马赛克还原神器—Depix,真的有那么神吗?

Depix:还原马赛克工具的试用及总结 背景 一周前发现git上有个叫Depix的项目非常火,可以用来去除马赛克。 好奇之下准备下来试用一下这个工具 参考: https://github.com/beurtschipper/Depix 算法说明:https://www.linkedin.com/pulse/recovering-passwords-from-pixelized-screenshots-sipke-mellema De Bruijn序列:https://damip.net/article-de-bruijn-sequence 说 阅读详情

AI派在读学生小姐姐Beyonce

Java实战项目练习群

长按识别下方二维码,按需求添加

扫码添加Beyonce小姐姐

扫码关注

进Java学习大礼包

Depix 是用于从马赛克中还原密码/英文数字组合的Python工具。

它的官方效果是这样的:

效果非常令人惊艳,恢复后基本和原文图相差无几。但是真的有那么神吗?

01

怎么做到的?

第一步,作者在编辑器中使用了与原图(带有马赛克的图片)相同的字体设置(文本大小,字体,颜色等设置),然后将 debruinseq.txt 内的文字和数字放入编辑器中并截图,这张截图中的所有文字都将被像素化后作为“搜索集”来识别原图中马赛克的真实内容:


第二步,将原图中的马赛克方块切出来成为一个个单个矩形,然后这些矩形将与“搜索集”中的每个块进行比对,找到最正确的结果。

第三步,在对应位置上对搜索集和原图中周围方块的匹配进行几何比较找到最短距离,重复此过程几次,找到最优结果。

接下来,让咱们试试这个Depix,看看是不是真的那么神。

02

安装依赖

源码获取方式如下:

1. 关注下方公众号 我是IT小王子
2. 在 我是IT小王子 公众号后台回复 :depix 即可。

????长按上方二维码 2 秒
回复「depix」即可获取资料

解压下载好的文件得到 Depix-main 文件夹,在命令行中 cd 进入 Depix-main 文件夹,输入命令安装依赖:

pip install -r requirements.txt

03

试一试

首先试一下作者的示例,在Depix-main文件夹下运行以下命令,采用作者的打码图作为识别的目标对象:

images/testimages/testimage3_pixels.png



使用作者生成好的图片作为“搜索集”:

images/searchimages/debruinseq_notepad_Windows10_closeAndSpaced.png


运行以下命令开始识别:

python depix.py -p images/testimages/testimage3_pixels.png -s images/searchimages/debruinseq_notepad_Windows10_closeAndSpaced.png -o output.png

识别结束后会在当前文件夹生成 output.png:


效果还不错,但这是作者提供的图片,如果是我们自己的图片呢?

比如我在编辑器中键入这样的文字再打码,它能识别到吗:

打码:


先使用作者的“搜索集”来解码:

python depix.py -p G:\push\20210114\test.png -s images/searchimages/debruinseq_notepad_Windows10_closeAndSpaced.png -o output.png

结果出来的图基本和打码图没什么变化,基本无效果。

我以为是“搜索集”的问题,比如字体不一样导致无法识别成功。

因此我学作者制作了一个“搜索集”:



然后使用这个搜索集再进行识别:

python depix.py -p G:\push\20210114\test.png -s G:\push\20210114\train1.png -o output.png

依然没有识别成功,出来的结果还是和原图差不多,马赛克基本没少。

后面又试了几次,均没有识别成功。

04

为什么我的马赛克无法被识别?


于是我想知道为什么会这样,就用我自己的马赛克工具和作者打的马赛克做了对比:

我发现,使用我的马赛克图像去进行识别的时候,一样没有任何效果。但是识别作者的马赛克图像,效果却很好。

这时候我有理由相信这个算法发生了“过拟合”,作者对“搜索集”的每个区块进行打码,这个打码的风格是有一定特征的,如果被识别对象的马赛克不符合这个风格,那识别大概率会失败。

所以被识别对象的马赛克一定要符合“搜索集”的打码风格,这样才能被准确地识别出来。换成其他算法生成的马赛克,作者的模型都可能会失效,就比如我刚刚试的那些例子。

尽管如此,随着技术的进步,在未来类似这样的解码器肯定会越来越强大,所以建议大家还是将马赛克打得厚一点,最好是一整块地填充图像破坏原图,这样才不用担心密码被还原之类的事情,比如下面这样才是最安全的。

最后一个问题,这两个被覆盖掉的字是什么?(狗头保命

我们的文章到此就结束啦,如果你喜欢今天的Python 实战教程,请持续关注AI派

文末福利

各位猿们,还在为记不住API发愁吗,哈哈哈,最近发现了国外大师整理了一份Python代码速查表和Pycharm快捷键sheet,火爆国外,这里分享给大家。

这个是一份Python代码速查表

下面的宝藏图片是2张(windows && Mac)高清的PyCharm快捷键一览图

怎样获取呢?可以添加我们的AI派团队的Beyonce小姐姐

一定要备注【高清图】哦

????????????????????

➕我们的Beyonce小姐姐微信要记得备注【高清图】哦

来都来了,喜欢的话就请分享、点赞、在看三连再走吧~~~

使用Depix进行马赛克的消除测试 0. 前言 最近看到各种公众号都在推一个叫Depix的Github项目,用途是能够消除文字马赛克,抱着试试看的态度测试了一下这个项目。 太长不看版:公众号对该项目的效果有一定程度的夸大,但是还是要注意使用各种方法对个人隐私进行保护 项目地址:https://github.com/beurtschipper/Depix 项目自带的Example如下: 这个项目的文档上说,只需要马赛克后的图像,马赛克图像上包含的字符的De Bruijn序列,就可以生成去马赛克的图像。(测试效果如上图所示) 接下来就测试一 阅读详情

相关推荐

别再用Depix了?我实测了这款GitHub万星马赛克还原工具,结果有点意外

本文实测了GitHub上爆火的Depix马赛克还原工具,揭示了其工作原理与局限性。Depix基于Debruijn序列技术,虽在特定条件下能高效还原马赛克,但对字体、马赛克算法一致性要求极高,实际应用中效果参差不齐。文章还探讨了真正安全的隐私保护方案,提醒用户谨慎依赖此类工具。

weixin_42538752的博客 362

马赛克消除工具——Depix实测&资源

前言 笔者本来只是翻了翻微信的公众号,突然发现很多公众号都提高了一个叫做Depix的项目,据说是马赛克的克星,于是好奇的到Github上下载了试试效果,公众号推送相关消息如下: 最近,一个名为 Depix 的 GitHub 项目爆火,上线三天 star 量已经高达 6.9k。项目作者 Sipke Mellema 是一名信息安全顾问。 马赛克 马赛克指现行广为使用的一种图像(视频)处理手段,此手段将影像特定区域的色阶细节劣化并造成色块打乱的效果,因为这种模糊看上去有一个个的小格子组成,便形象的称这种画面为马赛

monster663的博客 10万+

Depix马赛克还原工具实战:为什么我的测试失败了?

本文通过作者对Depix马赛克还原工具的实战测试失败案例,深入剖析了该工具的工作原理与严格适用条件。Depix并非万能,其核心算法仅针对特定的线性框滤波器生成的马赛克有效。文章详细拆解了常见的失败原因,如像素化算法不匹配、字体渲染差异等,并提供了构建可靠测试环境与正确使用流程的实用指南,帮助读者理解工具局限并提升操作成功率。

weixin_29210727的博客 132

可以从马赛克图片中恢复密码的工具软件Depix

GitHub宝藏项目!可以从马赛克图片中恢复密码的工具 Depix 是一个用于从马赛克图片中还原密码的Python工具。该算法利用线性盒滤波器单独处理每个块的内容。对于每个块,它将搜索图像中的所有块像素化,然后检查并匹配相似的内容。 还原过程: 示例图片 GitHub宝藏项目!可以从马赛克图片中恢复密码的工具 1 克隆项目 git clone https://github.com/beurtschipper/Depix.git 2 安装依赖 cd Depix python -m pip install

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 1万+

GitHub爆款项目,去马赛克软件Depix使用

E:\Depix-main>python depix.py -p images/testimages/testimage3_pixels.png -s images/searchimages/debruinseq_notepad_Windows10_closeAndSpaced.png -o output.png INFO:root:Loading pixelated image from images/testimages/testimage3_pixels.png INFO:root:Loadin

Cachel Wood的博客 9071

马赛克去除工具

图像,影音,专业去除马赛克,支持 HD

再厚的马赛克都能被扒干净?这款「去码」神器火了

本文转载自不正经程序员 有人说,马赛克的发明,就是人类文明史上一次重大的“开倒车”。 也有人说,马赛克就是阻碍人类进步的绊脚石。 从功能上讲,马赛克是一种用来遮盖原画面的手段,有利也有弊。 从技术上讲,马赛克的原理是将某一个像素的颜色涂抹到整个范围而造成原画信息丢失。 所以,这个过程是不可逆的。 在个人隐私极其容易泄露的网络时代,大家可能都会使用马赛克来遮盖图片上的敏感信息。 比如身份证号、姓名、地址,用马赛克掩盖后,就能有效达到保护信息安全的目的。 ...

weixin_39787242的博客 1万+

delphi XE在线安装包和注册机

1.解压后使用delphi xe安装包先安装程序。 2.安装完毕, 开启XE, 在注册页面输入安装时的序列号和Registration Code, 点Generate Activation File按钮,获取 破解文件,将此文件放到安装目录\Embarcadero\RAD Studio\8.0\License文件夹下,重开XE即可。

Depix初体验

前情提要 这几天有一个同学给我发了一张马赛克图,问我能不能还原? 图片如上。 我一看,这被马成什么鬼样子了,谁能还原得了? 不过我忽然想到,我在公众号上看到一个名字叫做"Depix"的Github项目。 然而近期在Github上,又出现了一款号称能抹去马赛克让原图重现的神器,引发海内外热议。 这款工具名为Depix,上线没几天就在GitHub上标星已超过一万多,截止目前累计分支也超过了1.3k个。 让它火出圈子的,就是下面这张效果图: 如图所示,第一行是打了一层巨厚马赛克完全像素化后的文本内容,看不出

weixin_50471399的博客 2万+

5分钟搞懂深度学习如何革新声源定位:从GCC-PHAT到DNN的实战对比

本文深入对比了深度学习与传统GCC-PHAT方法在声源定位领域的实战表现。通过具体实验数据,展示了DNN模型在强混响、低信噪比等复杂场景下,如何实现定位准确率的显著提升,并探讨了其数据驱动范式带来的鲁棒性优势与工程部署挑战。

3a9bq4r8t2y的博客 223

GAN网络(论文阅读):Generative Adversarial Nets

当判别器效果比较好时,D(G(z))值为0,则log(1-D(G(z)))值为0,当判别器效果不好,会输出一个大于0 的数,则log(1-D(G(z)))值就为一个负数,在极端情况下,会得到负无穷大,此时判别失误。在价值函数的第二项中存在问题,在早期G比较弱的时,生成的数据和真实数据相差很大,D就容易训练的比较好,很容易区分,就会导致log(1-D(G(z)))变成0 ,这样很难求梯度来优化G,所以更新G时,将优化函数改为log(D(G(z)))。最终使G赢,即G生成的数据D判别不出来。

m0_54248968的博客 2293

再厚的马赛克都能被扒干净?这款开源「去码」神器火了

↑↑↑关注后"星标"简说Python 人人都可以简单入门Python、爬虫、数据分析 简说Python推荐来源:扩展迷EXTFANS Oneoldwatch,l...

简说Python的博客 1万+

静态与动态LACP链路聚合:原理、配置与排错实战指南

链路聚合技术是提升网络带宽与可靠性的核心方案,通过将多个物理端口逻辑捆绑,实现带宽叠加与链路冗余。其原理基于IEEE 802.3ad标准,通过负载均衡算法将数据流分布到不同物理链路,既避免了数据包乱序,又提升了整体吞吐量。该技术的核心价值在于消除单端口瓶颈、提供毫秒级故障切换,并能简化网络拓扑管理。在企业服务器接入、数据中心互联及虚拟化平台等场景中,链路聚合已成为构建高可用网络的基础。实践中,动态LACP模式通过协议报文协商,能主动检测链路故障并防止配置错误导致的网络环路,相比静态聚合更为可靠。本文将深入解

weixin_31412781的博客 270

再厚的马赛克都能被扒干净?这款去码神器火了

这是「进击的Coder」的第 124篇热点新闻作者:okay来源:扩展迷EXTFANS(ID:infinitydaily)“ 阅读本文大概需要 6 分钟。 ”有人说,马赛克的发明,就是人...

静觅 3347

ERA5 hourly data批量下载与cdo处理(一)

本篇文章主要介绍了ERA数据的批量下载

qq_40511689的博客 3872

论文解读--Phase Noise in FMCW Radar Systems

相位噪声是现代雷达、通信、光谱和计量系统的基本性能参数之一。本文提出了一种适用于FMCW雷达系统的相位噪声理论。导出了一个新的设计方程,用于确定雷达系统中允许的源相位噪声电平的最大界。分析了在传输延迟小于参考振荡器相干时间时,相干混频引起的非线性相位噪声去相关函数;讨论了在传输延迟大于参考振荡器相干时间时,目标响应的频谱展宽。提出了收发链中各子系统的影响,并讨论了一种新的ADC相位噪声模型。介绍了相位噪声建模技术,然后将锁相环频率合成器与低噪声频率合成器进行比较,以演示减少相位噪声边带以改善检测和跟踪性能。

奔袭的算法工程师 3767

github | 马赛克去除项目

点击上方“机器学习与生成对抗网络”,关注"星标"获取有趣、好玩的前沿干货!来自:扩展迷EXTFANS(ID:infinitydaily)编辑 脚本之家有人说,马赛克的发明,...

idol24的博客 4387

搞定ESD(二):ESD干扰机理分析

大家好,我是记得诚。上文介绍了ESD的基本知识,对ESD的测试标准进行了解析,包括静电发生器的介绍,实验布置要求,静电放电实验的实施及判定等内容。本文主要介绍ESD的干扰机理。

记得诚 4303

“马赛克”真能去除了?老司机狂喜!

点击“开发者技术前线”,选择“星标”让一部分开发者看到未来有人说,马赛克的发明,就是人类文明史上一次重大的“开倒车”。也有人说,马赛克就是阻碍人类进步的绊脚石。从功能上讲,马赛克是一种用来...

开发者技术前线-DevolperFront 1966

KylinOS 离线安装 MinIO【图文步骤】

在国产操作系统 KylinOS 中安装 MinIO,详细步骤...

甘蓝的专栏 1538

Pareto 优化 (Pareto Optimization) 算法详解及案例分析

Pareto 最优解是指在多目标优化问题中,无法通过改进一个目标而不损害其他目标的解。具体来说,对于一个解x∗x^*x∗,如果不存在另一个解xxx使得所有目标函数fixf_i(x)fi​x都不劣于fix∗f_i(x^*)fi​x∗,且至少有一个目标函数fjxf_j(x)fj​x优于fjx∗f_j(x^*)fj​x∗,则x∗x^*x∗是 Pareto 最优解。

闲人编程的博客 2765
上一篇: 12月面试了10家算法岗,9家都问我C++
下一篇: 用 Python 的 Template 类生成文件报告
Wang_AI
博客等级 码龄12年 997粉丝 162原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值