pixelar y desenfocar
Degradar partes de la imagen de una manera estéticamente agradable, para anonimizar personas/objetos u ocultar partes del cuerpo.
Censorize funciona en el espacio de color RGB lineal para aplicar un desenfoque gaussiano y un ruido de luminancia gaussianos físicamente precisos.
Además del anonimato, este módulo también se puede utilizar para una amplia gama de propósitos creativos, por ejemplo:
-
Combine un desenfoque simple con un modo de mezcla multiplicar para crear una brillo realista (efecto Orton).
-
Combine un desenfoque simple con un modo de fusión de sustracción y baja opacidad para crear una máscara de enfoque, similar al módulo enfoque pero en un espacio de referencia de escena RGB.
-
Agregue ruido para crear grano artificial.
Nota: Los métodos de anonimización proporcionados por este módulo no son seguros desde el punto de vista forense para favorecer así la estética. Es posible que algunas técnicas forenses aún puedan reconstruir el contenido censurado en función de su estructura, especialmente para formas y texto simples (por ejemplo, placas de matrícula, números de calles).
Si se requiere una anonimización segura desde el punto de vista forense, la única forma de lograrlo es pintar las superficies con un color sólido.
El equipo de darktable no acepta responsabilidad por imágenes mal anonimizadas que conduzcan a la identificación de personas o propiedad personal.
🔗flujo de trabajo
Se recomienda dejar los controles del módulo en sus valores predeterminados mientras enmascara las áreas de la imagen que desea censurar, en para que los detalles de la imagen permanezcan visibles.
🔗controles del módulo
- radio de desenfoque de entrada
- La fuerza de la primera pasada del desenfoque gaussiano.
- radio de pixelación
- El tamaño de los “píxeles grandes” creados después de la primera pasada de desenfoque gaussiano.
- radio de desenfoque de salida
- La fuerza de la segunda pasada del desenfoque gaussiano, aplicada después de la pixelación.
- nivel de ruido
- La fuerza (desviación estándar) del ruido gaussiano de luminancia aplicado después de la segunda pasada del desenfoque gaussiano. Agregar ruido puede falsificar detalles en las regiones borrosas y dificultar la detección de contenido para los algoritmos de inteligencia artificial.