什麼是圖片模糊？
圖片模糊是對相片中部分或全部像素進行可控扭曲，用來遮擋人臉、車牌、敏感文字，或者虛化背景以突出主體。這項技術可追溯到 19 世紀暗房的失焦把戲；今日它已是網路上最常見的隱私編輯動作，新聞與社群平台上大約每 7 張相片就有 1 張使用過模糊處理。
本工具支援三種模糊演算法：高斯模糊用鐘形權重把每個像素向四周擴散 — 最自然、也最容易被反推。動態模糊沿某個方向塗抹像素，模擬速度感。像素化把一塊區域替換成純色色塊 — 最猛烈、也最不可逆。
本頁同時支援四種應用範圍：整圖、你拖出的矩形區域、自動辨識到的每張人臉，或者在保留主體清晰的同時虛化背景（使用裝置上的 AI）。一切都在你的瀏覽器內完成。
為什麼需要為圖片打碼模糊
人們模糊相片的兩個理由完全不同。一個是隱私：遮住人臉、車牌、截圖裡的網址列、聊天的使用者名稱。另一個是構圖：把雜亂的背景虛化掉，讓人像主體一眼讀出來。
這兩個理由的重要性都在快速上升。Pew 2024 年的研究發現，約 56% 的美國成年人曾在網路上分享過讓自己後來後悔的相片，最常見的後悔是「相片暴露了我沒打算暴露的東西」。在 GDPR 與 CCPA 之下，企業處理的帶可識別人物相片算個人資料，歐盟自 2022 年以來已有數起五位數罰款跟商業分享的相片裡偶然出現的路人有關。
構圖理由同樣實在。手機相機感光元件無法在物理上做出單眼相機那種淺景深。軟體背景虛化補上了這個缺口。iPhone 人像模式用深度感測器，本工具用裝置端機器學習。
三種模糊演算法解讀（高斯、動態、像素化）
高斯模糊
平滑的鐘形衰減。最自然；適合背景柔化或輕度人臉模糊。在低半徑（≤10 px）下可能被 AI 反卷積部分還原，所以隱私場景別只用它。
動態模糊
方向性塗抹。在靜態相片上模擬速度感，或遮擋運動相關內容。帶一個方向參數 — 0° 是水平方向。
像素化（馬賽克）
把一塊區域替換成純色色塊。色塊大小決定打碼的猛烈程度。在 8–16 px 色塊時，原始像素在數學上不可還原 — 是隱私場景的安全選擇。
4 步為圖片打碼模糊
上傳圖片
拖一張相片、從剪貼簿貼上，或者整個資料夾丟進來做批次。檔案全程留在你的裝置上 — 不上傳。
選擇模糊範圍
整圖（統一模糊）、區域（拖一個矩形）、自動人臉（辨識器自動找臉）、AI 背景（保留主體、虛化背景）。
選演算法與強度
高斯、動態、像素化。拖滑桿 — 高斯最大 80 px，像素化最大 60 px 色塊。預覽即時刷新。
下載，或批次打包成 ZIP
單圖直接點下載。批次情境點「全部處理並下載 ZIP」 — 同一套設定套用到每張圖，打包成一個壓縮檔。
5 種模糊應用方式
整圖模糊
在整張相片上統一套用高斯、動態或像素化。適合背景柔化、社群媒體配圖、風格化後製效果。
矩形區域選區模糊
在人臉、車牌、截圖裡的敏感 UI 上拖框。每張圖可建多個區域；區域共用同一套演算法與強度。
自動人臉模糊
瀏覽器端人臉辨識（face-api.js）找出相片裡每張臉。每一處辨識都可編輯：想保留就移除，模型漏掉的可用區域模式補上。
AI 背景虛化
MediaPipe Selfie Segmentation 在本機執行，將主體與背景分離。主體保持清晰，背景套用你選的模糊演算法。首次使用會下載 6MB 模型到瀏覽器快取。
像素化 / 馬賽克打碼
上面任一種範圍都可以改用像素化取代高斯。這是真正做隱私（車牌、身份）的正確選擇，因為小色塊的像素化不可逆。
怎麼為相片裡的人臉打碼（隱私）
為人臉打碼是網路上最常見的隱私編輯，也是最容易做錯的。本工具用的模型完全在你的瀏覽器內執行，根據相片大小，辨識一張臉大約需要 200–800 毫秒。每張被辨識到的臉都會在畫布上顯示一個帶編號的小把手；點擊可以保留、移除或調整大小。
如果某張臉被漏掉（角度奇特、太小、被部分遮擋），切到區域模式手動拖一個矩形框住它。區域模式與自動人臉的新增會在同一次處理中生效。
隱私場景一定要用像素化，不要用高斯模糊。8–16 px 色塊的像素化在數學上不可還原。高斯模糊在 10 px 半徑以下有時能被 AI 反卷積部分還原 — 這對單純的美學柔化不是問題，但要藏住某人的身份就不行。自動人臉 + 像素化的預設色塊大小是 12 px，對手機解析度的人臉效果都很好。
AI 背景虛化（瀏覽器內的人像模式）
本工具的背景虛化用了 MediaPipe Selfie Segmentation，Google 開源的裝置端模型，用來將人物與背景分離。首次切到 AI 背景模式時，你的瀏覽器會下載這個模型 — 約 6MB。之後模型會被快取在 IndexedDB 內，立刻載入。
為什麼要載入這個模型：其他每一個「AI 背景虛化」工具都會把你的相片上傳到伺服器。那是每張 1–5 MB、每次都上傳，而且你的相片留在別人的硬碟上。這個 6MB 的一次性下載，換的是「再也不用把任何一張相片上傳到任何人的伺服器」。在家用寬頻上 6MB 大概 3 秒下完 — 跟你上傳一張 4MB 相片到雲端編輯器的時間差不多。
模型在現代筆電上大約 300–600 毫秒辨識出主體與背景。主體保持完全清晰；背景按你設的高斯或像素化強度處理。邊緣精度在頭髮飛絲這類細節上是主要限制 — 單眼或 iPhone 人像模式（有硬體深度感測器）的真實光學散景還是更好。社群媒體與日常分享場景，差異幾乎看不出來。
像素化 vs 模糊 — 什麼時候用哪個
| 維度 | 高斯模糊 | 像素化（馬賽克） |
|---|---|---|
| 隱私強度 | 低半徑下較弱，高半徑下中等 | 色塊 ≥ 8 px 時都很強 |
| 可逆性 | ≤10 px 半徑時可被 AI 部分還原 | 低解析度下數學上不可逆 |
| 美學觀感 | 柔和、自然 | 塊狀、復古打碼感 |
| 檔案大小影響 | 略增加（漸層更平滑） | 略減小（熵更低） |
打碼敏感資訊（車牌、文件、聊天截圖）
本工具直接涵蓋三個市面上做得不好的情境：
車牌。切到區域模式，在車牌上拖一個矩形，演算法選像素化、色塊大小 8–16 px。輸出會自動移除 EXIF 元資料 — 所以你模糊車牌的同時，相片裡原本嵌入的 GPS 座標也被清掉了。（這一點很關鍵：很多打碼工具不刪 EXIF，等於白打。）
簽名與地址截圖。區域模式 + 像素化，做法一樣。合約收據截圖、簽字文件、為身份核驗上傳的地址表單 — 在分享之前為簽名行與地址欄打個碼。
聊天截圖與私訊。區域模式支援單次處理多個矩形。把每個可見的使用者名稱、頭像、時間戳都框出來，一次性全部像素化。配合 JPG 轉 PDF 可以把打過碼的截圖打包成一份可分享的檔案。
批次模糊：一次處理 50 張以上
整圖模式、自動人臉模式、AI 背景模式都支援批次不限張數。把資料夾丟進來，在第一張圖上調好模糊類型與強度，工具會把同一套設定套用到每一張。橫直圖自動處理；AI 背景模型按圖執行，但模型本身只在一次工作階段中載入一次。
區域模式是例外 — 因為每張相片構圖不同，你在一張圖上畫的矩形換到另一張就沒意義。這時工具會彈一條 banner，建議你切到自動人臉做批次隱私工作。
競品批次上限對比：Lunapic 一次只能處理一張（沒有批次）；Pinetools 有獨立批次頁，沒標明上限；BeFunky 把批次功能鎖在付費版後面。本工具沒有批次上限，也沒有每日額度。
模糊能不能被還原？（實話實說）
有時候可以，多數時候不行。實話實說：
輕度高斯模糊（≤10 px 半徑）有時能被 AI 反卷積工具部分還原。還原結果不完美 — 通常能辨識出一張臉，但不足以看清細小文字。美學情境沒問題；隱私情境就有問題。
重度高斯模糊（≥30 px 半徑）實際上是單向的；反卷積得到一個模糊一團，沒有可用細節。
8–16 px 色塊的像素化在數學上不可逆。原始像素值被平均成一個色塊 — 沒有資訊可供重建。
非常小色塊（2–4 px）的像素化反而比高斯模糊更弱。色塊太小，人臉的視覺訊號還能保留。真正打碼請用 ≥8 px 色塊。
關於可還原性最著名的事件是 2018 年的那次示範，把 PDF 裡用低解析度像素化打碼的文字還原出來。教訓：打碼強度要比你以為需要的更狠一點。
tinyimagepro vs Facepixelizer、Lunapic、BeFunky
| 功能 | tinyimagepro | Facepixelizer | Lunapic | BeFunky |
|---|---|---|---|---|
| 價格 | 永久免費 | 免費 | 免費、含廣告 | 批次需 Plus |
| 處理方式 | 100% 瀏覽器內 | 100% 瀏覽器內 | 上傳到雲端 | 上傳到雲端 |
| 自動人臉辨識 | ✓ | ✓ | 部分 | ✓ |
| 瀏覽器內 AI 背景虛化 | ✓ | ✕ | ✕（雲端） | ✕（雲端） |
| 批次 | 不限 | ✕ | ✕ | 僅付費 |
| 格式 | JPG/PNG/WebP/AVIF/HEIC | JPG/PNG | 較多 | 較多 |
打完碼之後還能做什麼
打碼後的圖片很少是最終成品。最常見的後續操作：
加浮水印。模糊藏的是身份，浮水印宣告的是所有權。打碼後加一個浮水印，完成整套「隱私 + 品牌」流程。
清除 EXIF 元資料。模糊一張臉不會移除相片裡的 GPS 座標（本工具 EXIF 清除預設開啟，如果你關了，現在補上）。最後做一次移除 EXIF。
壓縮為網頁用。用 JPEG 壓縮，或用 壓縮到 500 KB 設定目標大小。
調整社群媒體尺寸。用 尺寸調整 + 平台一鍵預設。