互聯網的世界里，馬賽克從不缺席。而對于馬賽克，萬商云集小編是又愛又恨。恨它是因為別人用馬賽克隱藏關鍵信息，電影里看到馬賽克，直教人索然無味；圖片中看到馬賽克，不禁對馬賽克隱藏的信息深感好奇。下面萬商云集小編就為大家介紹下免費的去馬賽克軟件

　　愛它是因為小黑自己用起來又極為順心，平時在微博、朋友圈、論壇等互聯網平臺發布照片或隱私信息的時候，常常使用馬賽克將重要信息模糊掉；工作中需要截圖保存時，使用馬賽克工具可以讓用戶名、地址、密碼等信息打碼，免得被小伙伴們發現。

　　一張圖，在被打了馬賽克那一刻起，它就變成另外一張圖，基本無法恢復成原來的模樣。不過，萬能的網友發現，如果使用 AI 工具，可以讓打了馬賽克的圖片重新恢復原樣。在一些愛好者論壇，還有人總結了去馬賽克工具，比如 PULSE 算法、Depix項目以及谷歌超強像素遞歸方案。

　　馬賽克起源與原理

　　馬賽克一詞，英文名為“Mosaic”，指鑲嵌藝術?，F在視頻、圖片中常用的馬賽克技術，正是用了與鑲嵌藝術類似原理的影像處理方法。

　　從詞源上解釋，英文“Mosaic”源自希臘文“Musa”，這是掌管詩歌、藝術與科學女神的名字。在數千年以前，古希臘藝術家就在使用黑白兩色鵝卵石，組合搭配鑲嵌在柱子上。在發展過程中，馬賽克圖案材料有石塊、有色玻璃碎片等等，但是它的主要結構依然是一個個大小相似的碎塊。

▲ 有色玻璃碎片

　　后來，人們在進行影像處理時，常常將特定區域的色階細節劣化并造成色塊打亂的效果，打亂后的圖案類似馬賽克鑲嵌藝術，因而人們索性將這種影像處理技術稱之為馬賽克技術。

　　從原理上來說，圖像打碼其實也是圖像卷積操作中，空間域濾波的一種方式。用一定大小的濾波器對馬賽克范圍內像素進行操作，期間將需要打碼范圍按照濾波器大小劃分為多個區塊，取濾波器范圍內像素，求取均值，再將均值賦值給范圍內每一個像素，濾波器再滑到下一個區塊。

▲ 打碼其實是像素重組

　　當然，核心原理枯燥泛味，大部分人也不關心什么是卷積操作。通俗地說，就是將馬賽克區域圖案細分為無數個小方塊，再將這些方塊打亂重組，這樣原本的圖案就會變得模糊不清。

　　了解完馬賽克的原理，去除馬賽克的原理自然浮現在眼前。目前，去馬賽克技術大都通過 AI 技術，通過不同的方法，將已經打亂的像素方塊重新組合，還原它本來的樣子。

　　猜一猜馬賽克背后的圖案

　　前文說過，圖片打碼過程是不可逆的，想要恢復到原來的模樣就要另想辦法。圍繞去除馬賽克這一課題，研究人員們創建了無數算法，其中有一種算法非常特殊，它就是杜克大學研發的PULSE算法。

　　之所以說 PULSE 算法特殊，倒不是因為他們使用了什么先進的算法，而是在于他們的思路。與之前的算法類似，同樣采用 SR 超分辨率技術，但它不是填補像素，是生成高清大圖，然后降低圖片分辨率與原始圖片對比，從中找到匹配程度最高的圖像。PULSE 算法可以在短短幾秒內就把16x16像素的低分辨率圖片提升到1024x1024級別，精度提升了64倍，而之前的AI算法提升不過8倍左右。

　　先放大再對比猜測，PULSE 算法可以將模糊的照片秒變清晰，效果還出奇地好。不過，靠猜測得到的圖案畢竟不是原圖，在還原過程往往得到清晰但跟原圖大相徑庭的圖案。比如，我們將奧巴馬的圖像打碼，再通過PULSE 算法還原，得到的居然是一張白人面孔。

▲ 奧巴馬還原后成白人

　　對此，PULSE 算法創始人解釋道：“結果的偏差，原因在于數據的偏差。為什么PULSE會出現奧巴馬被洗白的情況？因為它是在FlickFaceHQ上進行預訓練，這個數據集里基本都是白人照片。如果換成來自塞內加爾的數據集，訓練完全相同的系統，那必然是每個人都看起來像非洲人?！?/p>

　　然而，這樣的解釋似乎有點無力，我們將馬里奧的圖像先打碼再還原，得到的圖案看不到一點馬里奧的影子。原版打碼之后的圖像還能看出一點馬里奧的影子，而還原后的照片雖然鼻子與面部表情稍微清晰一點，可整體形象完全與馬里奧無關。

　　拼圖游戲，像素塊重新組合

　　小時候，很多小伙伴都玩過拼圖游戲，將一個完整的圖案打亂，然后一點一點找規律，將其拼成完整的圖案。繼PULSE 算法之后，有一款名為Depix 的算法火爆網絡。Depix 去除馬賽克的原理其實與我們小時候玩的拼圖游戲類似，都是將圖案的一部分一點點拼起來，組成完整的圖案。

　　只不過，與拼圖游戲相比，去除馬賽克難度提升了無數倍。首先像素方塊更多，拼接難度異常之大。其次沒有規律，拼圖游戲可以遵循一定的規律，有些還有原始圖案可供參考，而去除馬賽克沒有任何規律可言，完全靠算法不斷積累，尋找合適的方法還原圖案。

▲ 細小像素塊分析

　　Depix 具體實現方式與PULSE 不同，它利用了線性盒式濾波器分別處理每個塊的事實。對于每個像素方塊，它將搜索圖像區域進行像素化從而對應匹配。這一過程，就跟我們拼圖時找圖案隔壁的拼塊一樣。

▲ 簡單字母還原

　　對于大多數像素化圖塊，Depix 設法找到單匹配結果，然后將周圍的多匹配塊的匹配進行比較，以在幾何上與像素化圖像中的距離相同的距離進行比較。此后反復測試，直到像素塊不再與其他像素塊具有集合匹配結果之后，算法將直接輸出所有正確的像素塊。

　　▲ 僅限于文字內容

　　比起 PULSE 主要靠猜，Depix 在原有像素塊基礎上重新排列組合，得到的圖案真實性確實有了很大改善。不過，目前僅限于線性濾波器，即文字內容，人臉圖案等復雜內容暫時還無法還原。

　　實用性不足，一鍵去馬賽克成空談

　　從早期的 JavPlayer、谷歌大腦去馬賽克，到如今的 PULSE、Depix算法去馬賽克，其實還面臨一個嚴峻的問題，即實用性不足。不少在實驗室里驚艷無比的去馬賽克技術，在實際體驗中一塌糊涂。

▲ 谷歌大腦去馬賽克

　　究其原因，在于這些算法都有嚴格的條件限制。去馬賽克的技術就那么幾種，而世間的圖像千千萬萬。PULSE 先放大再猜測補充像素點，其精準程度取決于算法優化的好壞以及深度學習內容庫的全面性。

　　小黑在使用 PULSE 算法的網站 Face Depixelizer Eng 測試，一張簡單emoji表情居然被還原成一個絡腮胡大漢。由此可見， PULSE 算法依靠猜測填充像素點的方式并不準確，一旦深度學習庫沒有收錄該類圖案，得到的結果往往與原圖截然相反

　　Depix 像素重組，還原精準度取決于算法能夠成功找到合適的像素塊，目前來看，Depix 不會出現嚴重的識別錯誤，不過重組像素塊計算量過大，簡單的圖案 Depix 尚能勝任，對于復雜的圖案完全無能為力。

　　至于 Depix 實用網站與軟件，小黑并沒有找到，搜索引擎與應用商店里的搜索結果全部都是虛假內容，沒有一款可以使用。

▲ 虛假APP

　　人工智能技術日新月異，將馬賽克圖案重新還原確實讓人驚嘆不已。不過人工智能畢竟還是基于科學的算法技術，它不是無所不能的魔法，做不到完整還原。

　　目前來看，現有的馬賽克還原技術做不到將面部表情等細節完整還原，頂多可以做到將數字、字母等文字內容還原。因此，我們平時在給關鍵信息打碼的時候一定要注意，先涂鴉再打碼，這樣就不用擔心被去馬賽克工具還原了！

本文關鍵詞：

去馬賽克軟件