Le operazioni svolte con gli strumenti disponibili in questa pagina consentono di confrontare dettagliatamente due immagini per valutarne la similitudine. L'utility fornisce diversi strumenti di analisi quali: i punti di corrispondenza, il confronto degli istogrammi, la DFT, il rilevamento degli oggetti comuni, il confronto dei dati EXIF, il rilevamento dei bordi, il confronto delle immagini ELA e la determinazione di un eventuale CROP della seconda immagine nella prima.
Per effettuare l'analisi delle corrispondenze si utilizza la libreria OpenCV con l'uso di tre algoritmi: ORB, BRISK e AKAZE. Questi algoritmi forniscono un'illustrazione chiara dei risultati ottenuti utilizzando tre approcci diversi.
L'analisi delle differenze e delle similitudini tra le immagini è effettuata non solo identificando i punti di corrispondenza, ma anche tramite differenza assoluta e sottrazione delle immagini. Questo consente di fornire una rappresentazione visiva accurata e dettagliata delle variazioni e delle analogie tra le due.
Tramite la trasformata di Fourier discreta (DFT), si rappresenta visivamente un'analisi utile del contenuto frequenziale delle rispettive immagini per metterle a confronto.
Per rilevare eventuali alterazioni, le due immagini vengono analizzate tramite Error Level Analysis (ELA).
Un grafico mostra visivamente il confronto degli istogrammi delle due immagini, rilevandone il valore di correlazione e la distribuzione tonale.
Vengono rilevati gli oggetti comuni nelle immagini tramite l'uso di TensorFlow.
Prima di eseguire un'analisi dettagliata delle immagini, viene eseguito un controllo preventivo sulla somiglianza utilizzando il perceptual hashing. Il perceptual hashing è una tecnica che genera un "impronta" visiva delle immagini che può essere confrontata per determinare la loro similarità. Questo strumento combina due metodi di hashing percettivo: ahash (average hash) e whash (wavelet hash).
L'ahash funziona dividendo l'immagine in una griglia, calcolando la media dei valori di pixel per ciascuna sezione e poi comparando i valori medi per ottenere un hash. Questo metodo è efficace nel confrontare immagini di dimensioni e contenuti simili, ma può essere meno preciso per immagini con differenze significative nei dettagli.
Il whash utilizza la trasformata wavelet per analizzare la struttura dell'immagine a vari livelli di dettaglio. Questo metodo è particolarmente robusto contro le variazioni di scala e rotazione, rendendolo ideale per confrontare immagini con modifiche parziali o ritagli.
L'impiego combinato di questi metodi analitici offre un quadro complesso e altamente accurato per la comparazione di immagini, consentendo sia di identificare sottili dettagli e variazioni, sia di confermare la loro autenticità o eventuali modifiche.
La durata dell'analisi, in base alle dimensioni dell'immagine, può richiedere svariati minuti. Una volta avviata l'esecuzione, comparirà un timer ed uno spinner. Si prega di rimanere in attesa fino alla conclusione delle operazioni.
00:00:00
Le immagini vengono caricate e ridimensionate. Per ogni immagine vengono generate le seguenti informazioni:
Le immagini vengono confrontate utilizzando vari algoritmi di feature matching:
Vengono confrontati anche gli istogrammi delle immagini per calcolare una percentuale di similarità basata sulla distribuzione dei pixel.
Le differenze tra le immagini vengono analizzate utilizzando vari metodi:
Viene utilizzato l'algoritmo di Canny per rilevare i bordi nelle immagini. I bordi rilevati vengono quindi confrontati per trovare somiglianze.
L'analisi del livello di errore (ELA) viene utilizzata per individuare possibili manipolazioni nelle immagini. Le aree con differenze significative indicano parti dell'immagine che potrebbero essere state modificate.
Viene utilizzato il metodo di template matching per verificare se una delle immagini è un ritaglio dell'altra. Se il ritaglio viene rilevato, viene disegnato un rettangolo che evidenzia la porzione ritagliata.
I metadati EXIF vengono estratti dalle immagini, inclusi dettagli come il modello della fotocamera, l'esposizione, la risoluzione e altre informazioni utili per l'analisi forense delle immagini.