OC
把图片抖动进二维码:能扫码不等于任何设计都安全
科技 · 2026-08-09 · 开发者生态 · 阅读 22

把图片抖动进二维码:能扫码不等于任何设计都安全

作者:林岚|OC 开发者生态编辑

作者 林岚 林岚

开发者 Andrew Taylor 发布了一个抖动二维码生成器,尝试把图像通过误差扩散嵌进二维码的数据区域,在保留可扫描性的同时,让黑白模块形成可辨认的画面。

一句话结论:这类二维码不是把图片随便盖在码上,再指望纠错兜底;它需要保护定位与格式结构、控制可修改的数据模块,并把视觉误差分配到扫码器仍能容忍的位置。

普通二维码看起来像随机黑白噪声,但每个区域职责不同。三个角上的定位图案帮助相机识别方向,周围还有分隔区、时序图案、格式与版本信息。破坏这些功能模块,扫描器可能连网格都定位不了,错误纠正还没机会工作。

Taylor 的方法把可操作范围限制在数据模块,先根据目标图片决定模块更接近黑还是白,再用类似 Floyd-Steinberg 的误差扩散,把当前模块无法表达的灰度误差传播到邻近模块。结果像黑白报纸照片:单个像素只有两种状态,整体却能显示明暗层次。

二维码结构分为不可改功能模块与可权衡的数据模块

纠错能力不是“可以遮掉 30%”

二维码使用 Reed-Solomon 纠错。Denso Wave 的资料显示,L、M、Q、H 四个等级在不同冗余和尺寸之间取舍,最高等级理论上可恢复约 30% 的码字。这里的单位是码字,不是图片面积,也不是允许设计师把任意连续区域涂掉 30%。

错误集中在哪里、是否同时破坏功能图案、打印是否模糊、相机如何二值化,都会改变结果。一个在高亮手机屏幕上能扫的码,缩印到包装、经过压缩截图或处在低光反射环境里,可能立刻失败。Denso Wave 也提醒,插图或变形会调用纠错能力,即使缺损很小,也可能导致无法读取或速度变慢。

因此,美化算法要做的不是把纠错预算全部花完,而是留下现实环境的余量。边缘需要足够安静区,前景与背景要有稳定对比,重要图像细节不能迫使大量相邻模块翻转,还要在不同尺寸、打印介质、相机和扫描软件上实际测试。

为什么这种实验值得看

它把“编码”与“视觉”之间的关系展示得很直观。二维码不是一张必须逐像素保持不变的图片,而是带冗余和结构约束的通信信号。只要理解哪些信息不能动、哪些错误可以恢复,设计就有一定自由度。

同样的思路也适用于网络协议、存储和媒体编码:冗余不是浪费,而是为噪声、损坏与传输变化购买可靠性。不过冗余一旦被视觉装饰提前消耗,现实世界可用性就会下降。能在作者演示页扫出来,只是测试开始,不是质量证明。

关键事实

  • 生成器使用误差扩散方法,让数据模块同时近似目标图像的明暗
  • 定位、时序和格式等功能模块需要保持完整,不能当作普通像素随意修改
  • QR 码有四档错误纠正等级,提高纠错能力会增加编码尺寸和冗余
  • 最高约 30% 指码字恢复能力,不等于任意遮挡 30% 面积仍可读取

OC 判断

这个项目好看的地方在于,它没有把二维码当作画布,而是把画面限制在编码允许的空间里。用于海报和实验完全成立;用于支付、登录、设备配网等关键入口时,则应该把可读性放在品牌视觉之前,并保留足够纠错余量。

为什么重要

  • 对开发者:生成后应建立跨设备、跨尺寸和打印后的自动与人工扫描测试。
  • 对设计师:安静区、对比度和功能模块不是可以妥协的装饰细节。
  • 对用户:视觉上更漂亮的二维码不一定更安全或更可靠,关键操作应同时提供可读链接或编号。

参考来源

相关阅读

基于标题、摘要和正文内容自动匹配。

更多科技

评论

围绕这篇文章补充信息、提出问题或分享观察。

0
暂无评论。

发表评论

继续看看 OC 用户围绕这个话题说了什么、做了什么。

相关帖子

更多

做 AI 语音产品时,授权、撤回和审计日志应该怎么落地?

<p>最近看到越来越多关于声音授权的讨论。对开发者来说,真正麻烦的往往不是“模型能不能模仿”,而是授权如何进入系统、生成结果如何追溯,以及授权撤回后该怎么办。</p> <p>我们在做 FlowSpeech 时也碰到过类似问题。我的体会是,不要把“用户勾选过同意”当成一个布尔字段,而应该把它做成一组可以审计的业务对象。</p> <h2>1. 把声音资产和授权分开</h2> <p>声音文件只描述技术属性,例如哈希、上传者、存储位置和创建时间。授权记录则至少要包含授权主体、用途范围、地域、有效期、来源证据和当前状态。这样同一份声音用于个人试听、商业广告、公开播客时,可以绑定不同的授权,而不是共用一个模糊的 consent=true。</p> <h2>2. 每次生成都保存授权快照</h2> <p>生成任务不要只引用当前授权 ID。授权内容以后可能变更,如果任务只查最新状态,历史结果就无法解释。更稳妥的做法是在任务创建时保存授权版本、文本哈希、声音版本、模型版本和操作者。生成出的音频再记录 artifact_id,并反向关联任务。</p> <p>我会把最小链路设计成:</p> <ol> <li>voice_asset:原始声音及版本;</li> <li>consent_grant:授权范围与证据;</li> <li>generation_job:请求参数和授权快照;</li> <li>audio_artifact:输出文件、校验值和公开状态;</li> <li>audit_event:谁在什么时候创建、下载、公开或撤回了内容。</li> </ol> <h2>3. 撤回不是简单删除一行</h2> <p>授权撤回后,系统至少要阻止新任务,并把相关公开音频进入下架队列。已经交付给客户的文件是否能删除,要按照合同和产品能力区分,不能在界面上承诺技术上做不到的“全球删除”。更现实的状态机是 active、suspended、revoked、expired,并明确每个状态允许哪些动作。</p> <h2>4. 对外展示也要可验证</h2> <p>除了后台日志,公开音频最好带上来源标记或可查询的生成记录。水印不是万能方案,但“可识别的音频 + 可验证的元数据 + 清晰的举报入口”组合起来,比一句“AI 生成”更有用。</p> <p>我们现在做的 <a href="https://flowspeech.io/zh">FlowSpeech</a> 主要解决上下文感知、情绪和停顿控制。越往产品化走,越觉得声音效果只是前半程,权限边界和可追溯性才决定这类工具能不能长期使用。</p> <p>大家在实际项目里会把授权证据放在业务数据库、对象存储,还是单独的审计系统?如果授权撤回,你们通常怎么处理已经生成并交付的音频?</p>

FlowSpeech 0 1

你们的Codex额度提前耗完了没?戒断反应如何?

<p>我在第三天就消耗了只剩1%,忍了一天,然后今天干脆用这最后的1%,开着5.6 Sol 极高 强推我一个提示词笔记本应用的功能落地。最终用时3小时,居然还是跑完了。但是现在还是出现一些戒断反应,感觉啥也做不了,就无精打采的,困。</p> <p>我做了一个Prompt Notebook,专门用来收藏或者记录自己手搓的生图提示词。带Chrome一键收藏插件。支持AI优化提示词。支持提示词中提取常用字段作为提示词百科词汇。也自带生图功能用来测提示词。但是要搭配Cloudflare R2+Worker的图床。</p> <p>今天主要是做一个AI模特的资产库。将常用的AI模特固定下来,进行身份设定,以及模特的一些角色定妆图。之后生图可以直接调用AI模特自动作为垫图。</p> <p>这是AI模特资产库的界面: <img src="/upload/thread/202608/42b5f73e-938f-45de-b74e-da69da9d72a8.webp" alt="1bb0d28b-c7dd-4327-bafa-26b60323cbed" /> 这是主界面的提示词瀑布流,支持关键词或标签搜索: <img src="/upload/thread/202608/3e15b6e7-345f-48b4-aeff-1bbd89afe9d3.webp" alt="ab998e2f-9ccc-4173-832f-223aa6c6fa81" /> 这是提示词笔记的预览界面,可以复制提示词,分享提示词,点击分享还有分享短链:(https://prompt.jintao.co.uk/share/20260806LfsmY) <img src="/upload/thread/202608/bab31972-0468-4582-b873-6309233254a6.webp" alt="20260806-201213" /> 可惜现在没额度了,我又不想换模型折腾。现在还有些界面细节和小功能需要落地完善,可能还要虫子要抓。弄好了,打算放GitHub开源。</p> <p>有朋友想试试的么?</p>

shynloc 2 4

测试OurCoders能否发布照片

<p>今天小区的彩虹🌈<img src="https://share.icloud.com/photos/0ebtFydNy8r_gJETON61u4Ybg" alt="图片说明" /></p> <p>看来不能直接发照片,可以把iCloud Link的功能派上用场!</p>

梁建溢 15 45

你为什么不移民?

<p>我是一定要移了,在这里连正常呼吸都不行了。以前正常呼吸指的是言论自由,现在是生物学意义的正常呼吸问题了。</p> <p>你为什么不移民?</p>

tinyfool 741 48