【怎么把图片马赛克去掉】太神奇了！马赛克也可以一次性去除吗？

在网络世界里，马赛克从不缺席。对于马赛克来说，黑色是爱与恨。

因为用马赛克隐藏核心信息，在电影里看到马赛克，教得枯燥无味，所以讨厌。(威廉莎士比亚，《哈姆雷特》，《读者》)从照片上看到马赛克，我不禁对马赛克隐藏的信息感到好奇。

因为小黑自己使用非常顺利，平时在微博、朋友圈、论坛等网络平台上发布照片或隐私信息时，经常使用马赛克模糊重要信息。工作中需要存储截图时，使用马赛克工具可以对用户名、地址、密码等信息进行编码，防止小伙伴发现。

从被打马赛克的那一刻开始，就变成了另一幅画，无法回到原来的样子。(《亚里士多德》，《新伦理学》，《真理报》)但是万能网民发现，使用AI工具可以将马赛克照片恢复原样。一些爱好者论坛总结了PULSE算法、Depix项目、Google超强像素递归方案等消除马赛克工具。

马赛克的起源和原理

马赛克这个词的英文名字是“Mosaic”，指的是镶嵌艺术。目前视频、照片中常用的马赛克技术是使用了与镶嵌艺术相似的原理的图像处理方法。(莎士比亚、马赛克、马赛克、马赛克、马赛克、马赛克、马赛克、马赛克)

从词源上看，英语“Mosaic”源自希腊语“Musa”，是掌管诗歌、艺术和科学女神的名字。几千年前，古希腊艺术家们利用黑白颜色的鹅卵石被钉在柱子上。在开发过程中，马赛克图案材料有石头、有色玻璃碎片等，但主要结构仍然是大小差不多的碎片。

有色玻璃碎片

后来，人们经常将图像处理、特定区域的层次细节退化，造成彩色块混乱的效果，混乱的图案类似马赛克马赛克马赛克艺术，所以人们干脆称之为马赛克技术。

原则上，图像编码实际上是图像卷积操作中空域域过滤的一种方法。需要使用特定大小的滤镜来操作马赛克范围内的像素，在时间段内根据滤镜大小将代码范围分成多个块，取滤镜范围内的像素，取平均值，为范围内的每个像素分配平均值，滤镜滑向下一个块。

代码实际上是像素重构。

当然，核心原理枯燥无味，大多数人对什么是卷积操作不感兴趣。一般来说，马赛克区域图案会细分成许多小矩形，然后混合这些正方形，使原始图案变得模糊。

理解马赛克的原理后，去除马赛克的原理自然浮现在眼前。目前，马赛克去除技术大多通过AI技术，用不同的方法重新组合已经凌乱的像素正方形，恢复原来的样子。(莎士比亚、温斯顿、马赛克、马赛克、马赛克、马赛克、马赛克、马赛克、马赛克、马赛克)

请猜一下马赛克后面的图案

如前所述，照片编码过程是不可逆转的。要想回到原来的样子，就要想别的办法。围绕消除马赛克这一课题，研究人员制作了大量算法，其中一种算法非常特别。这就是杜克大学开发的PULSE算法。(阿尔伯特爱因斯坦)(美国电视剧)。

说PULSE算法特别的原因不在于他们使用了什么先进的算法，而在于他们的思维方式。和以前的算法一样，使用了SR超分辨率技术，但不是填充像素，而是生成高清大图，然后将图像分辨率与原始图像进行比较，找到最匹配的图像。PULSE算法在短短几秒钟内将16x16像素的低分辨率照片提升到1024x1024的水平，精度提高了64倍，但以前的AI算法提高了大约8倍左右。

先放大后比较推测，PULSE算法可以锐化模糊的照片秒，效果惊人地好。但是通过推测得到的图案最终不是原件，在复原过程中，往往会得到鲜明但与原件大不相同的图案。例如，如果对奥巴马的形象进行编码，并通过PULSE算法进行恢复，将成为白人面孔。

outiaoimg.com/large/pgc-image/ee23adffe7ee47db8a05027081418ba7?from=article.detail&_iz=31825&index=5" width="640" height="347"/>

▲ 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！