在几个比赛中以及网上汇总了几个隐写题目，都是关于图片的，所以为了以后的比赛可以写出一些脚本来备用，弥补stegsolve等隐写工具的不足。
第一个题目
题目是如图所示一个图片
一堆杂色，隐隐约约好像有字，看了看元数据里没啥东西，binwalk也没隐藏啥东西，改了改高度也没隐藏的信息，用Stegsolve看了看预设的几个通道，也没啥东西，估计就是在像素的低位藏了东西了吧，下面科普一下png的知识
png支持RGBA四个通道，每个通道占8个二进制位，隐写文件或数据一般都在各个通道的低位，因为低位的变化不会引起较大的视觉变化，图片还是原来的图片，但是你不知道是在哪个通道，这里有4个通道，如果藏在一个通道的低位的话，有四种可能，如果藏在两个通道的低位的话，可能进行各种运算操作后出现新的图片，加减乘除与或异或，具体的运算符也没几个，这样的话全部列举出来也不费多长时间，用python写个脚本留着以后用就好了
importcv2
importnumpy as np
importos
deflowbit(x):
returnx&0x1
png= cv2.imread("flag_enc.png" , cv2.IMREAD_UNCHANGED)
os.system("mkdirtemp")
os.system("cdtemp")
fori in range(0,4):
forf in range(0,4):
dst= cv2.bitwise_xor(lowbit(png[: ,: ,i]),lowbit(png[: ,:, f]))
cv2.imwrite("temp/"+"xor_"+str(i)+"_"+str(f)+".png",dst*255)
fori in range(0,4):
forf in range(0,4):
dst= cv2.bitwise_or(lowbit(png[: ,: ,i]),lowbit(png[: ,:, f]))
cv2.imwrite("temp/"+"or_"+str(i)+"_"+str(f)+".png",dst*255)
fori in range(0,4):
forf in range(0,4):
dst= cv2.bitwise_and(lowbit(png[: ,: ,i]),lowbit(png[: ,:, f]))
cv2.imwrite("temp/"+"and_"+str(i)+"_"+str(f)+".png",dst*255)
Stegsolve的combine功能太麻烦了，还要提取通道再运算，况且你也不知道是哪两个通道进行运算，所以我们用opencv直接提取出所有通道，暴力把所有通道的所有运算结果都生成图片，一眼就看出来了哪个有flag
第二个题目
忘了哪的题了，最后有一堆坐标，坐标，RGB之类的无非就是图片，看看最大的坐标都没超过300的，就用opencv创建画布，写进去就好了，脚本优化了一下，本来是循环300*300的画布，判断坐标是否在txt里，加上判断操作就很慢了，这里直接用numpy的ones函数创建了画布是白色的，那就循环坐标的数组改掉画布的像素就好了，运行比较快不用等
importcv2
importos
importnumpy as np
n=0
canvas= np.ones((300, 300, 3), dtype="uint8")
canvas=canvas*255
list=open("123.txt").read().split("\n")
list=[i.split(",")for i in list]
forp in list:
canvas[int(p[0]),int(p[1])]=[0,0,0]
cv2.imwrite("2.jpg",canvas)
cv2.imshow("Canvas",canvas)
cv2.waitKey(0)
扫描后得到
flag{40fc0a979f759c8892f4dc045e28b820}
第三个题目
分析数据包后得到一个txt，里面又是数字，但是这次每行是三个数字，范围从0到255之内，没有超过的，于是猜测是像素点，但是我们不知道图片的长宽就没有办法生成图片，拉到txt最下面发现是98457行，于是尝试分解质因数
即111*887，flag的话，那就是一长串字符，应该是887*111吧
import cv2
import os
import numpy as np
canvas = np.zeros((111, 887, 3), dtype="uint8")
list=open("ce.txt").read().split("\n")
for y in range(0,887):
for x in range(0,111):
arr=list[x+(y)*111].split(",")
canvas[x,y]=[arr[0],arr[1],arr[2]]
cv2.imwrite("2.jpg", canvas)
cv2.imshow("Canvas", canvas)
cv2.waitKey(0)
图片的题目们用opencv-python来写脚本解题还是很方便快捷的。图片直接是numpy数组，方便操作，也方便获取低位，直接和0x1进行按位与操作便可。