耗子扛刀一路找貓
我就想知道，你是不是看某些視頻需要用到恢復馬賽克這種技術。如果是的話，那不用了，找個軟件就可以了[呲牙][捂臉][捂臉][捂臉][捂臉]
南風隨異地
馬賽克是將一個一個方形區域的色彩求平均值，變成純色。
我們用一維數字來比喻，假設一串數字是：314159265358，如果我每三個數求一次平均值，就得到：333555444555。解釋：以前三個數314為例，3、1、4的平均值是2.66667，四捨五入為3。所以結果前三個數被替代為333。
很顯然，單靠一條馬賽克之後的信息，無法精確還原原始信息。這是一個不可逆的過程。
不過，事物是普遍聯繫的，現實世界很少有孤立的馬賽克照片或視頻。當一張照片對人物眼睛打碼後，我們幾乎都知道那是眼睛(傻傻的計算機不一定知道哦)，而且還是兩個，基本對稱，黑色的(東方人)，有眼珠和瞳孔。這就是典型的通過先驗知識，進行腦補。只有像上面例子中333555444555這樣完全脫離現實世界的馬賽克才無法腦補。
下邊這張馬賽克圖，近看完全不知道是什麼。但是眯著眼或把手機放遠一點，就能大概看出是個什麼了。這就是人類的智慧。
如果計算機也像人類一樣大量訓練、學習，具備很多先驗知識後，它們也可以對一張打碼的圖片進行“腦補”。最後實現還原，但是這種還原只是猜測。不可能真正還原。目前在深度學習領域，此類技術已經比較成熟。
上邊我們似乎主要討論的是圖像，單個圖像。而實際上很多的馬賽克還出現在視頻中。視頻是一幀一幀的，比如一秒20幀。那麼一個視頻，我們就可以收集帶同一部位馬賽克的成千上萬幀，或者說成千上萬張截圖。
對大量相關聯的馬賽克進行還原，這對於計算機來說，就變得擁有更大潛能。這種能力甚至超越人類。
我們依然用簡單例子說明。最開始提到了314159265358，我們對它打“馬賽克”後，使用的“方塊”分組是：314.159.265.358，馬賽克後333.555.444.555。如果我們移動一位，就變成了3.141.592.653.38，馬賽克後3.222.555.555.6，以此類推。那麼，三次移位得到三組不同的馬賽克結果，最終我們理論上就可以反推出原始的數字信息，類似於求解三元一次方程組。三個方程聯立就有很大概率得到唯一解。
視頻中的圖片幀也是一樣的道理，當我們對同一個部位的馬賽克進行大量收集，就可以求解出原始信息。
總之，理論上，如果從一個視頻中摳出同一個打碼對象的大量馬賽克圖片幀，是可以非常接近真實地逆向的。只不過，目前的技術水平，似乎離這個目標還有一點遠。目前主要還是針對孤立的單張圖片(或視頻幀)嘗試復原，還不能結合“上下文”。
但我相信，讓人工智能可以結合上下文，動態跟蹤視頻中的打碼對象，進行聯立求解，這種技術不會太遙遠。
犍為真人
馬賽克是對圖像或視頻具有破壞性作用的像素化過程，其中就包括算法和媒體編碼數據的破壞。這也是一種不可逆的過程。打碼容易，消碼難。
逆向算法恢復馬賽克理論上是要依託打碼軟件的算法來反推逆向運算，但打碼過程中就伴隨著源信息的不可逆損失，圖像或視頻特徵信息丟失後一般也不可恢復了。
而那些宣稱能夠去除馬賽克並還原原始圖像的，不否認的確有所效果。但這也只是通常相鄰像素猜測並進行填充，實際跟我們人自動腦補的過程是類似的，不過軟件在這方面會更加智能化。
就好比谷歌Google Brain團隊推出的AI消碼系統就是針對馬賽克消除的一種應用技術了。通過AI智能計算能力以及憑藉機器學習後自動聯想猜測圖像缺失內容，從色塊容差上自動性進行像素填充增加細節內容，並且相應放大像素倍數，從而呈現消除馬賽克的圖片。
這是一種依靠機器算法來放大像素再填充的方式，更的就是依靠AI系統的積累學習了。當不斷被海量的照片內容訓練後，也隨之產生記憶系統和媒體特徵庫。再憑藉記憶系統就可更有針對性對圖像缺失內容進行猜測並還原了。
說到底，這就是一個猜的過程，然後實際應用效果還要看打碼程度和特徵庫有沒有更好的細節匹配了。根本也談不上是逆向算法恢復馬賽克。
目前馬賽克消除技術是有，但侷限性也很多。另外可能也會依靠大數據來蒐集圖形然後進行關鍵信息匹配，通過匹配度來快速恢復圖像，不過這種就更像是以圖搜圖了，而並非消碼本身。
IT小眾
當你閱盡天下A片心中自然可以達到無碼的境界。逆算？實在太麻煩了！
星空下的傳說20180213
馬賽克背後的影像要是能還原，也就是說用逆向算法來破解去除馬賽克，還原圖片或者視頻最初的狀態，那將是一項造福普遍全男人類的偉大發明。
當然有的高手已經做到閱片無數、自然心中無碼的化境，這些同學還怕什麼馬賽克呢？馬賽克是人類進步和發展的最大阻礙，就連Google也在嘗試解決這個技術難題，以便更好地服務更多的電影愛好者。
馬賽克是造成信息丟失不可還原，不過你可以張冠李戴、比如AI換臉
不過遺憾的是，根據計算機理論依據來說這項技術是不可實現的，馬賽克算法的原理類似，你知道9+9等於18，但是你能說18一定等於9加9嗎？馬賽克算法造成的是信息丟失，你只能通過技術去用新的“影像”去替代 ，而不能回到原來的影像。舉個例子，假設我們把某個人的眼睛打了馬賽克，你就可以自己“PS一個新的眼睛”放到你去除馬賽克以後的位置，但是這個圖像並不是原來沒打馬賽克之前的圖像，只是你通過自己的自然印象去“腦補”出來的。
現實世界中很多物體的形狀你都知道大概是什麼樣的，比如一棵樹、一株稻草、一條牛、一隻羊、一隻兔子、一隻鳥、一條魚等等，或者拿人來說，每個人的眼睛、鼻子、耳朵、嘴巴等器官都是不同的，可能極少數雙胞胎有類似的，除此之外各有特色。可是具象化的某個器官你不會認錯，比如你不會把眼睛錯認成鼻子，每個器官都有自己各不相同又有類似的特點可以挖，比如鼻子有兩個孔，嘴巴里面都有牙齒和舌頭。
從這個意義上講，我們是可以“還原”馬賽克的，網上很多女明星“豔照門”都是通過這種方式實現的。很多女明星的臉被很多不懷好意的人，惡意PS到某些色情明星，或者某些裸模的身上，然後通過這種方式去詆譭別人，其實跟我們說的“替代還原馬賽克”是一樣的道理。
目前Google和英偉達在這一方面做得比較好，基本上可以做到以假亂真的地步。就像AlphaGo一樣，AI可以不斷地學習和訓練，數據庫越大那麼還原的程度就越接近真實值。同樣用一個例子來說明，就拿還原一箇中國人的臉型來說，被還原人是男性還是女性、南方人還是北方人，甚至具體到哪個西北的哪個村，東北的哪個屯兒，這樣還原程度就會很高。當然可見的區域越多，還原的可能性越大，馬賽克覆蓋越全面，還原的可能性就越小。
EmacserVimer
谷歌已經有這種算法了。
但是說實話，打馬賽克的過程中消除了部分信息，這部分信息是沒有留存在圖片中的，所以單純靠這張被打碼的圖片是不可能還原原始信息的，也就是說這樣是不可能恢復原始圖片的。
那麼谷歌是怎麼做的呢？
谷歌的算法其實是利用AI來對被消除的信息進行推測，這個過程和你用肉眼看到打碼圖片然後進行腦補是一樣的。只不過AI算法是根據了海量的其他同類型數據（或者剛好就從互聯網上找到了原始圖片）進行推測，理論上是比人的腦補要更加可靠的。
但是，這樣的算法仍然是不可能100%完全還原原始圖片的，如果有幸完全命中，那也只是運氣好而已。
不會編彙編
反捲積加時序網絡就能腦補出來。我一直想做一個這樣的軟件，但是怕警察找啊
自然語言理解測試018號
馬賽克只是把座標像數錯位，這個算法在十多年前的電腦報上就介紹過，介於馬賽克這種不是處理什麼機密性的技術，算法和十多年前應該沒什麼大變化
大愚若智19682059
沒有什麼你所謂的逆向算法，目前消除馬賽克的技術是對馬賽克區域進行圖像預測，也就是通過機器學習成千上萬張照片，來預測缺失部分的像素到底是什麼。
所以說馬賽克區域的預測是基於其他照片學習而產生的，如果馬賽克圖片和學習的其他圖片沒有關聯性，那麼預測的內容也不準確。
比如說一張公雞的頭被打上馬賽克，但是你讓機器學習幾千幾萬張狗的照片，然後機器就會在馬賽克區域還原成狗的頭，形成狗頭雞身的奇怪照片。
所以還原是不可能還原的，這輩子都不可能完全還原原像。
吹風機科技
目前來說不太可能，簡單來說就是無損到有損的區別，從無損到有損簡單，但是把有損的變成無損的就非常困難了。
