如何检测图像是否像素化

之前有人在 SO 上提出过这样的问题：在Python中检测像素化图像 https://stackoverflow.com/questions/12942365/detecting-a-pixelated-image-in-python还有关于quora http://www.quora.com/How-do-I-detect-if-an-image-is-pixelated

我试图找出用户上传的图像是否可以被检测为“像素化”。我所说的像素化是指图像像这些 http://www.caughtinthefire.com/wp-content/uploads/2009/03/fireworks-pixelate-02.gif?：就我而言，我无法访问原始（非像素化）版本。

我的方法:

不确定这种方法有多有效，但如果我可以获取图像中每个像素的 RGB，然后将其与相邻像素进行比较，看看它们是否相似，那么我可以检测到图像是否像素化？我可以获得像素的 RGB，但不知道如何将它们与相邻像素进行比较。

是否已经有可以执行此类操作的算法？我还可以采取其他一些方法吗？我不受任何特定语言的束缚。

这是一个相当简单的可行方法：

1. 从 x 和 y 方向均平移 1 像素的副本中减去图像。
2. 对列和行中的像素求和（我只在下面显示列）。
3. 找出峰值位置的频率和标准偏差。
4. 如果标准偏差低于某个阈值，则图像会像素化。

第 1 步后的图像：

呈现出清晰的网格图案。现在，如果我们按列对像素求和，我们会得到：

Now if we can figure out the regularity of the peak column spacing, and use this as a threshold to determine if the image is pixelated or not.

这里有一些快速而粗略的 python 代码，用于给出一种方法的想法：

import numpy as np
import Image, ImageChops

im = Image.open('fireworks-pixelate-02.gif')    
im2 = im.transform(im.size, Image.AFFINE, (1,0,1,0,1,1))
im3 = ImageChops.subtract(im, im2)
im3 = np.asarray(im3)
im3 = np.sum(im3,axis=0)[:-1]
mean = np.mean(im3)
peak_spacing = np.diff([i for i,v in enumerate(im3) if v > mean*2])
mean_spacing = np.mean(peak_spacing)
std_spacing = np.std(peak_spacing)
print 'mean gap:', mean_spacing, 'std', std_spacing

Output:

mean gap: 14.6944444444 std: 3.23882218342

低标准 = 像素化图像

This unpixelated image:

有一个对应的图是这样的：

yeilding a much higher std:

mean gap: 16.1666666667 std: 26.8416136293

请注意，“平均差距”毫无意义，因为标准差要高得多。

希望这足以说明这种方法可以很好地发挥作用。