Bagaimana saya bisa tahu apakah foto itu asli atau palsu?

Bagaimana saya bisa tahu jika foto telah diedit atau dimanipulasi? Apakah ada teknik untuk membedakan foto asli dari foto palsu?

Apakah ada alat perangkat lunak yang dapat membantu? Adakah hal yang dapat saya lakukan di Photoshop atau perangkat lunak pencitraan lain yang akan membantu mengungkap kebenaran?

Ada beberapa cara untuk [berupaya] menentukan kebenaran suatu gambar, sehubungan dengan apakah itu mewakili tangkapan unik dari satu adegan:

Inkonsistensi tingkat data gambar

Operasi pemrosesan tertentu menghasilkan tanda "tanda tangan" yang tertanam dalam data yang seringkali tidak terlihat oleh mata tetapi dapat diidentifikasi dengan analisis statistik. Contoh terbaik dari ini adalah kompresi gambar lossy, misalnya JPEG. JPEG bekerja di domain frekuensi, menghilangkan frekuensi yang di bawah ambang tertentu, tergantung pada tingkat kompresi. Jadi jika sebuah gambar berisi area yang berbeda dengan pola frekuensi hilang yang berbeda, maka sangat mungkin bahwa itu terdiri dari gambar terpisah yang sebelumnya disimpan pada level kompresi yang berbeda. Teknik ini tidak akan bekerja dalam kasus gambar sumber berkualitas tinggi, atau ketika komposit disimpan pada tingkat kompresi yang jauh lebih tinggi.

Konten gambar berulang

Metode umum untuk menghilangkan objek bekerja dengan menyalin area sekitarnya untuk menutupi sesuatu. Dengan mengidentifikasi area-area dari suatu gambar yang identik dengan area lain adalah tanda pasti dari gangguan. Bahkan jika adegan tersebut berisi detail berulang yang asli, mereka akan berbeda dalam penampilan karena skala / perspektif / pencahayaan / kebisingan. Contoh yang baik dari ini adalah gambar peluncuran rudal Iran, di mana rudal dikloning agar tampak lebih banyak:

Pencahayaan / perspektif yang tidak konsisten

Beberapa gambar tidak mungkin karena ketidakkonsistenan dalam arah pencahayaan, yaitu jika pemandangan jelas menyala dari kiri dan satu objek melemparkan bayangan ke kiri (ke arah sumber cahaya) maka kemungkinan objek telah ditambahkan secara artifisial. Demikian juga dengan perspektif, jika Anda dapat melihat bagian atas dari satu objek tetapi tidak yang lain mereka tidak paralel, atau satu telah dikomputasi. Jenis analisis ini dapat menjadi rumit ketika ada banyak sumber cahaya, atau jika bagian lain dari pemandangan itu adalah menipu (permukaan diasumsikan datar ketika tidak). Foto pendaratan di bulan telah terlibat karena memiliki bayangan dalam arah yang berbeda, namun arah bayangan dapat berbeda ketika dekat dengan sumber cahaya, atau ketika permukaan yang menerima bayangan tidak paralel (seperti permukaan bulan yang bergelombang). Demikian juga analisis perspektif dapat gagal ketika asumsi tertentu (seperti objek berukuran sama, dinding parrellel dll.) Tidak benar. Berikut adalah contoh terkenal, gambar berikut ini tidak dirawat:

Itu hanya terlihat salah

Ini adalah metode yang paling umum dan terkadang paling tidak dapat diandalkan. Otak digunakan untuk melihat informasi gambar * nyata dari mata. Sesuatu dalam gambar tidak terlihat nyata, telah gagal beberapa pencocokan pola internal. Ini bisa berupa pencahayaan yang tidak konsisten, bisa berupa garis besar yang jelas atau warna yang sangat tidak biasa. Alasan pertama pendekatan ini tidak dapat diandalkan adalah karena kamera tidak bekerja dengan cara yang sama seperti mata. Alasan kedua adalah bahwa orang sekarang terbiasa dengan gagasan bahwa gambar biasanya dimanipulasi, dan akan sering mencari inkonsistensi yang tidak ada, mereka akan menganalisis secara berlebihan dan segala sesuatu yang terlihat "aneh" akan diambil sebagai bukti untuk manipulasi.

Psikologi / akal sehat

Akhirnya Anda harus bertanya pada diri sendiri apakah ada motif untuk manipulasi. Apakah pelaku potensial memiliki sesuatu untuk diraih? Apakah masuk akal bahwa foto itu tidak asli? Pendaratan di bulan adalah contoh lain dari hal ini - apakah masuk akal bahwa jumlah orang yang pasti terlibat bisa tetap diam begitu lama?

Tidak satu pun dari teknik-teknik ini (kecuali mungkin inkonsistensi perspektif) berlaku untuk foto-foto adegan nyata yang tidak berdokumen yang mereka sendiri palsu, atau difoto dengan cara untuk menipu pemirsa. Contoh yang baik dari ini adalah gambar Cottingley_Fairies yang terkenal . Dalam hal ini foto-fotonya asli, tetapi peri dibuat dari kartu!

Meskipun Anda tidak tahu pasti, situs fotoforensics.com dapat memberikan beberapa wawasan. Pastikan untuk membaca tutorial dan periksa tautan ini untuk gambar Anda:

Dari analisis mereka, saya kira foto itu belum dirawat.

Saya tidak terkait dengan situs ini, walaupun saya pikir itu hal yang cukup menarik.

Harry Farid http://www.cs.dartmouth.edu/farid/ adalah seorang profesor di Dartmouth yang telah melakukan banyak pekerjaan di bidang ini dan juga mengelola kompilasi karya orang lain di lapangan. Ada sejumlah cara untuk mendeteksi gambar yang dimanipulasi. Untuk jpegs, cara termudah sejauh ini adalah mengunggah gambar ke alat verifikasi yang ada di situsnya :)

Pemeriksaan piksel tersembunyi dan tabel kuantisasi JPEG dapat digunakan untuk menentukan apakah file JPEG telah diubah dari aslinya.

The algoritma kompresi JPEG

Perhatikan bahwa hanya dua langkah yang sengaja dirugikan: penurunan warna dan kuantisasi. Kerugian kecil lainnya adalah hasil dari kesalahan pembulatan. Semua langkah lainnya adalah lossless.

1. Konversi colorspace. Jika diinginkan, informasi warna downsample (Rugi) . Jika tidak downsampled, kehilangan informasi adalah hasil dari kesalahan pembulatan .

2. Segmentasi. Bagilah setiap saluran menjadi 8x8 blok (MCU = Minimal Coding Unit). (Rugi)

   Jika dimensi gambar tidak dapat dibagi 8, gambar harus diisi dengan piksel tambahan untuk membentuk MCU. Pemeriksaan piksel tersembunyi ini dapat memberikan petunjuk tentang sumber gambar.  (Lihat Foto Forensik: Piksel Tersembunyi )

   Catatan: Jika saluran warna di-downsampled, MCU mungkin efektif 16x8, 8x16, atau 16x16, dalam hal gambar asli. Namun, MCU masih 8x8 blok.

3. Discrete Cosine Transform (DCT) pada setiap MCU. Kehilangan informasi adalah hasil dari kesalahan pembulatan .

4. Kuantisasi.  Nilai dalam setiap sel MCU dibagi dengan angka yang ditentukan dalam tabel kuantisasi (DQT). Nilai dibulatkan ke bawah, banyak yang akan menjadi nol. Ini adalah bagian lossy utama dari algoritma.

   Pengaturan yang berbeda pada kamera dan perangkat lunak yang berbeda menggunakan tabel kuantisasi yang berbeda.  Jika DQT tidak konsisten dengan asal yang diklaim, file tersebut tidak mungkin asli. (Lihat Kualitas Kompresi JPEG dari Tabel Kuantisasi )

   Memperkirakan "kualitas" JPEG adalah cara tidak langsung untuk menyimpulkan DQT. Namun, itu tidak pasti. (Lihat Foto Forensik: Perkirakan Kualitas JPEG )

5. Pemindaian Zig-Zag. Atur ulang nilai di setiap MCU menjadi urutan angka mengikuti pola zig-zag. Nol yang terjadi selama kuantisasi akan dikelompokkan bersama. ( Rugi )

6. DPCM = Modulasi Kode Pulsa Diferensial. Ubah urutan angka menjadi bentuk yang lebih mudah untuk dikompres. ( Rugi )

7. RLE = Run Encoding Panjang. Nol berturut-turut dikompresi. (Rugi)

8. Pengodean Entropi / Huffman. (Rugi)

Keperluan

• Pada Windows, JPEG Snoop dapat digunakan untuk memeriksa file JPEG.

• Exiftool juga dapat digunakan untuk melihat tabel kuantisasi:

  exiftool -v3 image.jpg | grep -v RST