图异常。某些简单的看图软件可能对图像统计特性有预设判断。
  2. 文件格式与数据不匹配：保存为JPG等有损格式时，压缩算法会试图“优化”这些看似噪声的数据，可能导致解密失败。绝对不要将有加密数据的图像保存为JPG！
• 解决方案：
  1. 始终将加密图像保存为无损格式，如PNG或BMP。imwrite(encImg, 'encrypted.png');
  2. 在Matlab中用imshow显示正常即可，这说明数据本身是有效的图像矩阵。第三方软件兼容性问题有时可以忽略，只要解密端能用Matlab正确读取即可。
  3. 如果必须在其他平台使用，确保使用同样的无损格式，并验证读取后的矩阵数据与Matlab保存前是否完全一致（isequal）。

5.4 问题四：选择加密部分平面后，解密图像仍有轻微失真

• 现象：加密了高4位平面，解密后图像肉眼几乎无法分辨，但用imshowpair做差值图，或计算PSNR时，发现并非完全一致。
• 可能原因：
  1. 未加密的低位平面包含信息：虽然低位平面主要是噪声，但它们仍然携带了原图信息。加密高位平面后，低位平面的信息保留了下来，所以解密图像是“高位平面恢复原状 + 低位平面保持原状”的组合。如果原图低位平面有信息（特别是在平滑区域，低位可能不是纯随机），那么解密图就不是100%原图。
  2. 这是预期行为：本方案的设计目的就是选择性加密。如果你需要完全无损恢复，就必须加密所有8个位平面。
• 如何验证：

  % 计算原始图像与解密图像的差异 diff = double(originalImg) - double(decryptedImg); figure; imshow(diff, []); colorbar; title('差值图像（放大显示）'); % 计算PSNR psnrValue = psnr(decryptedImg, originalImg); fprintf('解密图像与原始图像的PSNR: %.2f dB\n', psnrValue);

  如果只加密了高位平面，PSNR值可能不是无穷大（表示完全一致），而是一个有限值，比如30dB以上，说明视觉上差异极小但数值上存在差异。如果加密了所有平面，PSNR应为无穷大。

这个基于AES和位平面的图像加密方案，把密码学的严谨性和图像处理的特性结合得相当巧妙。它可能不是速度最快的，也不是最炫酷的，但在需要平衡安全、效率和实用性的场景下，提供了一个非常扎实的工程实现路径。我个人的体会是，密码学应用里，细节决定成败，一个IV的传递错误、一个比特的顺序搞反，都足以让整个系统失效。所以，在实现过程中，分模块测试、小数据验证、边界条件检查，这些看似繁琐的步骤，才是最终能跑通整个流程的保障。