譚淅予

（湖南警察學(xué)院，長沙 410000）

1 研究目的

在數(shù)字圖像作為圖像顯示主導(dǎo)節(jié)奏的時代下，銳化圖像處理是一種常用的處理手段，通常能夠?qū)ε臄z條件受限的照片起到增強作用。二次拼接圖像的處理方法與原因就復(fù)雜許多，可能是多張照片對于場景擴充的橫向拼接，也有可能是利用局部畫面對圖像中某一部分進行篡改。銳化圖像與二次拼接圖像，通常來說都是對圖像的后期處理，改變了圖像的原始性。但在某些情況下，銳化后圖像由于沒有改變圖像的真實性與完整性，因而可以被當做原始圖片，或是與原始圖片一起進行使用，起到增強分辨效果的作用。但是銳化后圖像會改變其主體像素邊緣銳度差異，加上通常這類照片的來源可能本身就經(jīng)過了二次黏貼，或是網(wǎng)上上傳，或是二次翻拍，很少能夠直接檢測到原始文件，從EXIF文件開始著手其原始性，單純觀察起來銳化圖像邊緣會有類似二次拼接圖像邊緣的虛實不一的效果。區(qū)分這一類照片中的像素分辨差別，在放大之后可以在像素形成的塊面中尋找關(guān)于像素的某些規(guī)律，對于直接觀察檢驗圖像內(nèi)容的真?zhèn)危幸欢▽嵱眯Ч?，也減少了對圖像的運算量。

2 銳化圖像技術(shù)與二次拼接圖像處理技術(shù)使用原因

通常需要對圖像進行銳化處理時，大部分原因都是出自圖像模糊。其中可能產(chǎn)生的原因有圖像中關(guān)鍵信息不清晰，主體輪廓模糊；對比反差小，主體本身與圖像背景相似；或是圖像來源于紅外攝影設(shè)備，畫面灰白分布平均；或是由于拍攝時畫面的抖動導(dǎo)致的圖像模糊；以及拍攝時主體告訴運動導(dǎo)致的運動模糊情況；或是在一些可進行圖像質(zhì)量壓縮設(shè)備的處理過程中造成細節(jié)缺損等情況。銳化處理的原理是因為圖像受到了平均運算或是積分運算，高頻分量被衰減，或是分量本身的不足導(dǎo)致的平均運算，所以銳化過程實質(zhì)上是一種逆運算，增加有差異的像素之間的差異性，將衰減的高頻分量以增噪方式還原出來。銳化圖像本身不會對圖像所包含的內(nèi)容產(chǎn)生篡改，因而在輔佐模糊圖像的觀察下是能夠提供一定幫助的。

而二次拼接圖像的處理，主要原因則出自圖像的缺損，或是對主體圖像的改變。其中包括圖片本身的老化、污損、遮擋、裁剪等，二次拼接圖像又能細分為多張照片拼接與局部拼接。多張照片進行拼接處理通常是一種對于畫幅的擴展，其處理手段與局部二次拼接技術(shù)相比有一定相似性且更為簡單，因而在實驗分析二次拼接圖像時，僅以局部拼接處理圖像作為實驗對象。局部拼接圖像主要是用于增加主體，減少主體，或是替換主體內(nèi)容。常見的如人物五官的替換，由于構(gòu)圖的需要對復(fù)數(shù)對象的數(shù)量增加或減少，或是拍攝時氣候條件受限導(dǎo)致的天空畫面置換等。

3 銳化后圖像的像素分布規(guī)律

銳化圖像的像素分布均勻度不會改變，由于圖像的模糊，畫面對比度差異小，主要是通過對有差異的像素進行檢測，增加有差異的像素的差異大小，從而改變像素之間的對比關(guān)系。模糊圖像產(chǎn)生的根本原因是因為圖像受到了平均運算或是積分運算，高頻分量被衰減，或是分量本身的不足導(dǎo)致的平均運算。銳化過程實質(zhì)上是一種逆運算。無論是進行USM銳化或是銳化邊緣能處理，還是進入LAB模式在通道中對LAB圖層進行單獨銳化，再回到RMB圖像模式中進行觀察，圖像本身的像素分布規(guī)律都不改變。色相與LAB閾值都跟著發(fā)生變化，明暗對比度增大，顏色純度提高，因而色相也會跟著發(fā)生偏移。這種循著主體輪廓開始發(fā)生改變的效果可稱之為“邊緣擴散效應(yīng)”。根據(jù)銳化半徑的改變，將改變像素逆運算之后的逆平均效果。當銳化半徑超過像素質(zhì)量本身一定倍率之后，邊緣效應(yīng)將會被擴大，原本因為感知邊緣而在運算中被拉大顏色純度而產(chǎn)生對比的輪廓部分會進一步將這種范圍增加，形成一種類似光暈的效應(yīng)。在不熟悉這種規(guī)律的情況下觀察可能會被擴散衍生的顏色干擾判斷，但反而是顏色和明度對比比較小的部位這種干擾比較小，顏色和明度對比較大的邊緣位置，由于進一步擴大對比，反而造成像素信息的缺損，干擾因而也跟著增大。

其次，有些JPEG圖片自身帶有壓縮特性，因而影響畫面成像質(zhì)量而導(dǎo)致不夠清晰。現(xiàn)今大部分監(jiān)控視頻中直接導(dǎo)出的圖片都是這類壓縮之后的圖片，在軟件中放大觀察圖片像素，可以看到像素分布有些類似將圖片按倍率放大之后的像素擴散效應(yīng)。但這二者之間有所區(qū)別——將圖片按倍率放大之后，由于像素的增補是以周圍像素的平均值進行概率擴散分布，會出現(xiàn)類似圓周輻射的漸變分布。而JPEG壓縮圖片的特征，可以稱之為塊效應(yīng)，是將圖像分割稱8X8像素的子模塊，再對模塊進行相似壓縮處理，減少子模塊中像素差異大小，因而達到壓縮圖像大小的目的。這樣的壓縮方法是舍棄子模塊中大量有差異信息得來的粗糙結(jié)果，子模塊與子模塊之間的過度可能不再自然，因而出現(xiàn)塊狀邊界效應(yīng)。單純的銳化處理很難增加這類圖片的子模塊中信息對比，而是更明顯的作用于子模塊之間的邊緣區(qū)域。

4 二次拼接后圖像的像素分布規(guī)律

二次拼接圖像的圖像來源主要分為兩種：一是圖像本身，二是來源于不同圖像。來源于圖像本身的圖源像素分布是一致的，并且在觀察中，人們通常對同一畫面中出現(xiàn)的兩個完全一致的目標物體有一定關(guān)注性，因而很容易被察覺。或是可以用差值法來對畫面進行檢驗——復(fù)制原圖層之后將圖層調(diào)整為差值模式，再對圖層進行移動觀察，疊加為全黑的部位就是拼接部位，這種通過自相關(guān)法對同圖復(fù)制黏貼的痕跡進行檢驗的方法便捷，但有一定局限性。

通常我們遇到的拼接圖像，無論是否為同圖拼接圖像，都有可能遇到拼接之后再對圖像進行大小，位置，方向的變化。這種情況就不能直接用自相關(guān)法進行檢驗了，數(shù)據(jù)塊匹配或是對陣列進行搜尋的計算量非常大，那么尋找變換后像素是否有一定變化規(guī)律，就成了是否可以直接判斷其篡改拼接痕跡的主要依據(jù)了。

變換后的像素坐標因為先前像素大小差異，可能并不足以進行整數(shù)匹配，因而像素值不能與原圖像中的像素值進行直接匹配，一般是根據(jù)原圖像素對拼接進來的圖像進行變化規(guī)律估算，再進行匹配，也就是一種插入數(shù)據(jù)。這種差值根據(jù)計算量可分為鄰近差值，雙線性差值與雙立方差值。分別以像素本身直接進行插值，以像素的灰度值變化為線性關(guān)系根據(jù)周圍四個像素灰度進行行列兩個方向的插值，以及利用一個立方函數(shù)逼近圖像像素值的變化規(guī)律，對其像素值周圍16個像素的灰度進行估算并安插插值。

這種安插插值的方式對于拼接后的圖像產(chǎn)生的新的像素來說，并不是憑空添加的數(shù)值，而是由周圍像素組合起來之后再進行平均化的像素，與銳化圖像的逆平均化剛好相反。再以拼接變換后圖像的放大與縮小對像素變化進行觀察，能夠發(fā)現(xiàn)，在二次拼接填入的圖像像素值高于原圖時，通過縮小圖像對原圖進行修改，邊緣像素的平均化來源于填入圖像像素的平均化壓縮，因而輪廓會因為像素的概括而顯得更為清晰；若二次拼接填入的圖像像素值低于原圖，通過擴大圖像對原圖進行修改，那么邊緣像素的平均化則來源于填入圖像像素的平均化延伸，這種延伸的概率分布是網(wǎng)格狀的，也就是逐漸擴展，擴展之后的邊緣區(qū)域會顯得更加模糊，造成部分邊緣與原圖有顏色與明度上的混合疊加效果，因而拼接輪廓會顯得更加模糊。

5 銳化圖像與二次拼接后圖像的像素分布差異

根據(jù)對銳化后圖像與二次拼接后圖像像素的規(guī)律觀察，最直接的差異就是銳化圖像中的“邊緣擴散效應(yīng)”可能被擴大的“塊效應(yīng)”形成的效果與二次拼接后圖像中的“插值延伸效應(yīng)”的不同。邊緣擴散效應(yīng)是一種對比度與顏色純度的擴散，范圍在主體邊緣內(nèi)側(cè)與外側(cè)皆會出現(xiàn)；塊效應(yīng)的邊緣一般是正方形像素子模塊周邊產(chǎn)生的不均勻過度，范圍一般延伸自水平方向或是垂直方向；插值延伸效應(yīng)受拼接圖像形狀與拼接圖像與原圖像的像素差異影響，可能會出現(xiàn)銳化型邊緣或是模糊型邊緣，銳化型邊緣一般不會出現(xiàn)純垂直或水平方向的規(guī)則子模塊，模糊型邊緣一般不會有高純度或大對比像素在鄰近區(qū)域分布。

然而有一種情況，在對圖像進行二次拼接時，可能除了放大、縮小、改變位移之外，還用修補工具，仿制圖章工具等對修補區(qū)域進行了篡改，這時候的圖像區(qū)域像素分布會相對均勻，很少出現(xiàn)銳化型邊緣特征點，同時由于對比關(guān)系較小，模糊型邊緣區(qū)域比較難以尋找。這時候可以先尋找原圖中像素是否存在塊效應(yīng)，若存在，那么圖像里塊效應(yīng)被破壞，出現(xiàn)不規(guī)則子模塊排布的區(qū)域，就很可能是拼接區(qū)域。如果原圖與拼接圖像上均不存在塊效應(yīng)區(qū)域，則需要結(jié)合銳化圖像來看像素的分布狀況，利用LAB數(shù)值與像素的色相分布區(qū)間來尋找與周圍像素區(qū)間跨度較異常的區(qū)域進行識別，或是使用運算方式更加精確的方法來分辨圖像了。

6 邊緣像素差異研究的結(jié)論

銳化圖像像素邊緣和二次拼接圖像像素邊緣的差異主要來源于擴散效應(yīng)與擴散效應(yīng)的逆運算差別。銳化圖像時對擴散效應(yīng)的逆運算，而二次拼接圖像則是像素重組之后的擴散效應(yīng)。研究邊緣像素差異的目的是為了更便捷的分辨被篡改圖像的真實性。證明圖像是否被處理過只是圖像檢驗的初始目標，最終目的還是為了分辨出圖像被處理的痕跡在什么地方，了解其篡改處理的過程與方法，在推測其使用的軟件、工具、以及步驟的過程中得到視覺經(jīng)驗，從而得到整合的結(jié)論，來幫助我們更有效率的觀察圖片。這是軟件始終無法替代的能力?，F(xiàn)今軟件檢測的功能日益強大，但篡改修改數(shù)據(jù)、或是圖像處理的方法也在日臻精進，自動化檢測能夠針對的是大部分通?；占盎膯栴}，的確能夠提高對于普及問題的處理效率，但實際上成為困擾，或是容易被忽略的還是特殊個例，不能過度依賴人工智能或是軟件結(jié)論來分析數(shù)據(jù)。