【opencv】示例-ela.cpp JPEG图像的错误等级分析(ELA) 通过分析图像压缩后的差异来检测图像是否被篡改过...

a1cc30729ad98f63cc30916e4228049a.jpeg

ela_modified.jpg

8b25165d04578d219e4096b8f3c93775.png

原始ela_modified压缩后再解压得到compressed_img 

71f9dfdab762b3fb56d44efd9dd01a3d.png

差异图像Ela

这段代码的功能是实现JPEG图像的错误等级分析(ELA),通过分析图像压缩后的差异来检测图像是否被篡改过。程序会首先读取一张图片,然后对其应用质量压缩,并比较原始图像与压缩后图像的差异。通过可视化这些差异,可以辅助检测图像是否被修改过。此外,程序包含两个滑动条,允许用户交互性地调整用于显示的缩放比例和压缩质量。

/**
  @file ela.cpp
  @author Alessandro de Oliveira Faria (A.K.A. CABELO)
  @brief 错误等级分析(ELA)技术,可以识别出图像中不同压缩级别的区域。对于JPEG图片,整张图片应当大致在相同的水平。如果图片的某个部分与众不同,表明很可能进行了数字修改。这个例子可以通过压缩错误分析,直观地查看JPG图片的修改情况。有疑问或建议请通过邮件联系Alessandro de Oliveira Faria cabelo[at]opensuse[dot]org或OpenCV团队。
  @date 2018年6月24日
*/


#include <opencv2/highgui.hpp>
#include <iostream>


using namespace cv;


int scale_value = 7; // 初始化缩放值为7
int quality = 95;    // 初始化质量为95
Mat image;           // 定义原始图像的矩阵
Mat compressed_img;  // 定义压缩后的图像矩阵
const char* decodedwin = "the recompressed image"; // 压缩图像窗口标题
const char* diffwin = "scaled difference between the original and recompressed images"; // 差异图像窗口标题


// 处理图像并显示
static void processImage(int , void*)
{
    Mat Ela; // 定义ELA处理结果矩阵


    // JPEG压缩步骤
    std::vector<int> compressing_factor; // 定义压缩因子
    std::vector<uchar> buf; // 定义压缩缓冲区


    compressing_factor.push_back(IMWRITE_JPEG_QUALITY); // 添加JPEG质量压缩参数
    compressing_factor.push_back(quality); // 添加当前质量值


    imencode(".jpg", image, buf, compressing_factor); // 压缩图像


    compressed_img = imdecode(buf, 1); // 解压缩图像


    Mat output;
    absdiff(image,compressed_img,output); // 计算原图与压缩图之间的差异
    output.convertTo(Ela, CV_8UC3, scale_value); // 根据缩放值调整ELA结果的可视化效果


    // 显示处理后的图像
    imshow(decodedwin, compressed_img); // 显示压缩后的图像
    imshow(diffwin, Ela); // 显示差异图像
}


// 主函数
int main (int argc, char* argv[])
{
    CommandLineParser parser(argc, argv, "{ input i | ela_modified.jpg | Input image to calculate ELA algorithm. }"); // 解析命令行参数
    parser.about("\nJpeg Recompression Example:\n"); // 显示程序信息
    parser.printMessage(); // 打印信息


    // 读取一个新图像
    image = imread(samples::findFile(parser.get<String>("input"))); // 读取图像文件


    // 检查图像是否为空
    if (!image.empty())
    {
        processImage(0, 0); // 调用processImage函数处理图像
        createTrackbar("Scale", diffwin, &scale_value, 100, processImage); // 创建一个用于调整缩放值的滑动条
        createTrackbar("Quality", diffwin, &quality, 100, processImage); // 创建一个用于调整质量值的滑动条
        waitKey(0); // 等待用户按键
    }
    else
    {
        std::cout << "> Error in load image\n"; // 如果图像加载失败,打印错误信息
    }


    return 0; // 结束程序
}

1b7c1e88c24c0c5084d9daff82a698d6.png

imencode(".jpg", image, buf, compressing_factor);

763e4643b3cede46cb027f951cd9c75d.png

compressed_img = imdecode(buf, 1);

fbc18145864996a4b327410fbf0c4bdf.png

output.convertTo(Ela, CV_8UC3, scale_value);

a28dd178c9d40051d5be99136cad596e.png

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/532928.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

算法打卡day31

今日任务&#xff1a; 1&#xff09;435.无重叠区间 2&#xff09;763.划分字母区间 3&#xff09;56.合并区间 435.无重叠区间 题目链接&#xff1a;435. 无重叠区间 - 力扣&#xff08;LeetCode&#xff09; 给定一个区间的集合&#xff0c;找到需要移除区间的最小数量&…

自己动手封装axios通用方法并上传至私有npm仓库:详细步骤与实现指南

文章目录 一、构建方法1、api/request.js2、api/requestHandler.js3、api/index.js 二、测试方法1、api/axios.js2、main.js3、app.vue4、vue.config.js5、index.html 三、打包1、配置package.json2、生成库包3、配置发布信息4、发布 四、使用1、安装2、使用 五、维护1、维护和…

AGI的核心对齐问题:能力泛化和急速左转

在解决人工智能对齐&#xff08;alignment&#xff09;的技术挑战时&#xff0c;一个核心问题是确保人工智能系统的行为与人类价值和期望保持一致。 然而&#xff0c;人工智能系统往往在获取更强大的能力时会比在对齐方面更容易实现泛化。换句话说&#xff0c;尽管我们可能能够…

Git 安装和配置

下载 Git 网址: https://git-scm.com/download 安装 Git 双击安装包, 开始安装. 修改安装路径, 选择非中文无空格路径: 开始安装: 安装成功: 配置 Git 安装完成后, 在任意文件夹内, 右键, 可以显示两个 Git 选项, 就说明安装成功了.

数据结构——线性表(链式存储结构)

语言&#xff1a;C语言软件&#xff1a;Visual Studio 2022笔记书籍&#xff1a;数据结构——用C语言描述如有错误&#xff0c;感谢指正。若有侵权请联系博主 一、线性表的逻辑结构 线性表是n个类型相同的数据元素的有限序列&#xff0c;对n>0&#xff0c;除第一元素无直接…

如何用electron(vue)搜索电脑本地wifi

对于搜索本地 WiFi 网络&#xff0c;可以使用 Electron 结合 Node.js 来编写一个简单的应用程序。 以下是一个基本的示例&#xff0c;它使用 Node.js 的 wifi 模块来搜索并列出附近的 WiFi 网络&#xff1a; 首先&#xff0c;确保你已经安装了 Node.js 和 Electron。 然后&am…

【Qt】:对话框(一)

对话框 一.基本的对话框二.自定义对话框三.通过图形化界面自定义对话框四.关于对话框mode 对话框是GUI程序中不可或缺的组成部分。一些不适合在主窗口实现的功能组件可以设置在对话框中。对话框通常是一个顶层窗口&#xff0c;出现在程序最上层&#xff0c;用于实现短期任务或者…

Learning Feature Sparse Principal Subspace 论文阅读

1 Abstract: 这篇论文提出了新的算法来解决特征稀疏约束的主成分分析问题&#xff08;FSPCA&#xff09;&#xff0c;该问题同时执行特征选择和PCA。现有的FSPCA优化方法需要对数据分布做出假设&#xff0c;并且缺乏全局收敛性的保证。尽管一般的FSPCA问题是NP难问题&#xff…

华为海思数字芯片设计笔试第二套

1.声明 下面的题目作答都是自己认为正确的答案&#xff0c;并非官方答案&#xff0c;如果有不同的意见&#xff0c;可以评论区交流。 这些题目也是笔者从各个地方收集的&#xff0c;感觉有些题目答案并不正确&#xff0c;所以在个别题目会给出自己的见解&#xff0c;欢迎大家讨…

Adobe After Effects 2024 v24.3 macOS 视频合成及特效制作软件 兼容 M1/M2/M3

Adobe After Effects 是一款适用于视频合成及特效制作软件,是制作动态影像设计不可或缺的辅助工具,是视频后期合成处理的专业非线性编辑软件。 macOS 12.0及以上版本可用 应用介绍 Adobe After Effects简称 AE 是一款适用于视频合成及特效制作软件,是制作动态影像设计不可或缺…

防止邮箱发信泄露服务器IP教程

使用QQ邮箱,网易邮箱,189邮箱,新浪邮箱,139邮箱可能会泄露自己的服务器IP。 泄露原理&#xff1a;服务器通过请求登录SMTP邮箱服务器接口&#xff0c;对指定的收件人发送信息。 建议大家使用商业版的邮箱&#xff0c;比如阿里云邮箱发信等 防止邮件发信漏源主要关注的是确保邮件…

智能边缘自动化:HDMI接口钡铼ARM工业电脑实践案例

一款具备HDMI接口的高性能ARM工业计算机应运而生&#xff0c;为实现在工业4.0时代的关键数据实时处理与可视化管理提供了强有力的硬件支撑。这款计算机依托其独特的边缘计算能力&#xff0c;完美解决了工业环境中大规模数据传输至云端的高延迟问题&#xff0c;成功实现了OT&…

内网安全--AS-REP Roasting攻击

AS-REP Roasting是一种对用户账号进行离线爆破的攻击方式。但是该攻击方式利用比较局限&#xff0c;因为其需要用户账户设置“不要求Kerberos预身份验证”选项&#xff0c;而该选项是默认没有勾选上的。Kerberos预身份验证发送在Kerberos身份验证的第一阶段(AS_REQ&AS-REP)…

免费的GPT-3.5 API服务aurora

什么是 aurora &#xff1f; aurora 是利用免登录 ChatGPT Web 提供的无限制免费 GPT-3.5-Turbo API 的服务&#xff0c;支持使用 3.5 的 access 调用。 【注意】&#xff1a;仅 IP 属地支持免登录使用 ChatGPT的才可以使用&#xff08;也可以自定义 Baseurl 来绕过限制&#x…

逐步学习Go-sync.RWMutex(读写锁)-深入理解与实战

概述 在并发编程中&#xff0c;我们经常会遇到多个线程或协程访问共享资源的情况。为了保护这些资源不被同时修改&#xff0c;我们会用到"锁"的概念。 Go中提供了读写锁&#xff1a;sync.RWMutex。 sync.RWMutex是Go语言提供的一个基础同步原语&#xff0c;它是Rea…

3D Matching:实现halcon中的find_surface_model

halcon中的三维匹配大致分为两类&#xff0c;一类是基于形状的(Shape-Based)&#xff0c;一类是基于表面的(Surface-Based)。基于形状的匹配可用于单个2D图像中定位复杂的3D物体&#xff0c;3D物体模型必须是CAD模型&#xff0c;且几何边缘清晰可见&#xff0c;使用的相机也要预…

com.intellij.diagnostic.PluginException 问题

关于作者&#xff1a;CSDN内容合伙人、技术专家&#xff0c; 从零开始做日活千万级APP。 专注于分享各领域原创系列文章 &#xff0c;擅长java后端、移动开发、商业变现、人工智能等&#xff0c;希望大家多多支持。 未经允许不得转载 目录 一、导读二、 推荐阅读 一、导读 遇到…

淘宝批量采集商品详情数据(属性丨详情图丨sku丨价格等)

淘宝批量采集商品详情数据&#xff08;包括属性、详情图、SKU、价格等&#xff09;可以通过以下几种方式实现&#xff1a; 使用淘宝数据抓取工具&#xff1a;这类工具&#xff0c;如某鱼等&#xff0c;能够自动化采集淘宝商品数据&#xff0c;并将其转换成CSV、Excel等格式&am…

潍微科技-水务信息管理平台 ChangePwd SQL注入漏洞复现

0x01 产品简介 水务信息管理平台主要帮助水务企业实现水质状态监测、管网运行监控、水厂安全保障、用水实时监控以及排放有效监管,确保居民安全稳定用水、环境有效保护,全面提升水务管理效率。由山东潍微科技股份有限公司研发,近年来,公司全力拓展提升水务、水利信息化业务…

[react] 受控组件和非受控组件

什么是受控? 就是比如一个文本框,你可以随便输入就是受控,他收到状态的影响 <div className"App" >受控<input value{name}></input><br />非受控<input defaultValue{name}></input></div > 你想强行改?浏览器报错!…