Le flou d'image est-il une méthode dangereuse pour brouiller les informations dans les images?
Le flou d'image est-il une méthode dangereuse pour brouiller les informations dans les images?
C'est-à-dire, est-il possible de "flouter" l'image, si vous connaissez l'algorithme et le réglage, ou par essais et erreurs?
Par exemple, l'image ci-dessous est le logo Google flou avec le filtre Flou gaussien Photoshop CS6 @ un rayon de 59,0 pixels.
Pour l'œil nu, il pourrait être difficile de comprendre le contenu flou. Mais le flou pourrait-il être "inversé" pour révéler l'image originale, ou du moins quelque chose qui est reconnaissable?
Est-il possible de "flouter" l'image, si vous connaissez l'algorithme et le réglage, ou par essais et erreurs?
Ici, je suppose que nous ne considérons que les images floues à l'aide d'un filtre appliqué à l'image, et non à la suite d'une mauvaise capture (mouvement/flou optique).
L'effacement est définitivement possible, et vous verrez un support dans de nombreux outils de traitement d'image. Cependant, le flou réduit intentionnellement la quantité d'informations dans l'image, donc pour vraiment récupérer l'image d'origine, il faudra peut-être une "force brute", ce qui générera un nombre (énorme) d'images candidates, qui "flouteront" la même finale image.
Différents types de flou ont des pertes différentes, mais il est possible de les inverser tous (quoique de manière coûteuse). Le coût du flou et le nombre de résultats possibles dépendent du nombre de passes effectuées par le filtre de flou et du nombre de voisins pris en compte lors du flou. Une fois floutés, de nombreux outils et services devraient être capables de supprimer automatiquement de nombreux résultats, en fonction de savoir de quel type d'image il s'agit.
Par exemple, cet article de blog explique pourquoi le flou du contenu avec une faible entropie (par exemple les chéquiers) est beaucoup moins sûr que le flou de quelque chose comme un visage humain.
Bref, il est en effet possible de récupérer une image qui si "floue" donnera la même image que vous avez fournie. Mais vous ne pouvez pas garantir que l'image floue est la seule version floue valide (vous aurez besoin de certaines connaissances de domaine et d'une analyse d'image comme les bords correspondants, les objets ayant un sens sémantique).
Pour l'œil nu, il pourrait être difficile de comprendre le contenu flou. Mais le flou pourrait-il être "inversé" pour révéler l'image originale, ou du moins quelque chose qui est reconnaissable?
Il est possible que le flou ne transforme pas fondamentalement la "signature" d'une image, de telle sorte que l'histogramme soit similaire et permette la correspondance. Dans votre cas, l'œil humain peut réellement comprendre que cela pourrait avoir été le logo Google (couleurs familières) mais l'histogramme est assez différent. Google lui-même ne peut pas identifier l'image et vous pouvez étudier l'histogramme et les groupes de couleurs en utilisant cet outil en ligne - les images sont très différentes.
Si ce serait probablement plus sûr si vous choisissiez de masquer le contenu sensible (voir l'article ici )
Je souhaite que ces choses ne soient pas possibles (par exemple, j'essayais d'aller aussi vite que possible près des pièges à vitesse pour que le flou de mouvement masque mes plaques d'immatriculation, mais cela ne fonctionne plus). Les outils pour effacer sont assez courants maintenant (par exemple Blurity ) bien qu'ils ne fonctionnent pas aussi bien avec de petites images générées par ordinateur (moins d'informations) qu'avec des photographies (voir un échantillon de ce que j'ai récupéré).
En termes de références supplémentaires, le premier chapitre of Deblurred Images: Matrices, Spectra, and Filtering par Per Christian Hansen, James G. Nagy et Dianne P. O'Leary est une très bonne introduction. Il explique comment le bruit et d'autres facteurs rendent impossible la récupération de l'image d'origine exacte: Malheureusement, il n'y a aucun espoir que nous puissions récupérer l'image d'origine exactement! mais va ensuite décrire comment vous pouvez obtenir une correspondance étroite.
Cette enquête compare différentes techniques utilisées dans la reconstruction d'images médico-légales (elle a presque 20 ans, donc elle se concentre sur les fondamentaux).
Enfin, n lien vers le blog de Schneier où cela est discuté en détail.
Oui, le flou est un moyen dangereux de censurer les données des images.
Il y a logiciel qui peut facilement inverser le flou algorithmique comme les flous gaussiens, pour un résultat assez lisible. Assez souvent pour identifier des objets/lire des textes.
Cela dépend de deux choses: l'image elle-même (quantité d'informations) et le flou utilisé (type + quantité).
Le flou gaussien que vous avez mentionné redistribue le contraste (info) d'où il est plus ou moins concentré dans un cercle diffusant autour du contraste; plus vers le centre, de moins en moins à mesure que vous approchez du bord du cercle (aka rayon de flou).
Au lieu d'une image numérique, considérez une image d'art de sable d'un damier sur une table branlante. Si vous frappez le poing sur la table, vous imitez un flou gaussien, qui devrait arrondir les carrés, laissant derrière eux des cercles superposés connectés. En regardant cette table en désordre, vous pourriez toujours probablement conclure qu'il s'agissait d'un damier avant le remaniement.
D'un autre côté, si vous frappez le côté de la table, vous simulez un flou de mouvement. Si la distance de la secousse/inertie des grains de sable dépasse la largeur des carrés de damier, la table sera uniformément recouverte de sable, et il sera impossible de dire si la conception de pré-secousse était un damier, des rayures ou un distribution déjà uniforme.
Si vous ne disposez que d'un flou gaussien et que vous souhaitez masquer le texte, vous devez flouter deux fois la hauteur de la ligne, puis posturiser l'image. Le flou répartit les gros détails en petits détails, tandis que la posturisation élimine les petits détails. Vous pouvez également utiliser quelque chose de plus dramatique qui élimine les détails fins pour obscurcir l'image floue, en réduisant la profondeur des couleurs, en réduisant les niveaux, en surcompressant, etc.
En bref, si les détails sont répartis et puis les détails fins sont ignorés, il n'y a tout simplement pas assez d'informations pour de manière fiable récupérer l'image.
Mon expérience montre que le flou gaussien dans le GIMP n'est pas suffisant pour obscurcir complètement les informations. En fait, il est possible de tiliser la déconvolution pour restaurer la plupart des données d'image après un flou gaussien .
Il y a un cas où le flou peut définitivement être inversé: si vous brouillez du texte généré par ordinateur, par exemple des captures d'écran.
Par exemple, si le texte ci-dessus était flou, et même si le flou s'étendait sur plusieurs caractères, vous pourriez écrire un logiciel qui essaie toutes les combinaisons de lettres et trouver celles qui produisent exactement les mêmes valeurs de pixels que l'image floue quand elles sont floues. Cela fonctionne parce que dans ce cas, les informations réelles ne sont que de 8 bits par caractère environ, et non des 8x5x24 bits que contiendraient les graphiques du caractère dans une zone 8x5.
(Un autre article a mentionné les numéros de carte de crédit; une photo de 16 chiffres contient moins de 54 bits d'informations réelles.)
Le flou délibéré d'une région entraîne une perte d'informations. Ce que vous pouvez restaurer dépend de la quantité d'informations perdues. Ce montant dépend de l'algorithme de flou et de ses paramètres. Mais même si une seule image ne contient pas suffisamment d'informations, vous pouvez toujours récupérer les informations perdues à l'intérieur d'une image spécifique si vous avez des images similaires où la région spécifique est également floue, mais d'une manière légèrement différente (comme différents paramètres ou algorithmes, une région légèrement différente qui s'est estompée, mise à l'échelle différente de l'image ...).
Ainsi, vous ne pouvez pas dire que vous pourriez reconstruire toutes les informations importantes dans tous les cas. Mais vous ne pouvez pas non plus dire que le flou masque toutes les informations de manière fiable. Si la reconstruction des informations est possible ou non, cela dépend de l'algorithme de flou, des paramètres et bien sûr de ce que vous considérez comme des informations importantes.
Il y a beaucoup de recherches dans ce domaine que vous pouvez facilement trouver lorsque vous recherchez effacement des images .
Le terme "flou" est utilisé pour décrire de nombreux types d'effets visuels, y compris ceux que l'on pourrait appeler "maculer" ou "maculer". Si une image floue mathématiquement était stockée avec précision, il serait possible de reconstruire parfaitement l'original. Cependant, l'un des effets du flou est de rendre les données plus sensibles à certains types de bruit ou d'échantillonnage d'artefacts, donc si l'on applique suffisamment de flou, il peut être possible d'obscurcir l'image au point que l'annulation du flou amplifierait le bruit. assez pour laisser le contenu obscurci.
Une meilleure approche que le flou, cependant, consiste à "tacher" ou "tacher" les données; ces termes sont moins bien définis, mais l'essentiel est que certaines parties de l'image d'origine contribuent beaucoup plus à l'image finale que d'autres, et dans de nombreux cas, certaines parties ne contribuent pas du tout. Beaucoup de ces effets peuvent laisser des bords très durs qui peuvent être gênants, mais de telles distractions peuvent être réduites en appliquant un flou mathématique après le maculage.
Enfin, les approches de "pixellisation" qui impliquent une moyenne mathématique détruiront les informations, tout comme le maculage ou le maculage, mais ne seront pas nécessairement aussi sûres qu'on pourrait le penser. Si l'on devait pixelliser le numéro de compte sur un chèque de telle sorte que chaque chiffre soit représenté par une matrice 2x2 environ, ces chiffres ne pourraient pas être "lus" normalement, mais quelqu'un qui pourrait reproduire l'alignement de la caméra et les paramètres de pixelisation pourrait être en mesure de comprendre ce que les nombres devraient être pour produire le motif observé de carrés clairs et foncés. Un tel problème pourrait être évité en remplaçant numériquement le numéro de compte par un numéro de compte "test" standard qui est garanti de ne pas correspondre à un compte réel, puis en le masquant numériquement (si une vue pouvait établir que le numéro de compte était quelque chose comme " 1234567890 "qui pourrait être gênant, mais s'il était suffisamment pixélisé pour qu'une reconstruction avancée soit nécessaire, personne qui n'a pas fait un tel effort ne devrait être distrait par le numéro de compte).