我有几种检测修改图像的标准方法，例如
- 亮度梯度
- 复制移动检测
- 元数据提取
- 直方图分析
- ELA(错误级别分析)
- 量化矩阵分析
- 缩略图分析
还有其他标准方法来检测修改后的图像吗？
已尝试
- 查找图片的EXIF，查看图片的创建和修改日期，并检查是否有修改。我还制定了一些关于 EXIF 相机制作和注释验证的规则，以及检查所使用的软件(如 Photoshop、Shotwell 等)的规则。
- 能够分割图像并使用 SLIC(简单线性迭代聚类)找出图像中的相似聚类区域
- 找到像素与亮度梯度不一致较少的最大轮廓，将其标记为潜在的修改区域
- 以 ELA 作为潜在修改区域的最大轮廓
- 检查直方图中是否存在不一致之处，并将其标记为可能已编辑的图像。
这是我的问题
- 是否有任何标准逻辑可以使用元数据验证图像，例如使用创建和修改日期、相机品牌或制造商注释等。因为这些详细信息对于任何给定图像都不一致。
- 找出亮度梯度中像素不一致轮廓最少的图像总能得到经过修改的图像？
- 如果直方图有规律的区间波动，是否可以认为是修改后的图像？
- 如何使用量化矩阵来找出图像异常
- 将缩略图与原始图像进行比较以检查是否不一致的最佳方法是什么？
最佳答案
这个问题的答案需要更详细，因此，我将提供一些主题本身的引用资料，并与您分享您问题的每个部分的代码:
您需要使用 exif 来验证图像 metadata
有关图像中的异常检测，请参阅 here
要将缩略图与原始图像进行比较，请阅读 this 。其中向您展示了如何使用 Python 比较两个图像。
引用文献:
关于python - 查找修改后的图像 - 图像取证，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/58910119/