De 5 bästa verktygen för att hjälpa dig att upptäcka redigerade bilder

Det kan vara svårt att ta reda på om en bild har råkat ut för, men det finns några praktiska gratisverktyg som kan hjälpa. Dessa verktyg gör det lättare att avslöja sanningen bakom bilder, så att du kan se vad som är verkligt och inte. Nedan presenterar vi de bästa verktygen för att upptäcka redigerade bilder och visar dig hur de fungerar.

Bildredigerad ger en tydlig indikation om en uppladdad bild har redigerats. När du väl drar/släpper fotot eller laddar upp det i verktyget kommer du att se en av följande domar; Ja, förmodligen, och nej.

Den kan identifiera vanliga redigeringstekniker, såsom beskärning, storleksändring, rotering, kloning, läkning, suddighet, skärpa, färgjustering, etc.

Bortsett från ett tydligt omdöme kan det visa dig hela rå EXIF-data för din bild, såsom kameramodell, datum, plats och mer. Det kommer också att ge dig en lista över programvara som bilden kan ha modifierats med. Alla dessa funktioner är gratis, men om du letar efter en detaljerad analys kan du kontakta Image Edited-teamet för prissättning.

För att testa det här verktyget laddade vi ner en bild och manipulerade den med en fotoredigerare. Du kan se före (vänster) och efter (höger) på bilden nedan:

Vi laddade sedan upp den redigerade bilden till Image Edited. Här är resultaten vi fick:

Fake Image Detector utför en Error Level Analysis (ELA) för att hitta inkonsekvenser i komprimeringsnivåerna för bilden du har laddat upp. Den tar också hänsyn till en bilds metadata för att kontrollera om en bild har manipulerats.

Gränssnittet är ganska enkelt och användarvänligt. Allt du behöver göra är att ladda upp bilden från din dator och klicka på Skanna nu. Du har ditt resultat inom några sekunder. Observera att, enligt utvecklarna av verktyget, är noggrannheten mellan 60 och 70 procent.

Här är resultatet av den manipulerade bilden vi laddade upp:

FotoForensics är ett av de mest populära alternativen där ute, och det använder olika typer av data som JPEG, ELA och metadata för att bestämma originaliteten hos en bild. Det fungerar lite annorlunda än de flesta andra verktyg du kommer att se online.

När du laddar upp en bild och ber FotoForensics att analysera den börjar processen med Error Level Analysis (ELA). Det första resultatet visas bredvid originalbilden du angav. Om bilden du laddade upp har manipulerats eller ändrats på något sätt, kommer du att se färger i det analyserade resultatet. Men om det är ett orört originalfoto kommer den analyserade bilden bara att ha vit färg.

Dessutom erbjuder FotoForensics en rad alternativa analysmetoder som du kan komma åt via menyn till vänster för en mer exakt analys. Detta kan vara praktiskt om du har att göra med en bild skapad av en av de bästa online AI-fotoredigerare.

Så här analyserade den vårt manipulerade foto:

Ghiro är ett annat verktyg som erbjuder olika metoder för att analysera foton. Dessa inkluderar men är inte begränsade till ELA, generering av hashsammandrag, matchning av hashlistor, signaturmotor och strängextraktion.

Med generering av hashsammandrag skapar verktyget en unik kod för bilden baserat på dess data, som sedan kan användas för att upptäcka bildens status. I hash-listmatchning är det bara du som har bildkoden; du kan tillhandahålla en lista med koder, och den kommer att hitta alla bilder som matchar dessa koder.

Strängextraktion gör att verktyget kan hitta all text som är gömd i bilden, till exempel webbadresser, namn eller datum, och identifiera allt ovanligt. Signaturmotormetoden visar den viktigaste informationen om bilden, till exempel var den togs, vilken kamera som användes, vad som var fokuspunkten och så vidare.

När du använder Ghiro måste du ladda upp bilden som ett av dina projekt. Du kan kontrollera bilderna du har lagt till i avsnittet Bilder i verktyget.

Det är värt att notera att Ghiro kräver nedladdning och installation på din enhet. Detta är ett Linux-verktyg, så om du använder ett annat operativsystem som Windows måste du ha en virtuell maskin som QEMU eller VirtualBox att köra den.

Här är resultaten Ghiro gav oss för vår manipulerade bild:

JPEGsnoop är ett annat nedladdningsbart program, men endast för Windows-användare. När du laddar upp en bild för att analysera i verktyget, presenterar JPEGsnoop omedelbart viktig rubrikinformation som dimensioner och komprimeringsläge. Detta är din första inblick i bildens makeup.

Du kan sedan gräva djupare in i bildens komprimeringsinställningar, visa upp kvantiseringstabeller och Huffman-tabeller. För en mer intressant analys kan du utforska Discrete Cosine Transform (DCT) koefficienter som ger en visuell representation av hur bilden är uppdelad och komprimerad.

En cool funktion är histogrammet, som ger dig en graf över pixelvärden. Detta hjälper till att upptäcka konstiga saker i din bild som kan vara redigeringar eller ändringar.

Här är våra resultat:

Andra sätt att identifiera manipulerade bilder

Även om det kan vara praktiskt att använda speciella detektivverktyg för att hitta bildredigeringar, finns det några andra sätt att göra det manuellt också.

Börja med att ge bilden en bra titt. Leta efter allt som verkar fel, som konstiga färgförändringar eller saker som inte matchar bakgrunden. Redigerade bilder har ofta suddiga kanter eller ser ut som om de har klippts ut och klistrats in, så att zooma in kan hjälpa dig att hitta de där lömska ojämnheterna.

Om du har att göra med ett foto av en folkmassa, håll utkik efter eventuella copy-paste-jobb. Vi har en guide på de olika sätten att manuellt upptäcka redigerade bilder som dyker djupt in i dessa tekniker för att hjälpa dig att bli ett riktigt proffs på att upptäcka manipulerade bilder.

Skilj fakta från fiktion

Falska bilddetektorer kan hjälpa dig att tyda de verkliga historierna bakom pixlarna och undvika att falla för falska nyheter, bedrägerier eller bluffar som använder redigerade bilder. De kan också hjälpa dig att bli en digital detektiv och lära dig mer om historien och sammanhanget för en bild eller förbättra dina egna redigeringsfärdigheter. Ge dessa verktyg en chans och se själv.