Далі не призначено для відповіді, а є статистикою, яка допоможе нам вибрати відповідну техніку порівняння зображень на основі характеристик зображень, які ви аналізуєте.
Перший крок - побудувати "дельта-гістограму" наступним чином:
for (x,y) in [0, width] x [0, height] begin
delta = abs( SecondImage(x, y) - FirstImage(x, y) )
hist[delta] += 1
end
Враховуючи сюжет цієї гістограми, ми дізнаємось трохи більше про "масштабність" змін, які ви шукаєте, і зробимо кращі рекомендації.
(Крім того, розмістіть кілька зразкових зображень. Пам’ятайте, що якщо зразки зображень не є тими, що вас цікавлять, ми можемо дати нижчі рекомендації.)
Ви також можете перевірити структурну схожість (SSIM) на наборі зображень і розмістити свої результати тут. Пам'ятайте, що SSIM призначений для імітації здатності людини розпізнавати обструктивність деградації зображення, тому він би визначав пікселяцію, але, можливо, не розмиває.
Якщо ваші зображення не є фотографічними зображеннями (або є науковими зображеннями, які не є звичайними предметами фотографії), також, будь ласка, розмістіть приклади їх двовимірної автокореляції, відповідним чином обрізаним та розміщеним масштабом.
Розпізнавання обличчя - це занадто велика тема, щоб обговорити його в одному запитанні. Розмивання виникає в декількох контекстах при розпізнаванні облич - це може бути питання якості даних, або це може бути зроблено навмисно як проміжний крок в обробці даних.
Під час розпізнавання обличчя ми хочемо виявити особу облич, тому ми повинні ігнорувати відмінності зображень, які не викликані відмінностями особи. Основною категорією відмінностей, які слід ігнорувати при розпізнаванні обличчя, є: поза, освітленість та вираз обличчя.
Загальний підхід до ігнорування невідповідних відмінностей називається нормалізацією , яка намагається застосувати різні операції та перетворення на вхідному зображенні для отримання зображення "канонічного" або "попередньо обробленого", яке, в свою чергу, може бути використане для ідентифікації.
Другий підхід полягає у витягуванні рис із зображень, які є надзвичайно інваріантними, із невідповідних факторів.
Якість зображення обличчя залежить від пристрою зйомки та середовища, де воно було зроблене. Якщо зображення обличчя знімається без співпраці об'єкта (наприклад, із камери безпеки), низька якість зображення є неминучим наслідком і його потрібно виправити програмним забезпеченням, щоб не перешкоджати ідентифікації.
При спільному захопленні комп’ютеризований показник якості зображення хороший: оператор може бути повідомлений про проблеми з якістю і зображення можна повторно зробити.
Розмивання також може бути прикладом зловмисного підробки біометричних даних з метою ухилення від виявлення (поряд із оклюзією та маскуванням). Якщо зображення кодується цифровим способом, для повного вирішення проблеми достатньо цифрової контрольної суми та криптографічного підпису. Якщо розмите зображення подається фізичним друком імперсонатором, для відхилення подібних даних може використовуватися комп’ютеризований показник якості зображення обличчя.
Відсутність 2D-локалізованих особливостей або інтересів у певній частині зображення обличчя може бути ознакою навмисного розмивання.
Однак широкою категорією підробок цифрових зображень (кваліфікованим користувачем програмного забезпечення для редагування зображень) можна боротися лише з криміналістикою цифрових зображень, яка порівнює статистику пікселів із відомими моделями камер.