调整图片分辨率(ps怎么调整图片分辨率)

郑书景探长

工具

在之前的《查敏》工具教程中，我们介绍了通过“反向搜索”找到视觉图像来源的方法，来判断消息的真假。但有些时候，网上流传的带有误导信息的图片，并不一定是直接复制旧图片的结果，可能存在人为加工和操纵的痕迹。

例如，在阿富汗塔利班的“庆祝执政100天的会议”中，我们首先通过反向图片搜索找到了图片信息的可能来源——一张2020年塔利班谈判代表与时任美国国务卿蓬佩奥会面的现场图片。但仔细观察对比网友传播的图片和原新闻图片，发现前者图片中人物的腹部明显比后者大。这是否意味着网上的图片被剪辑过？有什么方法可以帮助我们实现这个判断呢？

两张图中人物的脸完全可以和背景环境重合，人物对着摄像机的脸是同一个方向。但网图中人物的腹部比原图明显放大了一圈。

答案是，有很多方法。如图片的元数据提取、克隆检测、噪声分析、计算机深度学习模型等。是图像识别的常用手段。

在这里，我们首先介绍一种相对直接且易于掌握的图像认证方法，称为误差水平分析(ELA)。该方法可以通过识别图像各个区域的压缩程度来判断图像是否被数字修改，对于分析JPEG有损图像非常有效。因为有损文件格式不能保持图片颜色不变，第一次保存会造成大量的颜色损失。重新保存的文件在视觉上可能与源图像相同，但确切的像素值会有所不同——ELA的结果是突出显示图像中在重新保存过程中最容易发生颜色退化的区域。

理论上，一张未经编辑的原图，即使保存多次，也应该还是一样的压缩率。在ELA模式下，真实相机的原始图像会出现许多像噪点一样的白点，覆盖整个图像。当图片被反复重新保存时(不是复制，而是实际加载到程序中再次以JPEG格式保存)，图像中的高频和精细细节会丢失，直到图像质量极差，并返回黑ELA结果。同样，如果图像的某个部分与边缘、纹理和表面颜色相似的其他部分具有明显不同的误差水平，则意味着该部分可能在后来被修改过。

在塔利班会见蓬佩奥的原图中，在服装材质和色彩对比相同的情况下，图形轮廓的亮度和对比度基本相同。

顺着这个思路，我们在用ELA识别有损图像时，要注意图像中是否存在边缘、纹理、表面颜色相似，但对比度差异较大的区域，然后将这个区域与反向搜索找到的图像源中对应的区域进行比较，确认两者之间是否存在细节上的差异。

网上有很多工具可以帮助ELA鉴定，比如上一期我们提到的图像鉴定软件InVid，Hacker Factor开发的FotoForensics，Jonas Wagner的29a.ch项目开发的Forensically等等。，具有ELA识别功能。使用这些软件的方法非常简单。只要获取图像并上传到软件，就可以自动获取ELA模式的图像。接下来，我们将以“俄罗斯军队在军事基地放置俄语单词‘xуй’以回应美国卫星的偷拍镜头”为例，通过“?”验证，演示用照片取证识别ELA的过程湃湃“四月下旬。

情况

4月下旬，中国网络上有报道称，为回应美国卫星的偷拍，俄军在其军事地点摆出了俄语“xуй”字样。此前，国内外社交平台上有消息称“谷歌地图自4月18日起以最大分辨率提供所有俄罗斯军事和战略设施的卫星图像”。经核实，”澎湃湃湃湃湃“发现没有这个事情的证据，谷歌否认了相关说法。

借助图片反搜索工具Tineye软件，我们发现网友发布的这张图片至少在2021年12月已经出现过，可见这张图片与今年的俄乌冲突没有直接关系。同时，Tineye搜索结果还确定了另一张与网上图片极为相似的卫星图片，右上角标注了美国卫星服务商MAXAR Technology的水印。美国政治新闻网站政治2021年11月1日援引这张图片称，“一张高分辨率卫星图像显示了俄国叶尔尼耶的装甲部队和配套设备”。

不过，虽然MAXAR的卫星图和网上的图差不多，但细节上还是有区别的。最明显的一个就是网上图片下方的装甲装备形状与卫星图片明显不同，卫星图片右上角标注的“MAXAR”水印已经被切掉。另外，两张图的地貌特征、光影几乎可以完全吻合分布在画面中间的装甲装备的位置。这是否意味着网上的图片是在原来卫星图片的基础上后期修改的？

on:MAXAR科技发布的卫星地图；接下来:互联网上的水印图片。

从网页上下载两张JPEG图片后，我们打开FotoForensics，上传相应的图片。FotoForensics提供了相应图像的ELA结果。

插入图像地址(URL)或上传本地图像。提交后，软件将呈现相应图像的ELA结果。

需要注意的是，FotoForensics等工具不会直接辨别上传的图片是否有剪辑痕迹，这需要验证者结合理论知识自行判断。比如下图，我们可以看到图片中显示“xуй”字样的部分的地理材质和颜色与图片中间放置装甲装备的地方非常接近，但是在ELA模式下显示该字样的部分的对比度高于周围环境，这表明这里的图片很可能经过了更多的处理。

在地理素材和色彩对比相似的情况下，屏幕下方的“xуй”字样的对比度高于周围环境，说明这个区域被处理的更多。

据此，我们不妨看看politico网站引用MAXAR的原图。使用同样的操作后，我们可以发现，在ELA模式下，MAXAR的原图布满了密密麻麻的白点，图纸中放置装甲设备的区域颜色对比几乎没有明显的差异，说明这张图纸几乎没有经过有损保存和后期编辑。相比另外两张，哪张图片更容易从原图中一目了然，所谓的“xуй”字的形状更有可能是网友PS处理的结果。

相比之下，MAXAR卫星影像拍摄的图片中下部显示的图形轮廓，在相同的地理材质和颜色对比条件下，其亮度与周围基本相同。

但是，需要提醒的是，虽然ELA是一种帮助图像识别的优秀手段，但它并不是万能的。例如，单个像素的变化或轻微的颜色调整可能不会产生明显的ELA变化；同时，由于JPEG是在网格上运行的，所以对网格任何部分的任何改变都可能影响整个网格方块。因此，使用ELA可能无法帮助审计员准确识别网格中的哪个像素被修改了；此外，ELA只能识别图像中的哪些区域有不同的压缩级别，但不能识别图像的来源。如果将低质量图像拼接成高质量图片，则低质量图像可能显示为较暗的区域。但是，如果一幅图像经过多次重新保存，已经处于最低误差水平，那么此时使用ELA，只能得到一幅黑色的图像结果，对图像识别不再有意义。

所以在验证的过程中，要认识到ELA只是一种算法，只是图像认证的辅助工具，其对结果的解释可能是不确定的。在正式验证过程中，我们应该始终避免通过单一渠道得出结论。使用各种技术手段和全面的数据和信息对结果进行交叉验证至关重要。想了解更多验证的读者可以在评论区留言，茗茶将在后续报道中竭诚为您服务。

编辑:王良

校对:张燕