本文提出将集合塑造理论（Set Shaping Theory, SST）作为一种可逆的载荷整形层，用于基于最低有效位（LSB）的图像隐写术。该方法并非要取代现有的隐写嵌入方案，而是作为一个预处理阶段，使现有嵌入方法更容易应用且引入更低的统计扰动。SST变换通过增加K个符号来延长消息长度，并采用Glen Tankersley开发的快速近似变换算法实现。尽管嵌入载荷从N位增加到N+K位，但所选择的表示可以降低KL散度（D_KL(P||Q)），从而在基于直方图的检测标准下使后续的隐写插入更难被检测。在四种合成覆盖图像模型上的1800次受控模拟中，相对于公平的N+K LSB基线，SST平均将KL散度降低了25.16%，95%置信区间为±1.22%。当K=8时，平均降低达到42.81%。使用密钥随机嵌入路径的额外鲁棒性模拟证实了该效果在多种距离度量上的表现：K=8时，KL散度降低42.44%，Jensen-Shannon散度降低29.62%，总变差降低12.41%，对称卡方距离降低28.30%。此外，基于图像的矩阵嵌入/STC类模拟显示，SST还降低了最小加权插入成本：相对于未整形的K=0参考，K=8使成本降低了6.93%。