Dưới đây không phải là một câu trả lời, nhưng là một thống kê sẽ giúp chúng ta chọn một kỹ thuật so sánh hình ảnh phù hợp dựa trên các đặc điểm của hình ảnh bạn đang phân tích.
Bước đầu tiên là vẽ một "biểu đồ delta" như sau:
for (x,y) in [0, width] x [0, height] begin
delta = abs( SecondImage(x, y) - FirstImage(x, y) )
hist[delta] += 1
end
Đưa ra một biểu đồ của biểu đồ này, chúng ta sẽ biết thêm một chút về "mức độ" của những thay đổi bạn đang tìm kiếm và sẽ đưa ra các khuyến nghị tốt hơn.
(Ngoài ra, hãy đăng một số hình ảnh mẫu. Hãy nhớ rằng nếu hình ảnh mẫu không đại diện cho sự khác biệt hình ảnh mà bạn quan tâm, chúng tôi có thể đưa ra khuyến nghị kém hơn.)
Bạn cũng có thể kiểm tra Độ tương tự cấu trúc (SSIM) trên bộ ảnh của mình và đăng kết quả của bạn tại đây. Hãy nhớ rằng SSIM được thiết kế để bắt chước khả năng của con người trong việc nhận ra sự tắc nghẽn của suy giảm hình ảnh, do đó, nó sẽ phát hiện pixel nhưng có thể không làm mờ.
Nếu hình ảnh của bạn không phải là hình ảnh chụp ảnh (hoặc, là hình ảnh khoa học không phải là chủ đề thông thường của nhiếp ảnh), thì vui lòng đăng các ví dụ về tự động 2D, cắt xén và chia tỷ lệ phù hợp.
Nhận dạng khuôn mặt là một chủ đề quá lớn để được thảo luận trong một câu hỏi duy nhất. Làm mờ phát sinh trong nhiều bối cảnh trong nhận dạng khuôn mặt - nó có thể là một vấn đề chất lượng dữ liệu hoặc nó có thể được thực hiện có chủ ý như một bước trung gian trong xử lý dữ liệu.
Trong nhận dạng khuôn mặt, chúng tôi muốn phát hiện danh tính của khuôn mặt, do đó chúng tôi phải bỏ qua sự khác biệt hình ảnh không phải do sự khác biệt nhận dạng. Các loại cơ bản của sự khác biệt nên được bỏ qua trong nhận dạng khuôn mặt là: tư thế, chiếu sáng và biểu hiện trên khuôn mặt.
Một cách tiếp cận chung để bỏ qua những khác biệt không liên quan được gọi là chuẩn hóa , trong đó cố gắng áp dụng các hoạt động và biến đổi khác nhau trên hình ảnh đầu vào để có được hình ảnh "chuẩn" hoặc "được xử lý trước", từ đó có thể được sử dụng để nhận dạng.
Cách tiếp cận thứ hai là trích xuất các tính năng từ các hình ảnh rất bất biến từ các yếu tố không liên quan.
Chất lượng của hình ảnh khuôn mặt tùy thuộc vào thiết bị chụp và môi trường nơi nó được chụp. Khi hình ảnh khuôn mặt được chụp mà không có sự hợp tác của đối tượng (chẳng hạn như từ camera an ninh), chất lượng hình ảnh kém là hậu quả không thể tránh khỏi và phải được khắc phục bằng phần mềm để không cản trở nhận dạng.
Trong chụp hợp tác, một thước đo chất lượng hình ảnh được vi tính hóa là tốt: người vận hành có thể được thông báo về các vấn đề chất lượng và hình ảnh có thể được chụp lại.
Làm mờ cũng có thể là một ví dụ về việc giả mạo sinh trắc học độc hại để trốn tránh sự phát hiện (cùng với việc che giấu và ngụy trang). Nếu hình ảnh được mã hóa kỹ thuật số, tổng kiểm tra kỹ thuật số và chữ ký mã hóa là đủ để giải quyết vấn đề hoàn toàn. Nếu hình ảnh mờ được gửi trong bản in vật lý bởi một kẻ mạo danh, một thước đo máy tính về chất lượng hình ảnh khuôn mặt có thể được sử dụng để từ chối các bài nộp đó.
Việc thiếu các tính năng có thể định vị 2D hoặc các điểm quan tâm trong một phần nhất định của hình ảnh khuôn mặt có thể là một dấu hiệu làm mờ có chủ ý.
Tuy nhiên, danh mục giả mạo hình ảnh kỹ thuật số (bởi một người sử dụng thành thạo phần mềm chỉnh sửa hình ảnh), chỉ có thể được xử lý bằng pháp y hình ảnh kỹ thuật số so sánh thống kê pixel với các mẫu máy ảnh đã biết.