讨厌马赛克？Google 表示你可以"修复它了（组图）

里克将现场找到的一张可疑的照片塞进了 Esper 里面， 一遍又一遍地无损放大照片上的一角，最后在镜子的倒影找到了人造人朱拉。

科幻作品的想象力有时候确实会被当时的科技所局限，1982 年 PC 才刚开始流行，《银翼杀手》没有想象到互联网的出现改变了人类生活的方式，也没能想像出模拟技术会有一天被数字技术取代。

不过它对无损放大图像技术的想象却十分超前，这是一个至今都难以解决的难题。

你可能也遇到过这样的情境：聚会过后朋友们一起拍了一张合照，回去后放大合照想看看老同学的脸，或者当晚喝的饮料品牌，结果看到的却是模糊不清的马赛克。

这是因为当我们将照片放大到一定程度时，局部分辨率已经非常低，看到的都是像素点组成的图像。

我们有可能像 30 年前的幻想那样，从微不足道的「马赛克」提炼出额外的图像信息吗？

Google 的 AI 团队近日的发布的一篇博客里提到了一个新的图片算法，非常接近《银翼杀手》的设想。

不可思议的分辨率提升

一张 64 X 64 像素的照片有多大？以 iPhone 拍摄的 1200 万像素的照片为模版，大约只有其三千分之一的大小，显示在一块高清的屏幕上时，你只会看到满满的「马赛克」。

在数字时代，我们在屏幕里看到的每一个图像都是由密密麻麻的像素组成，单位面积组成图像的像素越多，分辨率就越高，图像也就相应得越清晰。

Google 的 AI 研究人员便在思考，有没有可能从低分辨率提取到足够多的图片信息，用机器学习尽可能还原图片的原貌，提高图片的分辨率，得到一张清晰的图片呢？

在其最近发表的博客 ，Google 展现了其最新的研究成果，从效果来看十分震撼——通过两种不同的算法，能将 64 X 64 像素的照片还原成 1024 X 1024 像素分辨率，并且细节效果非常逼真。

需要指出的是，Google 通过机器学习用算法还原出来的照片与原照片势必会存在一些偏差，但当我们无法获得原始景象（例如过去的老照片）时，一张尽可能贴近真实的「还原」照片确实难能可贵。

根据 Google 的介绍，修复一张「马赛克」照片由两个过程组成——「破坏」与「重组」。

首先，为了尽可能挖掘「马赛克」像素方块的图形细节，Google 的研究人员会先用高斯噪声算法处理试验样本，得到一张完全由噪点组成的「雪花图」，看起来有点像以前模拟电视无信号的画面。

接着，研究人员再利用神经网络算法，逆转高斯噪声的破坏过程，通过反向复原的过程合成新的图像数据，将从纯噪声图尽可能地降噪，得到一张清晰的图片。

图片修复的原理并不复杂，但是其中涉及到的算法并不简单，为了修复出「一比一还原」的高清大图，Google 的研究人员提出了超分辨率算法 SR3 和级联扩散模型 CDM，通过大规模的图片比对学习提高还原的准确性。

值得一提的是，虽然我们一直用「马赛克」来称呼低分辨率的大像素低清图片，但这和真正经过打码的照片有着本质上的差异。

Google 的还原算法之所以能够将低清图片变清晰，本质上是根据图片本身所包含的正确图像信息，通过庞大的数据库里的无数图像进行比对、匹配，最后得到模拟出的近似像素填充。

而当照片被涂抹上马赛克时，图片所包含的图像信息就会发生变化。

马赛克算法简单来说去在一个区域内，按照固定间隔，随机选择像素点的颜色，然后把区域内所有像素的颜色取得平均值，变成新的颜色填在方格里。

经过打码后，原本的像素信息都已丢失，得到的只是随机算出的错误信息，这时再让机器学习去还原，就像是要求它对着一道题目完全出错的试卷做出正确答案，几乎不可能答得出来。

所以如果有人想用 Google 算法挖掘一些被抹掉的隐私信息，可以打消这个念头了。

你已经迈入了未来