什么是图片模糊？
图片模糊是对照片中部分或全部像素进行可控扭曲，用来遮挡人脸、车牌、敏感文字，或者虚化背景以突出主体。这项技术可以追溯到 19 世纪暗房失焦的把戏；今天它已经是互联网上最常见的隐私编辑动作，新闻和社交平台上大约每 7 张照片就有 1 张用过模糊处理。
本工具支持三种模糊算法：高斯模糊用钟形权重把每个像素向四周扩散 — 最自然，也最容易被反推。动态模糊沿某个方向涂抹像素，模拟速度感。像素化把一块区域替换成纯色色块 — 最猛烈，也最不可逆。
本页同时支持四种应用范围：整图、你拖出的矩形区域、自动识别到的每张人脸，或者在保留主体清晰的同时虚化背景（使用设备上的 AI）。一切都在你的浏览器里完成。
为什么需要给图片打码模糊
人们模糊照片的两个理由完全不同。一个是隐私：遮住人脸、车牌、截图里的地址栏、聊天的用户名。另一个是构图：把杂乱的背景虚化掉，让人像主体一眼读出来。
这两个理由的重要性都在快速上升。Pew 2024 年的研究发现，约 56% 的美国成年人曾在网上分享过让自己后来后悔的照片，最常见的后悔是"照片暴露了我没打算暴露的东西"。在 GDPR 和 CCPA 之下，企业处理的带可识别人物的照片算个人数据，欧盟自 2022 年以来已有数起五位数罚款跟商业分享的照片里偶然出现的路人有关。
构图理由同样实在。手机相机传感器没法在物理上做出单反相机那种浅景深。软件背景虚化补上了这个缺口。iPhone 人像模式用深度传感器，本工具用设备端机器学习。
三种模糊算法解读（高斯、动态、像素化）
高斯模糊
平滑的钟形衰减。最自然；适合背景柔化或轻度人脸模糊。在低半径（≤10 px）下可能被 AI 反卷积部分还原，所以隐私场景别只用它。
动态模糊
方向性涂抹。在静态照片上模拟速度感，或者遮挡运动相关内容。带一个方向参数 — 0° 是水平方向。
像素化（马赛克）
把一块区域替换成纯色色块。色块大小决定打码的猛烈程度。在 8–16 px 色块时，原始像素在数学上不可还原 — 是隐私场景的安全选择。
4 步给图片打码模糊
上传图片
拖一张照片、从剪贴板粘贴，或者整个文件夹丢进来做批量。文件全程留在你的设备上 — 不上传。
选择模糊范围
整图（统一模糊）、区域（拖一个矩形）、自动人脸（识别器自动找脸）、AI 背景（保留主体、虚化背景）。
选算法和强度
高斯、动态、像素化。拖滑块 — 高斯最大 80 px，像素化最大 60 px 色块。预览实时刷新。
下载，或批量打包成 ZIP
单图直接点下载。批量场景点"全部处理并下载 ZIP" — 同一套设置应用到每张图，打包成一个压缩包。
5 种模糊应用方式
整图模糊
在整张照片上统一应用高斯、动态或像素化。适合背景柔化、社交媒体配图、风格化后期效果。
矩形区域选区模糊
在人脸、车牌、截图里的敏感 UI 上拖框。每张图可建多个区域；区域共享同一套算法和强度。
自动人脸模糊
浏览器端人脸识别（face-api.js）找出照片里每张脸。每一处识别都可编辑：想保留就剔除，模型漏掉的可以用区域模式补上。
AI 背景虚化
MediaPipe Selfie Segmentation 在本地运行，把主体和背景分离。主体保持清晰，背景应用你选的模糊算法。首次使用会下载一个 6MB 的模型到浏览器缓存。
像素化 / 马赛克打码
上面任意一种范围都可以改用像素化代替高斯。这是真正做隐私（车牌、身份）的正确选择，因为小色块的像素化不可逆。
怎么给照片里的人脸打码（隐私）
给人脸打码是互联网上最常见的隐私编辑，也是最容易做错的。本工具用的模型完全在你的浏览器里跑，根据照片大小，识别一张脸大约需要 200–800 毫秒。每张被识别到的脸都会在画布上显示一个带编号的小手柄；点击可以保留、剔除或调整大小。
如果某张脸被漏掉（角度奇特、太小、被部分遮挡），切到区域模式手动拖一个矩形框住它。区域模式和自动人脸的添加会在同一次处理中生效。
隐私场景一定要用像素化，不要用高斯模糊。8–16 px 色块的像素化在数学上不可还原。高斯模糊在 10 px 半径以下有时能被 AI 反卷积部分还原 — 这对单纯的美学柔化不是问题，但要藏住某人的身份就不行。自动人脸 + 像素化的默认色块大小是 12 px，对手机分辨率的人脸效果都很好。
AI 背景虚化（浏览器内的人像模式）
本工具的背景虚化用了 MediaPipe Selfie Segmentation，Google 开源的设备端模型，用来把人物和背景分离。首次切到 AI 背景模式时，你的浏览器会下载这个模型 — 约 6MB。之后模型会被缓存在 IndexedDB 里，立刻加载。
为什么要加载这个模型：其他每一个"AI 背景虚化"工具都会把你的照片上传到服务器。那是每张 1–5 MB、每次都上传，而且你的照片留在别人的硬盘上。这个 6MB 的一次性下载，换的是"再也不用把任何一张照片上传到任何人的服务器"。在家用宽带上 6MB 大概 3 秒下完 — 跟你上传一张 4MB 照片到云端编辑器的时间差不多。
模型在现代笔记本上大约 300–600 毫秒识别出主体和背景。主体保持完全清晰；背景按你设的高斯或像素化强度处理。边缘精度在头发飞丝这类细节上是主要限制 — 单反或 iPhone 人像模式（有硬件深度传感器）的真实光学散景还是更好。社交媒体和日常分享场景，差异几乎看不出来。
像素化 vs 模糊 — 什么时候用哪个
| 维度 | 高斯模糊 | 像素化（马赛克） |
|---|---|---|
| 隐私强度 | 低半径下较弱，高半径下中等 | 色块 ≥ 8 px 时都很强 |
| 可逆性 | ≤10 px 半径时可被 AI 部分还原 | 低分辨率下数学上不可逆 |
| 美学观感 | 柔和、自然 | 块状、复古打码感 |
| 文件大小影响 | 略增加（梯度更平滑） | 略减小（熵更低） |
打码敏感信息（车牌、文档、聊天截图）
本工具直接覆盖三个市面上做得不好的场景：
车牌。切到区域模式，在车牌上拖一个矩形，算法选像素化、色块大小 8–16 px。输出会自动移除 EXIF 元数据 — 所以你模糊车牌的同时，照片里原本嵌入的 GPS 坐标也被清掉了。（这一点很关键：很多打码工具不删 EXIF，等于没打。）
签名和地址截图。区域模式 + 像素化，做法一样。合同收据截图、签字文件、为身份核验上传的地址表格 — 在分享之前给签名行和地址栏打个码。
聊天截图和私信。区域模式支持单次处理多个矩形。把每个可见的用户名、头像、时间戳都框出来，一次性全部像素化。配合 JPG 转 PDF 可以把打过码的截图打包成一份可分享的文件。
批量模糊：一次处理 50 张以上
整图模式、自动人脸模式、AI 背景模式都支持批量不限张数。把文件夹丢进来，在第一张图上调好模糊类型和强度，工具会把同一套设置应用到每一张。横竖图自动处理；AI 背景模型按图运行，但模型本身只在一次会话中加载一次。
区域模式是例外 — 因为每张照片构图不同，你在一张图上画的矩形换到另一张就没有意义。这时工具会弹一条 banner，建议你切到自动人脸来做批量隐私工作。
竞品批量上限对比：Lunapic 一次只能处理一张（没有批量）；Pinetools 有独立批量页，没标明上限；BeFunky 把批量功能锁在付费版后面。本工具没有批量上限，也没有每日额度。
模糊能不能被还原？（实话实说）
有时候可以，大多数时候不行。实话实说：
轻度高斯模糊（≤10 px 半径）有时能被 AI 反卷积工具部分还原。还原结果不完美 — 通常能识别出一张脸，但不足以看清细小文字。美学场景没问题；隐私场景就有问题。
重度高斯模糊（≥30 px 半径）实际上是单向的；反卷积得到一个模糊一团，没有可用细节。
8–16 px 色块的像素化在数学上不可逆。原始像素值被平均成一个色块 — 没有信息可供重建。
非常小色块（2–4 px）的像素化反而比高斯模糊更弱。色块太小，人脸的视觉信号还能保留。真正打码请用 ≥8 px 色块。
关于可还原性最著名的事件是 2018 年的那次演示，把 PDF 里用低分辨率像素化打码的文字还原出来。教训：打码强度要比你以为需要的更狠一点。
tinyimagepro vs Facepixelizer、Lunapic、BeFunky
| 功能 | tinyimagepro | Facepixelizer | Lunapic | BeFunky |
|---|---|---|---|---|
| 价格 | 永久免费 | 免费 | 免费、含广告 | 批量需 Plus |
| 处理方式 | 100% 浏览器内 | 100% 浏览器内 | 上传到云端 | 上传到云端 |
| 自动人脸识别 | ✓ | ✓ | 部分 | ✓ |
| 浏览器内 AI 背景虚化 | ✓ | ✕ | ✕（云端） | ✕（云端） |
| 批量 | 不限 | ✕ | ✕ | 仅付费 |
| 格式 | JPG/PNG/WebP/AVIF/HEIC | JPG/PNG | 较多 | 较多 |
打完码之后还能做什么
打码后的图片很少是最终成品。最常见的后续操作：
加水印。模糊藏的是身份，水印声明的是所有权。打码后加一个水印，完成一整套"隐私 + 品牌"流程。
清除 EXIF 元数据。模糊一张脸不会移除照片里的 GPS 坐标（本工具 EXIF 清除默认开启，如果你关了，现在补上）。最后做一次移除 EXIF。
压缩为网页用。用 JPEG 压缩，或者用 压缩到 500 KB 设定目标大小。
调整社交媒体尺寸。用 尺寸调整 + 平台一键预设。