ELA--学习笔记

1. ELA：错误级别分析，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
2. 原理：
   1. 将图片分割成很多个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。
   2. 每次对JPG的修改，都会进行第二次转换，两次转换之间会存在差异。ELA通过比较差异来判断图片的哪部分被修改过
3. 一些相关定义：
   1. 点：指图像中的重复纹理或类似数据。重复纹理在ELA分析时应该表现出近似的颜色。细节较多的区域数据差异也应该比较大。
   2. 线：不同颜色大面之间的交界线。相同反差边缘应表现出近似的ELA结果。反差越大,ELA值越高，线条越清晰。
   3. 面：纯色面不存在差异，即不存在ELA，表现为黑色或黑色着色。
4. ela识别图像中处于不同压缩级别的区域，对于JPEG图像，整个图片应处于大致相同的级别，如果图像的某个部分处理明显不同的错误级别，则可能表示修改了
5. 非JPEG（如PNG）图片包含可见的网格线（8X8个正方形的1像素点），如果是原始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转换来的。
6.  使用ELA分析得到的结果中：修改过的区域相较于其他地方会变亮
7. 局限性：
   1. ELA只是一种算法，其通过分析压缩来检测的性质对无损压缩的数据（如PNG图片）及图片色彩减少到256色以下（转为GIF图）是无用的。
   2. 如果图片被重复保存多次，则它可能完全处于最小错误级（即ELA将显示黑色图片），无法使用ELA来识别修改。（即ELA无法是被经过多次压缩的图片）
8. 识别图片中不同的高对比度边缘、低对比度边缘，表面和纹理区域，并与ELA结果进行对比，如果存在显著差异，则可能已发生修改。
9. 重新保存JPEG可消除高频，并减少高对比度边缘、纹理和表面之间的差异。质量非常低的JPEG将显得非常暗。
10. 将图像缩放得更小可以增强高对比度边缘，使其在ELA下更亮。同样，使用 Adobe 产品保存 JPEG 将自动锐化高对比度边缘和纹理，使它们看起来比低纹理表面亮得多。
11. 有损压缩通常均匀地应用于一组数据（如图像），所以数据不同部分的压缩级别可能表明数据已被编辑
12. 归纳：

属性	期望值
边缘	相似的边缘在ELA结果中应具有相似的亮度，即所有高对比度边缘应彼此相似，所有低对比度边缘应看起来相似。对于原始照片，所有低对比度边缘应几乎和高对比度边缘一样明亮。
纹理	类似的纹理在ela下应具有相似的颜色，具有更多表面细节的区域（如篮球特写）的ela结果亮度可能高于光滑表面
表面	无论表面的实际颜色，所有平坦的表面在ELA下都应具有大致相同的颜色。

实际有点类似差分计算：差异=原图-进行有损压缩后的图像，然后看亮度。