本文整理自论文：J. Tekli, B. al Bouna, R. Couturier, G. Tekli, Z. al Zein and M. Kamradt, “A Framework for Evaluating Image Obfuscation under Deep Learning-Assisted Privacy Attacks,” 2019 17th International Conference on Privacy, Security and Trust (PST), Fredericton, NB, Canada, 2019, pp. 1-10, doi: 10.1109/PST47121.2019.8949040.
图片模糊处理技术主要分为三类：像素化、模糊化和掩蔽。
A Pixelating（像素化）像素化（又称镶嵌）作为一种模糊处理技术被广泛采用。将要模糊处理的敏感信息划分为一个正方形网格，即“像素框”。平均每个像素框中分组像素的值后，每个像素框将有一种颜色。像素框的大小可以根据需要的隐私级别进行修改。长方体越大，平均像素越多，隐私级别越高，虽然图像的大小保持不变，但像素化可以看作是降低了模糊部分的分辨率。例如，将图像缩小4倍相当于应用4×4大小的像素盒。
B Pixelating（模糊化）模糊也是图像处理中使用的一种退化技术。它可以由高斯核产生，也可以通过相机的运动效果，也就是运动模糊来生成。类高斯模糊核被广泛用作模糊处理技术。它通过应用高斯核来去除图像中的细节。模糊度由标准差σ控制。运动模糊通过产生合成相机运动模糊的效果来改变图像的细节。模糊程度受合成运动的长度和角度的影响。
C Masking（遮掩）遮罩通过将原始像素替换为黑色像素来去除图像中的细节。掩蔽技术可以有多个导数，主要取决于改变像素的颜色强度和位置。例如，如果一个人的脸被认为是敏感的，那么可以在眼睛和鼻子周围或脸上的任意点修改像素。隐私级别取决于修改后像素的数量、位置和颜色强度