近年来，数字水印技术的研究发展很快，针对以图像为载体的数字图像水印算法层出不穷。总的来说，这些算法主要分为两类：空间域水印算法和变换域水印算法。
1 空间域水印算法
    早期的图像水印算法大部分都是基于图像空间域的，主要是通过直接修改图像空间像素的亮度值来嵌入水印，典型的算法有最低有效位（Least Significant Bits，简称LSB）和Patchwork算法。
（1）最低有效位算法
    最低有效位是载体图像信息用二进制表示时的最低位，是对图像影响最小的一位。LSB水印算法就是用二值水印信息代替最低有效位平面或者多个位平面，提取时不需要原始载体图像的参与，是一种盲水印算法。由于水印嵌入在最低有效位，相当于在一个很强的信号上叠加一个很弱的信号，因此该类算法具有很好的不可见性。但是这类算法的鲁棒性很差，经过滤波、加噪等常用方法处理后，就无法提取出水印信息。
（2）Patchwork算法
    图像信息一般都会具有一些统计特性，如均值、方差等，因此可以利用这些统计特性来嵌入水印。Patchwork算法就是通过改变原始载体图像信息中某种特定的统计特性来嵌入水印信息。Patchwork算法最初是由Bender于1996年提出的，也是一种典型的早期空间域算法。Patchwork的基本思想是：首先选取两个图像像素数相等的集合，然后对一个集合中每一个像素亮度值增加一个常量，同时再对另外一个集合中每个像素亮度值减少同样的常量，通过这种调整选定像素集合的亮度对比关系的方法来嵌入水印。检测水印时，根据亮度对比关系确定是否含有水印信息。Patchwork算法具有很好的不可见性，同时对于滤波、剪切和JPEG压缩有一定的鲁棒性，但是所嵌入的水印容量很少。
    空间域水印算法简单易于实现，不可见性好；但是算法的鲁棒性差，水印容量少。因为它对攻击的空间位置具有定位能力，所以常用于设计脆弱水印和半脆弱水印。
2.4.2 变换域水印算法
    虽然图像水印算法最早是从空间域发展起来的，但是图像水印技术发展至今，大部分的算法是嵌入在变换域中的。变换域算法是在图像的变换域上叠加水印信号。与空间域水印算法相比，变换域水印算法主要优点是：水印信号的能量能够分布到整个空间域所有像素上，有利于提高水印算法的不可见性；变换域算法与许多国际压缩标准兼容，因此能够在压缩域内实现水印算法；能够更好的结合人类视觉系统特性，提高水印算法鲁棒性；对滤波、压缩和加噪等图像处理攻击具有很好的鲁棒性。
    常用于水印技术的变换域有：离散余弦变换域（Discrete Cosine Transform，简称DCT）、离散小波变换域（Discrete Wavelet Transform，简称DWT）和离散傅里叶变换域（Discrete Fourier Transform，简称DFT）。
（1）DCT域水印算法
    Koch E., Zhao J. 最早提出了基于分块DCT变换的水印算法，他们首先对图像进行8×8分块DCT变换，然后将水印信息添加到中频系数上。该算法对于JPEG有损压缩和低通滤波具有很强的鲁棒性。后来有的算法利用HVS系统和可察觉差分门限(Just Noticeable Difference，简称JND)，对不同的分块采用不同的嵌入强度，以确保不可见性的同时提高了鲁棒性，如Podilchck和Zeng提出自适应数字水印算法。
（2）DWT域水印算法
    DWT域水印算法思想是将水印信息通过某种方法嵌入到DWT域合适的分量上。它是近几年数字水印技术研究的一个热点。典型的DWT域水印算法有基于多分辨率的DWT域水印算法和基于小波包分解的水印算法。 基于多分辨率的水印算法是将水印信息和图像载体信息都进行多级小波分解，然后按照某种方法将水印的各个小波分解分量嵌入到载体图像除了低频分量的其它分量上，并且可以根据不同级数的分量选用不同的嵌入强度。 不同于普通小波分解只对低频分量进行分解，小波包分解可以对低频分量和各个高频分量同时进行分解，它是小波分解的推广，是一种更丰富的信号分析方法。
（3）DFT域水印算法
    DFT变换是图像信号分析中常用的一种变换，它是一种复数变换。水印信息不仅可以嵌入到DFT域的幅度上，还可以嵌入到DFT域的相位上，不过基于DFT域相位调制的水印嵌入方法常用于数字音频水印技术中。因为DFT域有很好的仿射不变性，因此DFT域的水印算法常用于抗几何攻击的水印方案中。 除了上面所述的常用水印算法外，还有基于奇异值分解（Singular Value Decomposition，简称SVD）、哈达玛变换、分形等的水印算法。而且，数字水印算法正朝多种方法结合的方向发展。