图片去除马赛克的app(破解马赛克的软件推荐)

图片去除马赛克的app(破解马赛克的软件推荐)

互联网的世界里,马赛克从不缺席。而对于马赛克,小黑是又爱又恨。

恨它是因为别人用马赛克隐藏关键信息,电影里看到马赛克,直教人索然无味;图片中看到马赛克,不禁对马赛克隐藏的信息深感好奇。

一张图,在被打了马赛克那一刻起,它就变成另外一张图,基本无法恢复成原来的模样。不过,万能的网友发现,如果使用 AI 工具,可以让打了马赛克的图片重新恢复原样。在一些爱好者论坛,还有人总结了去马赛克工具,比如 PULSE 算法、Depix项目以及谷歌超强像素递归方案。

马赛克起源与原理

马赛克一词,英文名为“Mosaic”,指镶嵌艺术。现在视频、图片中常用的马赛克技术,正是用了与镶嵌艺术类似原理的影像处理方法。

从词源上解释,英文“Mosaic”源自希腊文“Musa”,这是掌管诗歌、艺术与科学女神的名字。在数千年以前,古希腊艺术家就在使用黑白两色鹅卵石,组合搭配镶嵌在柱子上。在发展过程中,马赛克图案材料有石块、有色玻璃碎片等等,但是它的主要结构依然是一个个大小相似的碎块。

▲有色玻璃碎片

后来,人们在进行影像处理时,常常将特定区域的色阶细节劣化并造成色块打乱的效果,打乱后的图案类似马赛克镶嵌艺术,因而人们索性将这种影像处理技术称之为马赛克技术。

从原理上来说,图像打码其实也是图像卷积操作中,空间域滤波的一种方式。用一定大小的滤波器对马赛克范围内像素进行操作,期间将需要打码范围按照滤波器大小划分为多个区块,取滤波器范围内像素,求取均值,再将均值赋值给范围内每一个像素,滤波器再滑到下一个区块。

▲打码其实是像素重组

当然,核心原理枯燥泛味,大部分人也不关心什么是卷积操作。通俗地说,就是将马赛克区域图案细分为无数个小方块,再将这些方块打乱重组,这样原本的图案就会变得模糊不清。

了解完马赛克的原理,去除马赛克的原理自然浮现在眼前。目前,去马赛克技术大都通过 AI 技术,通过不同的方法,将已经打乱的像素方块重新组合,还原它本来的样子。

猜一猜马赛克背后的图案

前文说过,图片打码过程是不可逆的,想要恢复到原来的模样就要另想办法。围绕去除马赛克这一课题,研究人员们创建了无数算法,其中有一种算法非常特殊,它就是杜克大学研发的PULSE算法。

之所以说 PULSE 算法特殊,倒不是因为他们使用了什么先进的算法,而是在于他们的思路。与之前的算法类似,同样采用 SR 超分辨率技术,但它不是填补像素,是生成高清大图,然后降低图片分辨率与原始图片对比,从中找到匹配程度最高的图像。PULSE 算法可以在短短几秒内就把16×16像素的低分辨率图片提升到1024×1024级别,精度提升了64倍,而之前的AI算法提升不过8倍左右。

▲PULSE 算法还原人脸

先放大再对比猜测,PULSE 算法可以将模糊的照片秒变清晰,效果还出奇地好。不过,靠猜测得到的图案毕竟不是原图,在还原过程往往得到清晰但跟原图大相径庭的图案。比如,我们将奥巴马的图像打码,再通过PULSE 算法还原,得到的居然是一张白人面孔。

▲奥巴马还原后成白人

对此,PULSE 算法创始人解释道:“结果的偏差,原因在于数据的偏差。为什么PULSE会出现奥巴马被洗白的情况?因为它是在FlickFaceHQ上进行预训练,这个数据集里基本都是白人照片。如果换成来自塞内加尔的数据集,训练完全相同的系统,那必然是每个人都看起来像非洲人。”

然而,这样的解释似乎有点无力,我们将马里奥的图像先打码再还原,得到的图案看不到一点马里奥的影子。原版打码之后的图像还能看出一点马里奥的影子,而还原后的照片虽然鼻子与面部表情稍微清晰一点,可整体形象完全与马里奥无关。

拼图游戏,像素块重新组合

小时候,很多小伙伴都玩过拼图游戏,将一个完整的图案打乱,然后一点一点找规律,将其拼成完整的图案。继PULSE 算法之后,有一款名为Depix 的算法火爆网络。Depix 去除马赛克的原理其实与我们小时候玩的拼图游戏类似,都是将图案的一部分一点点拼起来,组成完整的图案。

只不过,与拼图游戏相比,去除马赛克难度提升了无数倍。首先像素方块更多,拼接难度异常之大。其次没有规律,拼图游戏可以遵循一定的规律,有些还有原始图案可供参考,而去除马赛克没有任何规律可言,完全靠算法不断积累,寻找合适的方法还原图案。

▲细小像素块分析

Depix 具体实现方式与PULSE 不同,它利用了线性盒式滤波器分别处理每个块的事实。对于每个像素方块,它将搜索图像区域进行像素化从而对应匹配。这一过程,就跟我们拼图时找图案隔壁的拼块一样。

▲简单字母还原

对于大多数像素化图块,Depix 设法找到单匹配结果,然后将周围的多匹配块的匹配进行比较,以在几何上与像素化图像中的距离相同的距离进行比较。此后反复测试,直到像素块不再与其他像素块具有集合匹配结果之后,算法将直接输出所有正确的像素块。

▲仅限于文字内容

比起 PULSE 主要靠猜,Depix 在原有像素块基础上重新排列组合,得到的图案真实性确实有了很大改善。不过,目前仅限于线性滤波器,即文字内容,人脸图案等复杂内容暂时还无法还原。

实用性不足,一键去马赛克成空谈

从早期的 JavPlayer、谷歌大脑去马赛克,到如今的 PULSE、Depix算法去马赛克,其实还面临一个严峻的问题,即实用性不足。不少在实验室里惊艳无比的去马赛克技术,在实际体验中一塌糊涂。

▲谷歌大脑去马赛克

究其原因,在于这些算法都有严格的条件限制。去马赛克的技术就那么几种,而世间的图像千千万万。PULSE 先放大再猜测补充像素点,其精准程度取决于算法优化的好坏以及深度学习内容库的全面性。

小黑在使用 PULSE 算法的网站 Face Depixelizer Eng 测试,一张简单emoji表情居然被还原成一个络腮胡大汉。由此可见, PULSE 算法依靠猜测填充像素点的方式并不准确,一旦深度学习库没有收录该类图案,得到的结果往往与原图截然相反

Depix 像素重组,还原精准度取决于算法能够成功找到合适的像素块,目前来看,Depix 不会出现严重的识别错误,不过重组像素块计算量过大,简单的图案 Depix 尚能胜任,对于复杂的图案完全无能为力。

至于 Depix 实用网站与软件,小黑并没有找到,搜索引擎与应用商店里的搜索结果全部都是虚假内容,没有一款可以使用。

▲虚假APP

人工智能技术日新月异,将马赛克图案重新还原确实让人惊叹不已。不过人工智能毕竟还是基于科学的算法技术,它不是无所不能的魔法,做不到完整还原。

目前来看,现有的马赛克还原技术做不到将面部表情等细节完整还原,顶多可以做到将数字、字母等文字内容还原。因此,我们平时在给关键信息打码的时候一定要注意,先涂鸦再打码,这样就不用担心被去马赛克工具还原了!

图源:turingtopia、Face Depixelizer Eng

图源:csdn、pixabay

推 荐 阅 读

发表评论

登录后才能评论