如何逆向还原随机打乱像素的图像，或求可逆还原的静态风格图像生成方案？

现有代码无法直接逆向的原因 #

• 你使用的np.random.shuffle是无状态的随机打乱操作，运行后不会保留像素的原始位置与新位置的对应关系，没有映射规则自然无法还原
• 输出时使用了JPG有损压缩格式，会修改打乱后的像素RGB值，就算保留了映射规则也无法匹配到原始像素实现无损还原

改进现有逻辑实现可逆操作 #

你可以通过保存打乱索引、使用无损格式存储的方式实现可逆，示例代码如下：

正向生成打乱图像代码 #

from PIL import Image
import numpy as np
import pickle

# 读取原始图像
orig = Image.open('lena.jpg')
w, h = orig.size
orig_px = np.array(orig).reshape(h*w, 3)

# 生成打乱索引并保存
shuffle_idx = np.random.permutation(h*w)
with open('shuffle_map.pkl', 'wb') as f:
    pickle.dump((shuffle_idx, h, w), f)

# 生成打乱后的图像
shuffled_px = orig_px[shuffle_idx]
shuffled_img = shuffled_px.reshape(h, w, 3)
res = Image.fromarray(shuffled_img.astype('uint8'))
# 用无损PNG存储避免像素值损失
res.save('out.png')

逆向还原代码 #

from PIL import Image
import numpy as np
import pickle

# 读取打乱后的图像和映射文件
shuffled_img = np.array(Image.open('out.png'))
h, w = shuffled_img.shape[:2]
with open('shuffle_map.pkl', 'rb') as f:
    shuffle_idx, orig_h, orig_w = pickle.load(f)

# 反向映射还原像素
shuffled_px = shuffled_img.reshape(h*w, 3)
orig_px = np.zeros_like(shuffled_px)
orig_px[shuffle_idx] = shuffled_px

# 生成原始图像
orig_img = orig_px.reshape(orig_h, orig_w, 3)
res = Image.fromarray(orig_img.astype('uint8'))
res.save('restored_lena.jpg')

替代实现思路 #

如果不想额外保存映射文件，可以用密码作为伪随机数种子生成打乱索引，只要记住密码即可还原，不需要携带额外的映射文件：

• 正向打乱时，用自定义密码的哈希值作为np.random.seed的入参，再生成打乱索引
• 逆向还原时输入相同密码即可生成完全一致的打乱索引，完成还原
• 如果需要更自然的静态风格，可按8x8/16x16等尺寸分块打乱，而非逐像素打乱，视觉效果更统一，可逆逻辑和上述方案完全一致

内容的提问来源于stack exchange，提问作者Abbas Mohamadi