从事理上来说，马赛克属于永久性的信息丢失。马赛克的事理很大略，把大量的小像素点合并到一个大的像素点，并取均匀色，就制造成了马赛克。马赛克显然属于不可逆运算，你无法从一个均匀数，推断出它是由哪几个数均匀而来的。
然而，马赛克是否当真完备不可能还原？一样平常来说，要肃清马赛克，须要人进行想象脑补，然后把缺失落的内容重新画出来。这种方法效率低，而且效果并不稳定。近几年AI技能的风行，带来了很多不可思议的运用。最近，又涌现了一些和AI去马赛克干系的，一起来看看。
Depix这是一款比来引起了热烈关注的去码工具。Depix在GitHub上进行了开源，它紧张用于去除笔墨马赛克。如果你是一名开拓者，可以通过下面的链接进入到GitHub的页面，来关注该项目。
Depix GitHub主页：https://github.com/beurtschipper/Depix
我们先来看看Depix的效果。
Depix去马赛克的效果，从上到下分别是马赛克后的字符、用Depix还原的效果、原图
虽然不是完美还原马赛克，但也足够惊人——能够将一团不可名状的东西，还原成为有一定可读性的字符，这是人工也难以做到的。Depix是怎么做到这种程度的呢？
Depix的事理实在并不难明得。首先，Depix利用了一个文本表格，将这些文本打一次马赛克。Depix利用的文本表格采取了De Bruijn sequence布鲁因序列，这个序列包含了预期还原字符的2字符组合。
De Bruijn sequence布鲁因序列
Depix的开拓者认为，2字符非常主要，由于很多文本打马赛克往后，一些马赛克块会是2字符的组合。例如下图，某个马赛克像素实在同时包含了“o”和“b”，2字符能供应更加精确的匹配。
通过2字符匹配，可以精确辨识出对应的笔墨
终极，天生了一个马赛克块查找表。
接着，Depix就可以凭借DebBruijn序列的马赛克查找表，来匹配想要还原的马赛克文本了。一旦某个马赛克文本的块，匹配上了查找表中的结果，那么就会很大程度上还原成为比较精确的笔墨——虽然还不算完美，但效果已经足够让人辨认这是若何的字符。
大略来说，Depix的事理是用让马赛克匹配已知的打码数据，然后进行还原。这项技能的涌现，对付用马赛克隐蔽密码等场景，造成了寻衅。不过Depix显然也有局限，它当前紧张用于识别英笔墨母和阿拉伯数字，对付海量的汉字，Depix暂时还无能为力。
Google BrainDepix让人看到了笔墨去码的希望，而Google Brain，则是图像去码方面的代表。Google Brain是Google开展的AI项目，个中对付图像肃清马赛克的研究，可谓是非常深入。
Google Brain利用的是一种全新的像素递归超分辨率技能，通过大量高、低分辨率的采样学习，然后得出规律来匹配修复结果。例如，Google Brain学习到了某种黑点是属于眼镜，那么在还原马赛克的时候，就可以把这种黑点还原成眼睛。从测试来看，效果的确不同凡响。
来自Google的图像去码AI
这样的AI技能有什么用？去除马赛克只是特定场合的详细运用，类似的算法在很多时候都可以发挥浸染——只要当图像须要修复的时候，就有用武之地。例如拍照片手抖了失落焦了，糊成一片该咋办？传统的方法可能便是大略粗暴的锐化了，而如果拍照APP利用AI技能，就可以“脑补”回丢失的细节和锐度，给你一张只管即便可用的照片。
总结除了上文所提到的，现在还有很多利用AI增强图像的技能，例如Waif2x智能放大图片技能，乃至NV家的DLSS技能，实在都和去马赛克的AI有异曲同工之妙，都是通过AI“脑补”出不存在或者已损的图像信息，来增强图像清晰度。
在未来，随着AI算法的完善、机器学习的积累以及硬件算力的进步，AI去码、图像增强还会有更多惊人的效果，或许在未来某一天，马赛克将不再成为不雅观瞻的障碍吧。