Como posso saber se uma foto é real ou falsificada?

Como posso saber se uma foto foi editada ou manipulada? Existem técnicas para distinguir fotos reais de falsificações?

Existem ferramentas de software que podem ajudar? Existem coisas que posso fazer no Photoshop ou em outro software de imagem que ajudarão a revelar a verdade?

Existem várias maneiras de [tentar] determinar a veracidade de uma imagem, se ela representa uma captura exclusiva de uma única cena:

Inconsistências no nível dos dados da imagem

Certas operações de processamento resultam em "assinaturas" reveladoras incorporadas aos dados que geralmente são invisíveis aos olhos, mas podem ser identificadas por análise estatística. O melhor exemplo disso é a compactação de imagem com perdas, por exemplo, JPEG. O JPEG funciona no domínio da frequência, removendo frequências abaixo de um determinado limite, dependendo do nível de compactação. Portanto, se uma imagem contiver áreas distintas com diferentes padrões de frequências ausentes, é altamente provável que seja composta de imagens separadas que foram salvas anteriormente em diferentes níveis de compressão. Essa técnica não funcionará no caso de imagens de origem de alta qualidade ou quando o composto for salvo em um nível de compressão muito maior.

Conteúdo de imagem repetido

Um método comum de remover objetos funciona copiando as áreas circundantes para encobrir algo. Identificar áreas de uma imagem idênticas a outras áreas é um sinal claro de violação. Mesmo que a cena contenha detalhes repetidos genuínos, eles diferem na aparência devido à escala / perspectiva / iluminação / ruído. Um bom exemplo disso é a imagem de lançamento de mísseis iranianos, na qual os mísseis são clonados para parecerem mais numerosos:

Iluminação / perspectiva inconsistentes

Algumas imagens são impossíveis devido a inconsistências na direção da iluminação, ou seja, se a cena estiver claramente iluminada da esquerda e um objeto lançar uma sombra à esquerda (em direção à fonte de luz), é provável que o objeto tenha sido adicionado artificialmente. Da mesma forma com a perspectiva, se você pode ver o topo de um objeto, mas não outro, eles não são paralelos ou foram compilados. Esse tipo de análise pode ser complicado quando existem muitas fontes de luz ou se outras partes da cena são enganoso (as superfícies são consideradas planas quando não são). As fotos do pouso na lua foram implicadas por haver sombras em direções diferentes; no entanto, as direções das sombras podem diferir quando estão próximas a uma fonte de luz ou quando as superfícies que recebem sombras não são paralelas (como a superfície lunar irregular). Da mesma forma, a análise de perspectiva pode falhar quando certas suposições (como objetos têm o mesmo tamanho, paredes são paralelas etc.) estão incorretas. Aqui está um exemplo famoso, a seguinte imagem não é medicada:

Parece errado

Esse é o método mais comum e, às vezes, menos confiável. O cérebro está acostumado a ver informações reais de imagens * dos olhos. Algo na imagem não parece real, falhou em alguma correspondência interna de padrões. Pode ser uma inconsistência sutil de iluminação, pode ser um contorno aparente ou um sombreamento altamente incomum. A primeira razão pela qual essa abordagem não é confiável é que as câmeras não funcionam da mesma maneira que os olhos. A segunda razão é que agora as pessoas estão acostumadas com a idéia de que as imagens são comumente manipuladas e geralmente procuram inconsistências que não existem, elas analisam demais e qualquer coisa que pareça "estranha" será tomada como evidência de manipulação.

Psicologia / senso comum

Finalmente, você deve se perguntar se existe algum motivo para manipulação. O autor em potencial tem algo a ganhar? É mesmo plausível que a foto não seja real? Os pousos na lua são outro exemplo disso - é plausível que o número de pessoas que devem estar envolvidas tenha conseguido permanecer em silêncio por tanto tempo?

Nenhuma dessas técnicas (exceto talvez inconsistência de perspectiva) se aplica a fotografias reais e não registradas de cenas que são falsas ou fotografadas de maneira a enganar o espectador. Um bom exemplo disso são as famosas imagens da Cottingley_Fairies . Nesse caso, as fotografias eram genuínas, mas as fadas eram feitas de cartão!

Embora você não tenha certeza, o site fotoforensics.com pode fornecer algumas dicas. Leia o tutorial e verifique este link para sua imagem:

Pela análise deles, acho que a foto não foi medicada.

Eu não estou associado a este site de qualquer maneira, embora eu ache coisas muito interessantes.

Harry Farid http://www.cs.dartmouth.edu/farid/ é professor em Dartmouth, que trabalhou muito nessa área e também mantém uma compilação do trabalho de outras pessoas no campo. Existem várias maneiras de detectar uma imagem manipulada. Para jpegs, a maneira mais fácil é enviar a imagem para a ferramenta de verificação que ele possui em seu site :)

O exame de pixels ocultos e tabelas de quantização JPEG pode ser usado para determinar se um arquivo JPEG foi alterado em relação ao original.

O algoritmo de compactação JPEG

Observe que apenas duas etapas são intencionalmente com perda: redução de amostras de cores e quantização. Outras pequenas perdas são o resultado de erros de arredondamento. Todas as outras etapas são sem perdas.

1. Converter espaço de cores. Se desejar, reduza a amostra das informações de cores (Perda) . Se não for reduzida, a perda de informações é o resultado de um erro de arredondamento .

2. Segmentação. Divida cada canal em blocos 8x8 (MCU = Unidade de codificação mínima). (Sem perdas)

   Se as dimensões da imagem não forem divisíveis por 8, a imagem precisará ser preenchida com pixels extras para formar as MCUs. O exame desses pixels ocultos pode fornecer uma pista para a fonte das imagens.  (Veja Foto Forensics: pixels ocultos )

   Nota: Se os canais de cores foram redimensionados, as MCUs podem ser efetivamente 16x8, 8x16 ou 16x16, em termos da imagem original. No entanto, os MCUs ainda são todos os blocos 8x8.

3. Transformação discreta de cosseno (DCT) em cada MCU. A perda de informações é o resultado de um erro de arredondamento .

4. Quantização.  O valor em cada célula do MCU é dividido por um número especificado em uma tabela de quantização (DQT). Os valores são arredondados para baixo, muitos dos quais se tornarão zero. Essa é a parte com perdas primária do algoritmo.

   Diferentes configurações em diferentes câmeras e softwares usam diferentes tabelas de quantização.  Se o DQT não for consistente com a origem reivindicada, é improvável que o arquivo seja o original. (Consulte Qualidade de compactação JPEG de tabelas de quantização )

   A estimativa da "qualidade" do JPEG é uma maneira indireta de inferir o DQT. No entanto, não é definitivo. (Consulte Foto Forensics: Estime a qualidade JPEG )

5. Digitalização em zigue-zague. Reorganize os valores em cada MCU em uma sequência de números seguindo um padrão em zigue-zague. Os zeros que ocorreram durante a quantização serão agrupados. (Sem perdas )

6. DPCM = Modulação por código de pulso diferencial. Converta as seqüências numéricas em um formato mais fácil de compactar. (Sem perdas )

7. RLE = Execução de codificação de comprimento. Zeros consecutivos são compactados. (Sem perdas)

8. Codificação de Entropia / Huffman. (Sem perdas)

Serviços de utilidade pública

• No Windows, o JPEG Snoop pode ser usado para examinar arquivos JPEG.

• Exiftool também pode ser usado para visualizar a tabela de quantização:

  exiftool -v3 image.jpg | grep -v RST