有没有用逆向算法恢复马赛克的可能性？:马赛克是将一个一个方形区域的色彩求平均值，变成纯色。我们用一维数字来比喻，假设一串数字是：314159265358，如果:-马

1

马赛克是将一个一个方形区域的色彩求平均值，变成纯色。

我们用一维数字来比喻，假设一串数字是：314159265358，如果我每三个数求一次平均值，就得到：333555444555。解释：以前三个数314为例，3、1、4的平均值是2.66667，四舍五入为3。所以结果前三个数被替代为333。

很显然，单靠一条马赛克之后的信息，无法精确还原原始信息。这是一个不可逆的过程。

不过，事物是普遍联系的，现实世界很少有孤立的马赛克照片或视频。当一张照片对人物眼睛打码后，我们几乎都知道那是眼睛(傻傻的计算机不一定知道哦)，而且还是两个，基本对称，黑色的(东方人)，有眼珠和瞳孔。这就是典型的通过先验知识，进行脑补。只有像上面例子中333555444555这样完全脱离现实世界的马赛克才无法脑补。

下边这张马赛克图，近看完全不知道是什么。但是眯着眼或把手机放远一点，就能大概看出是个什么了。这就是人类的智慧。

如果计算机也像人类一样大量训练、学习，具备很多先验知识后，它们也可以对一张打码的图片进行“脑补”。最后实现还原，但是这种还原只是猜测。不可能真正还原。目前在深度学习领域，此类技术已经比较成熟。

上边我们似乎主要讨论的是图像，单个图像。而实际上很多的马赛克还出现在视频中。视频是一帧一帧的，比如一秒20帧。那么一个视频，我们就可以收集带同一部位马赛克的成千上万帧，或者说成千上万张截图。

对大量相关联的马赛克进行还原，这对于计算机来说，就变得拥有更大潜能。这种能力甚至超越人类。

我们依然用简单例子说明。最开始提到了314159265358，我们对它打“马赛克”后，使用的“方块”分组是：314.159.265.358，马赛克后333.555.444.555。如果我们移动一位，就变成了3.141.592.653.38，马赛克后3.222.555.555.6，以此类推。那么，三次移位得到三组不同的马赛克结果，最终我们理论上就可以反推出原始的数字信息，类似于求解三元一次方程组。三个方程联立就有很大概率得到唯一解。

视频中的图片帧也是一样的道理，当我们对同一个部位的马赛克进行大量收集，就可以求解出原始信息。

总之，理论上，如果从一个视频中抠出同一个打码对象的大量马赛克图片帧，是可以非常接近真实地逆向的。只不过，目前的技术水平，似乎离这个目标还有一点远。目前主要还是针对孤立的单张图片(或视频帧)尝试复原，还不能结合“上下文”。

但我相信，让人工智能可以结合上下文，动态跟踪视频中的打码对象，进行联立求解，这种技术不会太遥远。

2

怎么说呢，简单来说马赛克就是一个不可逆的过程。从原理上是不可能用逆向算法来恢复马赛克的，因为马赛克本身就会破坏原本图像的色彩数据。

举一个很简单的例子吧，5+5＝10，4+6还是等于10，3+7依然等于10。如果问你5+5、4+6、3+7，你都能得到10这个结果。但如果把这个过程反过来，只告诉你结果是10，你要猜出原来加法式里的两个数只能靠猜，而且猜中的概率微乎其微。

马赛克简单来说就是将邻近像素的色彩数据合并中和，得到一个最终结果。就好像上面举的5+5＝10的例子一样，马赛克化后的图像是加法的结果，原图像素的色彩数据则是5+5的过程。我们看到的大部分图片文件的单个像素数据由三原色组成，三组数据各为0-255的整数，组合起来便是这个像素的色彩数据。马赛克则是将数十乃至数百个像素的色彩数据重组并杂糅起来，随机程度将远远大于我们举的5+5＝10的例子，数据被破坏后逆向复原的难度也将飞速上升。

举一个更加恰切的例子，马赛克后的图片就好比是一个平均数。比如一组数据是1、2、3、4、5，那么我们可以很容易得到它的平均数是3。但如果只告诉你一组由五个数字构成的数据平均数是5，那你在只知道平均数的前提下是没有足够条件去倒推原本数据中的每个具体数值的。

下面可以拿两张中央气象台发布的等压线图举个例子，两张图乍一看几乎是一样的，不过以人的肉眼是完全可以通过观察其中大量的细节差异将二者区分开的。

但在将这两张图片分别打上马赛克、抹去了所有细节之后，你将几乎不可能再区分开这两张图片，更别说要精确地还原那些被抹去的细节了。

逆向还原马赛克处理过的视频和图片同理，而且难度更大（每一帧都要还原）。不过咱们人类可以根据经验在大脑里脑补细节去理解和补全视频画面中的内容，打马赛克对理解的阻碍反倒比图片更小。

不过，通过捕捉图片中物体的一些细节，确实是可以根据经验在一定程度上还原图片里的物体的。

比如上图热成像仪里呈现的图像，颜色是完全失真的，物体的外形有时候也是模糊的。但我们依旧可以通过经验去判断，这是两个人，这是一栋房子，这是一辆车。但例如颜色这些被抹去的细节，我们将无从得知。

结合人工智能技术，现有的去马赛克技术可以达到不影响人们识别和理解图中事物的效果。但这绝非是逆向还原，更多的是以假乱真。

3

谷歌已经有这种算法了。

但是说实话，打马赛克的过程中消除了部分信息，这部分信息是没有留存在图片中的，所以单纯靠这张被打码的图片是不可能还原原始信息的，也就是说这样是不可能恢复原始图片的。

那么谷歌是怎么做的呢？

谷歌的算法其实是利用AI来对被消除的信息进行推测，这个过程和你用肉眼看到打码图片然后进行脑补是一样的。只不过AI算法是根据了海量的其他同类型数据（或者刚好就从互联网上找到了原始图片）进行推测，理论上是比人的脑补要更加可靠的。

但是，这样的算法仍然是不可能100%完全还原原始图片的，如果有幸完全命中，那也只是运气好而已。

4

马赛克背后的影像要是能还原，也就是说用逆向算法来破解去除马赛克，还原图片或者视频最初的状态，那将是一项造福普遍全男人类的伟大发明。

当然有的高手已经做到阅片无数、自然心中无码的化境，这些同学还怕什么马赛克呢？马赛克是人类进步和发展的最大阻碍，就连Google也在尝试解决这个技术难题，以便更好地服务更多的电影爱好者。

马赛克是造成信息丢失不可还原，不过你可以张冠李戴、比如AI换脸

不过遗憾的是，根据计算机理论依据来说这项技术是不可实现的，马赛克算法的原理类似，你知道9+9等于18，但是你能说18一定等于9加9吗？马赛克算法造成的是信息丢失，你只能通过技术去用新的“影像”去替代 ，而不能回到原来的影像。举个例子，假设我们把某个人的眼睛打了马赛克，你就可以自己“PS一个新的眼睛”放到你去除马赛克以后的位置，但是这个图像并不是原来没打马赛克之前的图像，只是你通过自己的自然印象去“脑补”出来的。

现实世界中很多物体的形状你都知道大概是什么样的，比如一棵树、一株稻草、一条牛、一只羊、一只兔子、一只鸟、一条鱼等等，或者拿人来说，每个人的眼睛、鼻子、耳朵、嘴巴等器官都是不同的，可能极少数双胞胎有类似的，除此之外各有特色。可是具象化的某个器官你不会认错，比如你不会把眼睛错认成鼻子，每个器官都有自己各不相同又有类似的特点可以挖，比如鼻子有两个孔，嘴巴里面都有牙齿和舌头。

从这个意义上讲，我们是可以“还原”马赛克的，网上很多女明星“艳照门”都是通过这种方式实现的。很多女明星的脸被很多不怀好意的人，恶意PS到某些色情明星，或者某些裸模的身上，然后通过这种方式去诋毁别人，其实跟我们说的“替代还原马赛克”是一样的道理。

目前Google和英伟达在这一方面做得比较好，基本上可以做到以假乱真的地步。就像AlphaGo一样，AI可以不断地学习和训练，数据库越大那么还原的程度就越接近真实值。同样用一个例子来说明，就拿还原一个中国人的脸型来说，被还原人是男性还是女性、南方人还是北方人，甚至具体到哪个西北的哪个村，东北的哪个屯儿，这样还原程度就会很高。当然可见的区域越多，还原的可能性越大，马赛克覆盖越全面，还原的可能性就越小。

5

马赛克是对图像或视频具有破坏性作用的像素化过程，其中就包括算法和媒体编码数据的破坏。这也是一种不可逆的过程。打码容易，消码难。

逆向算法恢复马赛克理论上是要依托打码软件的算法来反推逆向运算，但打码过程中就伴随着源信息的不可逆损失，图像或视频特征信息丢失后一般也不可恢复了。

而那些宣称能够去除马赛克并还原原始图像的，不否认的确有所效果。但这也只是通常相邻像素猜测并进行填充，实际跟我们人自动脑补的过程是类似的，不过软件在这方面会更加智能化。

就好比谷歌Google Brain团队推出的AI消码系统就是针对马赛克消除的一种应用技术了。通过AI智能计算能力以及凭借机器学习后自动联想猜测图像缺失内容，从色块容差上自动性进行像素填充增加细节内容，并且相应放大像素倍数，从而呈现消除马赛克的图片。

这是一种依靠机器算法来放大像素再填充的方式，更的就是依靠AI系统的积累学习了。当不断被海量的照片内容训练后，也随之产生记忆系统和媒体特征库。再凭借记忆系统就可更有针对性对图像缺失内容进行猜测并还原了。

说到底，这就是一个猜的过程，然后实际应用效果还要看打码程度和特征库有没有更好的细节匹配了。根本也谈不上是逆向算法恢复马赛克。

目前马赛克消除技术是有，但局限性也很多。另外可能也会依靠大数据来搜集图形然后进行关键信息匹配，通过匹配度来快速恢复图像，不过这种就更像是以图搜图了，而并非消码本身。

6

您好，很高兴回答您的问题。

前段时间网上爆出有人搞出了马赛克还原技术，仔细研究了一下，并不是真正的还原

图像打上马赛克的过程某种意义上来说就是图像加密的过程，原始图片中的某个区域的颜色值经过算法计算转化、消除原始图片细节信息，得到一张新图片。这个过程是加密的过程，您所说的恢复马赛克，类似解密过程，有些算法可以逆向，有些则不能逆向，不能逆向的算法，也就不能通过常规方式去除马赛克。

基于机器学习的马赛克还原

上文已经说了，一般传统方式逆向有很大局限性，基本上很难行得通，但是基于AI、基于图像分析学习还倒有可能。人看片看多了，也会达到实际有码，心中无码的境界，机器也是如此，让机器不断的分析图片，记录特征值，通过训练使机器具备看片还原马赛克的功能。实现比较简单，Python很容易上手，但是要做到不把苍老师的片还原成小泽的，那就要看训练样本的大小、合理性了。

总结

去马赛克，逆向算法基本不太现实，机器学习还原还是可行的，与人类一样，要不断的给机器看片、各种各样的片，机器才会对去马赛克越来越专业。

以上感谢您的阅读。

7

我就想知道，你是不是看某些视频需要用到恢复马赛克这种技术。如果是的话，那不用了，找个软件就可以了[呲牙][捂脸][捂脸][捂脸][捂脸]

8

没有什么你所谓的逆向算法，目前消除马赛克的技术是对马赛克区域进行图像预测，也就是通过机器学习成千上万张照片，来预测缺失部分的像素到底是什么。

所以说马赛克区域的预测是基于其他照片学习而产生的，如果马赛克图片和学习的其他图片没有关联性，那么预测的内容也不准确。

比如说一张公鸡的头被打上马赛克，但是你让机器学习几千几万张狗的照片，然后机器就会在马赛克区域还原成狗的头，形成狗头鸡身的奇怪照片。

所以还原是不可能还原的，这辈子都不可能完全还原原像。

9

马赛克只是把坐标像数错位，这个算法在十多年前的电脑报上就介绍过，介于马赛克这种不是处理什么机密性的技术，算法和十多年前应该没什么大变化

10

马赛克是阻挡人类文明进步的产物，在科学向前发展中，特别是人工智能飞速发展的背景下，通过算法来对马赛克进行恢复是完全可以的。

我们都知道有个MD5的加密算法，特别厉害，它被推出的时候，被称之为无法破解。但后来还是被中国的王小云教授给破解了。因此，不要迷信哪些宣称多少加密，多么厉害的算法，不可破解之类的说法。现在破解不了，只是因为现在的破解算法，水平还有待进步。

从哲学的范畴来讲，加密与破解是为了相互制约而存在的，单一方面不可能长久存在，因此恢复马赛克的可能性还是存在的，特别是在人工智能大力发展的情况下，相信要不了多久，大家又可以恢复到无码时代了，真正做到心中无码，眼中也无码的。