如果给出原始图像，如何将经过Photoshop处理的部分与图像的其余部分分开？

Question

我正在做一个项目来检测拼接（photoshopped）图像，并希望在伪造区域的边界有 128x128 的补丁。 我有真实的背景图片和伪造的。

如果我只是发现像素值的差异并应用阈值来获得二值图像，我会得到很多噪声（白色部分中的小黑斑，反之亦然），这些噪声无法被cv2.medianBlur()有效去除。 我假设这是因为拼接前后图像的压缩因子不同。 另外，拼接部分中的一些像素与auth中对应的像素相似。 图片。

所以我替换了普通的cv2.threshold()函数，该函数添加了像素的 4 个连接邻居的值，并将其与阈值进行比较。

这是我的阈值函数：

def threshold(image,thresh):
    b,g,r= cv2.split(image)
    res=np.zeros(b.shape,dtype=np.uint8)

    #Not considering boundary pixels for the binary image
    for i in range(1,b.shape[0]-1):
        for j in range(1,b.shape[1]-1):
            sumb = b[i][j] + b[i+1][j] + b[i-1][j] + b[i][j+1] + b[i][j-1] 
            sumg = g[i][j] + g[i+1][j] + g[i-1][j] + g[i][j+1] + g[i][j-1] 
            sumr = r[i][j] + r[i+1][j] + r[i-1][j] + r[i][j+1] + r[i][j-1] 

            res[i][j]=255 if sumb<=5*thresh or sumg<=5*thresh or sumr<=5*thresh else 0

    res=res[1:-1,1:-1]
    res=cv2.copyMakeBorder(res,1,1,1,1,cv2.BORDER_REFLECT_101)
    return res

这确实提供了更好的结果，但不如预期的好。

例如，这是一个真实的图像：

这是拼接的图像：

这是阈值图像（我发现thresh=2是最佳值）：

我尝试通过使用connectedComponentsWithStats()删除具有少量白色像素的组件来删除小组件。

这些是移除小连接组件后的边界：

而预期的图像是：

我可以增加每个组件所需的最小像素数，但是我的数据集中有一些图像的锻造部分很小。

我怎样才能获得比这更好的结果？

另外，是否可以优化我的threshold函数？ 现在处理一张图像至少需要 2 秒！

Answer 1

[我现在没有在我的计算机上安装 OpenCV，所以在 MATLAB 中查看您的图像。 下面的 Python 代码未经测试。]

因为您的图像是相同的，除非进行了有目的的更改（没有考虑缩放或平移），所以可以简单地减去两个图像并查看差异：

res = cv2.absdiff(image,thresh)

如果您显示此内容（带有一些对比度拉伸），您将看到：

正如你所看到的，至少有一个通道在“拼接”区域有很大的差异，在它的外面是一些非常轻的点，由有损压缩引起。

让我们对每个像素取 R、G、B 的最大值：

res = np.amax(res, axis=2)   # (I think OpenCV stores the channels in the 3rd dimension?)

我发现大多数压缩伪像都低于 15，所以让我们设置阈值：

res = res > 15

最后，应用你的cv2.medianBlur()去除最后的噪音。 您也可以尝试在阈值之前应用GaussianBlur() 。