qumuase / ela

ELA 全称：Error Level Analysis ，汉译为“错误级别分析”或者叫“误差分析”。通过检测特定压缩比率重新绘制图像后造成的误差分布，可用于识别JPEG图像的压缩。

ELA

ELA 全称：Error Level Analysis ，汉译为“错误级别分析”或者叫“误差分析”。通过检测特定压缩比率重新绘制图片后造成的误差分布，可用于识别JPEG图片的压缩。

维基百科：ELA是对JPEG有损压缩的数字数据中的压缩影片进行分析。 ELA技术可参考 Neal Krawetz先生 在其 07年论文 中的详细介绍。

原理

把图片分割成很多8x8个正方形中的1像素点，对每一个小块进行单独的色彩空间转换。每次对 JPG 图片的修改，都会进行第二次转换。两次转换自然会存在差异，ELA 就是靠对比这种差异来判断图片的哪部分被修改过。

• 点，指画面中的重复纹理或者类似数据，重复纹理在ELA分析的时候应该表现出近似的颜色，细节较多的区域数据差异也应该大。
• 线，是不同颜色大面之间的交界线，相同反差边缘应该表现出近似的ELA结果。反差越大，ELA值越高，线条越清晰。
• 面，纯色面不存在差异，也就不存在ELA，黑色或黑色着色。

如果非JPEG图片包含可见的网格线（8×8个正方形中的1像素点），则表示图片由JPEG格式转换为非JPEG格式（例如PNG）。 如果图片是原始PNG，则ELA是边缘和纹理生成非常高的值。如果ELA沿边缘和纹理产生弱结果（黑色或黑色着色），则PNG可能是由JPEG转化而来的。

示例

1. http://www.errorlevelanalysis.com 是专门做ELA分析的网站，可惜现在已经关闭了。但还是保留了一个示例作为参考(请留意嘴唇、衬衫以及眼睛，这些部分与其周围因素是有所不同的，根据推测是经过修改的，区域变亮)：
2. Jonas Wagner 的测试(可以看到假的部分图片明显高亮于其周围区域)：
3. 原始照片在重新保存期间具有高度的变化（高ELA值）。后续的任何操作都将降低ELA值，产生较暗的ELA结果：

原图

原ELA

重新保存一次：

二次保存图

二次保存后ELA

修改图片内容(复制了绿皮书及放置了恐龙玩具)：

修改后图片

修改后ELA

局限性

• ELA只是一种算法，由于其分析压缩的性质，无损压缩的数据（如PNG图片）及图片色彩减少到256色以下(转换为GIF图)，ELA 是没有作用的。
• 如果图片被重新保存多次，那么它可能完全处于最小错误级。在这种情况下，ELA将显示黑色图片，且不能使用该算法来识别修改。 目前这个算法并不是完全可靠的，尤其是经过多次压缩的图片。

拓展

Neal Krawetz先生 的 演讲文档 https://29a.ch/ 也有其他关于图片处理的技术，比如： 自动化图片裁剪主题区域(非暴力裁剪中心区域)的 smartcrop.js 介绍页 | 示例页 | 测试页 | GitHub 图片滤镜 Film Emulator 测试页 | GitHub

参考资料：
· http://www.hackerfactor.com/
· http://www.wired.com/images_blogs/threatlevel/files/bh-usa-07-krawetz.pdf
· http://www.errorlevelanalysis.com/
· http://fotoforensic.com/tutorial-ela.php
· https://29a.ch/
· https://en.wikipedia.org/wiki/Error_level_analysis