Studio di Waifu2X con il local texture mapping

Articolo disponibile su ZeroTalk Italia++

Waifu2x è un interessante algoritmo che usa l’Intelligenza Artificiale per aumentare la risoluzione di un’immagine (QUI ne potete trovare un’implementazione gratuita). Un algoritmo di questo tipo è indubbiamente molto utile se si dispone di un’immagine a bassa risoluzione e la si vuole migliorare, tuttavia anche un utilizzo sull’uomo nell’imaging medico pone prospettive di sviluppo MOLTO interessanti (speriamo! 🙂 ). Per tali motivi, oltre che per ottenere un tool forense in grado di rilevare le immagini così elaborate, ritengo importante riuscire a capire come l’algoritmo influenza le immagini finali a livello degli indicatori di texture.

Materiali e Metodi

Per verificare come l’algoritmo influenza le immagini a livello degli indicatori di texture ho pensato di confrontare le immagini “originali” dei dipinti di Leonardo da Vinci (già analizzate in un precedente lavoro) con le stesse immagini rielaborate a risoluzione dimezzata (mediante il software GIMP) e quindi “riscalate” alla risoluzione originale mediante l’implementazione free di Waifu2X citata sopra. A tal fine sono state utilizzate le 14 immagini dei dipinti ad attribuzione certa a Leonardo da Vinci del precedente studio con l’obbiettivo di verificare se il segnale “tipico” dello stile sfumato di Leonardo descritto nel precedente lavoro si modifica in seguito all’elaborazione fatta da Waifu2X.

Waifu2X è stato utilizzato quindi per raddoppiare la risoluzione delle immagini a cui precedentemente è stata dimezzata la risoluzione (opzione 2X) utilizzando l’impostazione “media” per la riduzione del rumore (opzioni di default).

Come le altre volte tutte le immagini sono state scomposte mediante GIMP nelle 3 componenti RGB. Ogni componente è stata quindi elaborata separatamente con il software LIFEx per ottenere le mappe degli indicatori della matrice GLCM (dissimilarità, entropia, contrasto, energia ed omogeneità). Sono state utilizzate le solite ben collaudate opzioni (64 livelli di grigio, range da 0 a 256, size of bin pari a 4 e diametro del kernel pari a 7 pixel). Il confronto fra le immagini originali e quelle riscalate mediante Waifu2X è stato fatto con metodica qualitativa.

Risultati

I risultati sono presentati solo per la componente blu e sono così mostrate: immagine originale – dissimilarità – entropia – contrasto – energia – omogeneità. I dati completi saranno presto pubblicati su GalactiChan.

Le analisi in tutti i 14 casi mostrano come i dipinti rielaborati tendano a perdere il segnale tipico dello stile “sfumato” leonardesco in quanto si osserva per gli indicatori di disordine (dissimilarità, entropia e contrasto) un lieve aumento del rapporto figure/sfondo e la maggiore frequenza e più netta comparsa di bordi attorno alle figure stesse.

Conclusioni

Questo lavoro dimostra come l’utilizzo di Waifu2X porti a significative modifiche delle immagini a livello degli indicatori di texture (nonostante queste non mostrino ad occhio nudo vistose alterazioni). Questo dato, se da un lato deve indurre cautela nell’utilizzo di questo algoritmo o di altri simili nell’ambito dell’imaging medico, dall’altro rappresenta un interessante tool da utilizzare in ambito forense per identificare eventuali immagini manipolate mediante questo algoritmo.

Questo lavoro è inoltre un interessante dimostrazione di come l’utilizzo libero di database di dati possa essere utile anche in campi completamente diversi da quelli per cui erano stati originariamente studiati (per le mie considerazioni a riguardo rimando al mio articolo sulla Peer to Peer Review)