Comment savoir si une photo est réelle ou truquée?

10

Comment savoir si une photo a été modifiée ou manipulée? Existe-t-il des techniques pour distinguer les vraies photos des contrefaçons?

Existe-t-il des outils logiciels qui peuvent vous aider? Y a-t-il des choses que je peux faire dans Photoshop ou d'autres logiciels d'imagerie qui aideront à révéler la vérité?

Gururaj T
la source
6
"Je peux le dire grâce aux pixels."
Veuillez lire mon profil
2
Aussi: la version jpg compressée et pleine d'artefacts d'une image est-elle réelle ou non? Une version redressée (qui fait tourner tous les pixels et interpolée) est-elle réelle ou non? Pour des raisons curieuses, après tous ces siècles, lorsque les concepts de réalité et de vérité apparaissent, ils s'avèrent être ... complexes.
Francesco
@Francesco, c'est pourquoi chercher un outil logiciel pour identifier cela ..
Gururaj T
3
Je vais modifier cela pour supprimer complètement l'image bizarre hors contexte et me concentrer sur le général. Si vous voulez en savoir plus sur cette image en particulier, veuillez poster une nouvelle question mais avec une explication de ce qu'elle est censée représenter et pourquoi vous pensez qu'elle pourrait être fausse.
Veuillez lire mon profil
@mattdm, merci pour l'édition, je ne veux pas savoir pour une photo spécifique .. Recherche d'un outil en général. Merci.
Gururaj T

Réponses:

17

Il existe plusieurs façons de [tenter de] déterminer la véracité d'une image, selon qu'elle représente une capture unique d'une seule scène:

Incohérences au niveau des données d'image

Certaines opérations de traitement aboutissent à des «signatures» révélatrices incorporées dans les données qui sont souvent invisibles à l'œil mais peuvent être identifiées par une analyse statistique. Le meilleur exemple de ceci est la compression d'image avec perte, par exemple JPEG. JPEG fonctionne dans le domaine fréquentiel, supprimant les fréquences inférieures à un certain seuil, selon le niveau de compression. Donc, si une image contient des zones distinctes avec différents modèles de fréquences manquantes, il est fort probable qu'elle soit composée d'images distinctes qui ont été précédemment enregistrées à différents niveaux de compression. Cette technique ne fonctionnera pas dans le cas d'images source de haute qualité ou lorsque le composite est enregistré à un niveau de compression beaucoup plus élevé.

Contenu d'image répété

Une méthode courante pour retirer des objets fonctionne en copiant les zones environnantes pour couvrir quelque chose. En identifiant les zones d'une image qui sont identiques à d'autres zones est un signe certain de falsification. Même si la scène contient de véritables détails répétés, leur apparence diffère en raison de l'échelle / de la perspective / de l'éclairage / du bruit. Un bon exemple de cela est l'image de lancement de missile iranien, dans laquelle les missiles sont clonés pour apparaître plus nombreux:

Éclairage / perspective incohérents

Certaines images sont impossibles en raison d'incohérences dans la direction de l'éclairage, c'est-à-dire si la scène est clairement éclairée de gauche et qu'un objet projette une ombre vers la gauche (vers la source lumineuse), il est probable que l'objet a été ajouté artificiellement. De même avec la perspective, si vous pouvez voir le haut d'un objet mais pas un autre, soit ils ne sont pas parallèles, soit un a été compilé. Ce type d'analyse peut être compliqué quand il y a beaucoup de sources lumineuses, ou si d'autres parties de la scène sont trompeuse (les surfaces sont supposées planes lorsqu'elles ne le sont pas). Les photos d'atterrissage sur la lune ont été impliquées pour avoir des ombres dans des directions différentes, mais les directions des ombres peuvent différer lorsqu'elles sont proches d'une source de lumière, ou lorsque les surfaces recevant des ombres ne sont pas parallèles (comme la surface lunaire cahoteuse). De même, l'analyse de perspective peut échouer lorsque certaines hypothèses (telles que les objets sont de taille égale, les murs sont en parallèle, etc.) sont incorrectes. Voici un exemple célèbre, l'image suivante n'est pas trafiquée:

Ça a juste l'air mal

Il s'agit de la méthode la plus courante et parfois la moins fiable. Le cerveau est habitué à voir des informations réelles sur l'image des yeux. Quelque chose dans l'image ne semble pas réel, il a échoué une correspondance de modèle interne. Cela pourrait être une incohérence subtile de l'éclairage, ce pourrait être un contour apparent ou un ombrage très inhabituel. La première raison pour laquelle cette approche n'est pas fiable est que les caméras ne fonctionnent pas de la même manière que l'œil. La deuxième raison est que les gens sont maintenant habitués à l'idée que les images sont généralement manipulées et recherchent souvent des incohérences qui n'existent pas, ils analysent de façon excessive et tout ce qui semble "étrange" sera utilisé comme preuve de manipulation.

Psychologie / bon sens

Enfin, vous devez vous demander s'il existe un motif de manipulation. L'auteur potentiel a-t-il quelque chose à gagner? Est-il même plausible que la photo ne soit pas réelle? Les atterrissages lunaires en sont un autre exemple - est-il plausible que le nombre de personnes qui ont dû être impliquées ait pu garder le silence pendant si longtemps?


Aucune de ces techniques (sauf peut-être l'incohérence de la perspective) ne s'applique aux photographies réelles et non explorées de scènes qui sont elles-mêmes fausses ou photographiées de manière à tromper le spectateur. Un bon exemple de cela est les fameuses images de Cottingley_Fairies . Dans ce cas, les photographies étaient authentiques, mais les fées étaient en carton!

Matt Grum
la source
Wow .. quelle explication ... Super. Merci beaucoup ... Photography Guru :)
Gururaj T
Comment rechercher les incohérences des données d'image?
Veuillez lire mon profil
Cela pourrait être un lien intéressant à explorer: petapixel.com/2013/02/20/… et cela aussi os2.zemris.fer.hr/ostalo/2010_marceta/Diplomski_files/102.pdf
Rmano
7

Bien que vous ne puissiez pas le savoir avec certitude, le site fotoforensics.com peut fournir des informations. Assurez-vous de lire le tutoriel et de vérifier ce lien pour votre image:

D'après leur analyse, je suppose que la photo n'a pas été trafiquée.

Je ne suis pas associé à ce site de toute façon, même si je pense que c'est quelque chose d'assez intéressant.

Jeff
la source
Consultez également cet article de blog . Il traite d'une photo récente et de la façon dont ils ont utilisé le site mentionné par @Jeff.
Roflo
1

Harry Farid http://www.cs.dartmouth.edu/farid/ est professeur à Dartmouth qui a fait beaucoup de travail dans ce domaine et maintient également une compilation du travail des autres dans le domaine. Il existe de nombreuses façons de détecter une image manipulée. Pour les jpegs, le moyen le plus simple est de loin de télécharger l'image sur l'outil de vérification qu'il a sur son site :)

JenSCDC
la source
1

L'examen des pixels cachés et des tableaux de quantification JPEG peut être utilisé pour déterminer si un fichier JPEG a été modifié par rapport à son original.

L' algorithme de compression JPEG

Notez que seules deux étapes sont intentionnellement avec perte: le sous-échantillonnage des couleurs et la quantification. D'autres pertes mineures résultent d'erreurs d'arrondi. Toutes les autres étapes sont sans perte.

  1. Convertissez l'espace colorimétrique. Si vous le souhaitez, sous-échantillonnez les informations de couleur (Lossy) . Si elle n'est pas sous-échantillonnée, la perte d'informations est le résultat d'une erreur d'arrondi .

  2. Segmentation. Divisez chaque canal en blocs 8x8 (MCU = unité de codage minimale). (Sans perte)

    Si les dimensions de l'image ne sont pas toutes les deux divisibles par 8, l'image devra être complétée avec des pixels supplémentaires pour former les MCU. L'examen de ces pixels cachés peut fournir un indice sur la source des images.  (Voir Foto Forensics: Hidden Pixels )

    Remarque: Si les canaux de couleur ont été sous-échantillonnés, les MCU peuvent effectivement être de 16 x 8, 8 x 16 ou 16 x 16, en termes d'image d'origine. Cependant, les MCU sont toujours tous des blocs 8x8.

  3. Transformation cosinus discrète (DCT) sur chaque MCU. La perte d'informations est le résultat d'une erreur d'arrondi .

  4. Quantification.  La valeur dans chaque cellule du MCU est divisée par un nombre spécifié dans une table de quantification (DQT). Les valeurs sont arrondies vers le bas, dont beaucoup deviendront nulles. Il s'agit de la principale partie avec perte de l'algorithme.

    Différents paramètres sur différentes caméras et logiciels utilisent différentes tables de quantification.  Si le DQT n'est pas cohérent avec l'origine revendiquée, il est peu probable que le fichier soit l'original. (Voir Qualité de compression JPEG à partir des tables de quantification )

    L'estimation de la «qualité» JPEG est un moyen indirect d'inférer le DQT. Cependant, ce n'est pas définitif. (Voir Foto Forensics: Estimer la qualité JPEG )

  5. Scan Zig-Zag. Réorganisez les valeurs dans chaque MCU en une séquence de nombres suivant un motif en zig-zag. Les zéros qui se sont produits pendant la quantification seront regroupés. ( Sans perte )

  6. DPCM = modulation différentielle de code d'impulsion. Convertissez les séquences de nombres en une forme plus facile à compresser. ( Sans perte )

  7. RLE = Run Length Encoding. Les zéros consécutifs sont compressés. (Sans perte)

  8. Entropie / codage de Huffman. (Sans perte)

Utilitaires

  • Sous Windows, JPEG Snoop peut être utilisé pour examiner les fichiers JPEG.

  • Exiftool peut également être utilisé pour afficher la table de quantification:

    exiftool -v3 image.jpg | grep -v RST
    
xiota
la source