图片马赛克还原工具(马赛克去除工具)

发布时间:

《开源精选》是我们分享Github、Gitee等开源社区中优质项目的栏目,包括技术、学习、实用与各种有趣的内容。本期推荐的是一个从像素化截图中恢复密码的工具——Depix。

Depix 是一个用于从马赛克图片中还原密码的Python工具。该算法利用线性盒滤波器单独处理每个块的内容。对于每个块,它将搜索图像中的所有块像素化,然后检查并匹配相似的内容。

选框越小越好

图片的每一个像素都是一组数据(通常RGB叁原色都用0-255的值来表示),马赛克本质上就是把一张图片分成一个个小格子,然后给每个格子算出它里面所有像素值的RGB平均值。

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,在实际体验中一塌煳涂。

但有一种马赛克是比较令人无语的:

采用python open cv图像识别与处理技术,即可完美地去除马赛克。

不不不,今天我必须要用现实残忍地击碎大家这个想法。

解析视频的功能具有针对性。

如果你有志于去除讨厌的马赛克,关键一步就是尽可能精细的勾画出马赛克区域,如此AI 才能分析出来。

具体步骤:

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。

人像修复之后,就会进入下一阶段。

原理:简单粗暴

至于爱呢,就爱在我们在朋友圈、微博等社交平台上发照片或者隐私信息的时候,可以选择用马赛克把重要的信息给模煳掉。

而在这种处理图像的方法中,线性盒滤波器就是其中一种比较常见的处理方式。

应该很多人都用过WPS系列的办公软件吧?它是一款能够帮助我们查阅图片的软件,不过现如今,同样拥有了消除笔的功能。可能该功能较为隐蔽许多小伙伴都不清楚在哪,让我来告诉你们吧~只要用软件打开图片,点击右上角的工具箱,才能看到消除笔的工具。而且该功能需要登录一定的账号才能进行,介意的小伙伴可以选择其它两个哟~

举个最简单的例子,黑白平均一下,就会得出灰色。根据黑色所占单个小格子比例不同,灰色的深浅也有区别。

到Github上搜索DeepCreamPy,当前有编译好的运行在windows下的版本,可以到这里找到下载连接

最后需要说明的是,Mellema开发这个AI项目并不是为了窃取信息,而是利用ECB和明文攻击(Known-Plaintext Attacks)的模式,提高信息保护技术。在他看来,不知道如何破坏当前的保护模式,是信息安全中的常见陷阱。

Mellema正是利用了盒子滤波器,提出了AI还原算法-Depix。

其余的视频裁剪、剪切和压缩叁项功能,没啥复杂操作,处理速度也很快,算是锦上添花了。

私信发送:666

要是它能还原出来的不只是人脸

git clone https://github.com/beurtschipper/Depix.git

画质增强

瞧,下图中左边的整容医院代表“生成网络”,它想把各种歪瓜裂枣整成刘亦菲;而右边的喝X群众代表“判别网络”,它想检验医院整出的刘亦菲是否合格。

这是一款手机端视频编辑工具,它支持视频剪辑美化,小影片拍摄。动画贴纸、胶片滤镜、美拍、大片特效、视频美颜、视频制作、马赛克、视频配乐等;操作还是比较简单易上手的!

▲ 奥巴马还原后成白人

美图秀秀,现在P图新增最新黑科技。

后台回复 J049 获取

这段视频时长 1 分 33 秒,处理过程的进度条大概十几秒走完。

如果背景稍复杂,观感会有所打折,不过已经是专业手段之外能达到的最好状态了。

马赛克,其实是一种将影像特定区域的色阶细节像素化并造成色块打乱的效果。

之后,再利用超分辨率网络,最终使得画质整体变得更加清晰。

与以往采用加的连接形式,美图采用的是concat的方式,可保留编码器结构的部分featuremap,避免脸部严重变形或者丢失脸部遮挡(如手、刘海等)的信息。

美图表示,直到解码器结构训练稳定具备生成人脸的能力后,才会与编码器结构合并,并进行整个网络结构的训练。

可以想见,随着马赛克视频AI还原软件的不断提昇和完善,它的应用前景会越来越广阔。

实在怕信息泄露的话,厚码(多重大色块)也能保你无忧。

它会通过你所给的图片逐个像素细节进行比对,从而找出并输出比对关键部分相似度最高的那张图片。

甚至打上马赛克,它也能给你把皮肤“磨得”相对来说比较平整。

而 PULSE 模型则是基于 NVIDIA 的StyleGAN 算法进行开发,运用生成图像 “ 倒推 ” 模煳图,相似的才能够输出!

对于还原照片马赛克,也有类似的 AI 项目出现,这款软件的名字叫 PULSE

还原过程:

有码真变无码了!

那么问题就来了,这个准确度其实并没有那么高,所以就会发生这种事: