下面是一个完全虚构的例子。
所以让我们说在左边我们有一个奇怪的黑白图像，或者换句话说，一个由 0 和 1 组成的矩阵。然后我们将特定的算法应用于给定的矩阵。结果显示在右侧 - 它仍然由一个非常奇怪的图像表示，但这次我们的结果可以在视觉上区分一个圆圈。
这个想法是圆圈（或任何其他简单的图形）一直计划出现在那里。然而，同样的数字在视觉上并不明显，一开始就在那里。
我怎样才能真实地重现类似的结果？也许有些人看到了指志同道合的想法的来源？本质上，我需要一个简单的模型，它依赖于无法（容易）在视觉上区分的底层模式。
我知道，视觉密码学几乎等同于拥有多个层，当正确组合时，它们会显示结果。即使在隐藏信息方面不安全，我也希望使用单层。我正在考虑可能用于重新计算矩阵的每个元素的函数和微妙的算法（例如元胞自动机），但到目前为止还没有运气。
我建议看看数字水印。这是一种将信息嵌入数据的方式，使其与噪声无法区分。您可以随后提取此信息。它用于对内容进行版权保护，您可以在其中创建带有水印的内容副本，然后追踪泄密者。
这并没有解决任何可以完成这种性质的特定算法，但就工具而言，我会使用 Python。请参阅此 Numpy/Scipy文档，了解如何使用 Python 处理图像。
在几行代码中，您可以将图像加载到 numpy 数据结构中，然后可以对它们进行数学运算并再次绘制为图像。我已经将这种技术用于各种任务，但从未使用过您拥有的特定任务。
我想如果你开始玩这个，那么你可以想出某种算法（可能是 numpy 数组上的基本线性代数运算）来实现你正在寻找的这个结果。
我不确定你是否知道Emerging Images的工作。它具有您想要的一些特征，尽管它似乎并不能完全回答您的问题。
让我们看看，如果你喜欢这个例子。您可以拍摄一张随机的黑白图像（我拍摄了一个随机文本）并通过添加高斯噪声对其进行噪声处理。这导致以下图像：
您现在几乎无法检测到图片中的任何结构。我现在应用了 2D-HMM 解码来尝试重建原始图像：
这就是你想看的吗？