¿Cómo puedo saber si una foto es real o falsa?

¿Cómo puedo saber si una foto ha sido editada o manipulada? ¿Existen técnicas para distinguir fotos reales de falsificaciones?

¿Existen herramientas de software que pueden ayudar? ¿Hay cosas que pueda hacer en Photoshop u otro software de imágenes que ayuden a revelar la verdad?

Hay varias formas de [intentar] determinar la veracidad de una imagen, con respecto a si representa una captura única de una sola escena:

Incoherencias de nivel de datos de imagen

Ciertas operaciones de procesamiento resultan en "firmas" reveladoras incrustadas en los datos que a menudo son invisibles para el ojo pero que pueden identificarse mediante análisis estadístico. El mejor ejemplo de esto es la compresión de imagen con pérdida, por ejemplo, JPEG. JPEG funciona en el dominio de la frecuencia, eliminando las frecuencias que están por debajo de cierto umbral, dependiendo del nivel de compresión. Entonces, si una imagen contiene áreas distintas con diferentes patrones de frecuencias faltantes, es muy probable que esté compuesta de imágenes separadas que se guardaron previamente en diferentes niveles de compresión. Esta técnica no funcionará en el caso de imágenes fuente de alta calidad, o cuando el compuesto se guarde en un nivel de compresión mucho más alto.

Contenido repetido de la imagen

Un método común para eliminar objetos funciona copiando las áreas circundantes para cubrir algo. Identificar áreas de una imagen que son idénticas a otras áreas es un signo seguro de manipulación. Incluso si la escena contiene detalles repetidos genuinos, diferirán en apariencia debido a la escala / perspectiva / iluminación / ruido. Un buen ejemplo de esto es la imagen de lanzamiento de misiles iraníes, en la que los misiles se clonan para aparecer más numerosos:

Iluminación / perspectiva inconsistente

Algunas imágenes son imposibles debido a inconsistencias en la dirección de la iluminación, es decir, si la escena está claramente iluminada desde la izquierda y un objeto proyecta una sombra hacia la izquierda (hacia la fuente de luz), entonces es probable que el objeto se haya agregado artificialmente. Del mismo modo con la perspectiva, si puede ver la parte superior de un objeto pero no otro, no son paralelos o se ha incluido uno. Este tipo de análisis puede ser complicado cuando hay muchas fuentes de luz o si hay otras partes de la escena engañoso (se supone que las superficies son planas cuando no lo son). Las fotos de alunizaje han sido implicadas por tener sombras en diferentes direcciones, sin embargo, las direcciones de las sombras pueden diferir cuando están cerca de una fuente de luz, o cuando las superficies que reciben sombras no son paralelas (como la superficie lunar con baches). Del mismo modo, el análisis de perspectiva puede fallar cuando ciertas suposiciones (como los objetos son del mismo tamaño, las paredes son paralelas, etc.) son incorrectas. Aquí hay un ejemplo famoso, la siguiente imagen no está alterada:

Simplemente se ve mal

Este es el método más común y, a veces, el menos confiable. El cerebro está acostumbrado a ver información de imagen real * de los ojos. Algo en la imagen no parece real, ha fallado alguna coincidencia interna de patrones. Podría ser una inconsistencia sutil de la iluminación, podría ser un contorno aparente o un sombreado muy inusual. La primera razón por la cual este enfoque no es confiable es que las cámaras no funcionan de la misma manera que el ojo. La segunda razón es que las personas ahora están acostumbradas a la idea de que las imágenes son comúnmente manipuladas, y a menudo buscarán inconsistencias que no están allí, analizarán en exceso y cualquier cosa que parezca "extraña" se tomará como evidencia de manipulación.

Psicología / sentido común

Finalmente, debe preguntarse si existe algún motivo para la manipulación. ¿El potencial perpetrador tiene algo que ganar? ¿Es incluso plausible que la foto no sea real? Los alunizajes son otro ejemplo de esto: ¿es plausible que la cantidad de personas que deben haber estado involucradas hayan podido permanecer en silencio durante tanto tiempo?

Ninguna de estas técnicas (excepto quizás la inconsistencia de la perspectiva) se aplica a fotografías reales y sin retoques de escenas que son falsas o fotografiadas para engañar al espectador. Un buen ejemplo de esto son las famosas imágenes de Cottingley_Fairies . En este caso las fotografías eran genuinas, ¡pero las hadas estaban hechas de cartón!

Si bien no puede estar seguro, el sitio fotoforensics.com puede proporcionar alguna información. Asegúrese de leer el tutorial y verifique este enlace para ver su imagen:

Según su análisis, supongo que la foto no ha sido manipulada.

De todos modos, no estoy asociado con este sitio, aunque creo que es algo bastante interesante.

Harry Farid http://www.cs.dartmouth.edu/farid/ es profesor en Dartmouth que ha realizado un gran trabajo en esta área y también mantiene una compilación del trabajo de otros en el campo. Hay muchas maneras de detectar una imagen manipulada. Para jpegs, la forma más fácil es subir la imagen a la herramienta de verificación que tiene en su sitio :)

El examen de los píxeles ocultos y las tablas de cuantificación JPEG pueden usarse para determinar si un archivo JPEG ha sido alterado de su original.

El algoritmo de compresión JPEG

Tenga en cuenta que solo dos pasos tienen pérdidas intencionales: disminución de color y cuantización. Otras pérdidas menores son el resultado de errores de redondeo. Todos los demás pasos son sin pérdidas.

1. Convertir espacio de color. Si lo desea, disminuya la información de color (con pérdida) . Si no se disminuye la muestra, la pérdida de información es el resultado de un error de redondeo .

2. Segmentación. Divida cada canal en bloques de 8x8 (MCU = Unidad de codificación mínima). (Sin pérdida)

   Si las dimensiones de la imagen no son divisibles por 8, la imagen deberá rellenarse con píxeles adicionales para formar las MCU. El examen de estos píxeles ocultos puede proporcionar una pista sobre la fuente de las imágenes.  (Ver Foto Forense: Píxeles ocultos )

   Nota: Si los canales de color se redujeron, las MCU pueden ser efectivamente 16x8, 8x16 o 16x16, en términos de la imagen original. Sin embargo, las MCU todavía son todos bloques 8x8.

3. Transformación discreta de coseno (DCT) en cada MCU. La pérdida de información es el resultado de un error de redondeo .

4. Cuantización  El valor en cada celda de la MCU se divide por un número especificado en una tabla de cuantificación (DQT). Los valores se redondean hacia abajo, muchos de los cuales se convertirán en cero. Esta es la porción primaria con pérdida del algoritmo.

   Las diferentes configuraciones en diferentes cámaras y software utilizan diferentes tablas de cuantificación.  Si el DQT no es consistente con el origen reclamado, es poco probable que el archivo sea el original. (Consulte Calidad de compresión JPEG de las tablas de cuantización )

   Estimar la "calidad" JPEG es una forma indirecta de inferir el DQT. Sin embargo, no es definitivo. (Ver Foto Forensics: Estimar calidad JPEG )

5. Escaneo en zigzag. Reorganice los valores en cada MCU en una secuencia de números siguiendo un patrón en zig-zag. Los ceros que ocurrieron durante la cuantización se agruparán. (Sin pérdida )

6. DPCM = Modulación diferencial de código de pulso. Convierta las secuencias numéricas en una forma que sea más fácil de comprimir. (Sin pérdida )

7. RLE = Ejecutar codificación de longitud. Los ceros consecutivos están comprimidos. (Sin pérdida)

8. Entropía / Codificación Huffman. (Sin pérdida)

Utilidades

• En Windows, JPEG Snoop puede usarse para examinar archivos JPEG.

• Exiftool también se puede usar para ver la tabla de cuantificación:

  exiftool -v3 image.jpg | grep -v RST