原理：基于图像分析技术，检测图片在编辑、合成过程中留下的统计学特征和算法痕迹。例如，检测错误级别分析、噪声一致性、JPEG压缩伪影等。
局限性：这不是一个“PS探测器”，无法100%准确。它通过分析异常来提供“可能性”，而非“确凿证据”。结果需人工研判。
系统架构与实现方案
基本技术架构：
前端：HTML5 + JavaScript + Canvas
核心库：
CamanJS： 一个功能强大的JavaScript图像处理库，用于像素级操作和滤镜应用。
ELA（Error Level Analysis）： 我们将手动实现其核心逻辑。
Noise Analysis： 手动实现基础版本的噪声一致性分析。
下面是该系统的核心工作流程，它清晰地展示了从图片上传到生成分析报告的完整过程：
编写好的界面是这样的，在官网AI应用中有提供测试的源代码，有兴趣的用户可以参考，测试，看有效性能有多高比例。
上传一个图片：
ELA 图：关注异常明亮的区域。同一张照片中，经过复制、粘贴、擦除或修改的部分，其JPEG压缩特性会与原图不同，因此在ELA图中会显得更亮，看到图片中没有异常明亮的区域，这一点和没有编辑过的特征是对应的。
仅凭这一种验证手段似乎不是很稳妥，就需要有其它手段进行交叉验证一下。
噪声分析图：关注颜色不一致的区域。来自不同相机或经过不同处理的图像片段，其噪声模式和水平会有所不同。图中用不同颜色标识了噪声水平的差异。没有看出这个分析图片中有明显的异常，和图片的特征一致。
使用相同的图片，编辑过之后，再上传完成分析操作，看效果如何：
这是编辑过后的原图：
这里能看出有些不一样，可以看到画的一个圆圈，其它区域没有明显的异常。
这个图片就非常明显了，左上角有一个比较明亮的圆圈，可以明显感到不同，高度怀疑该区域被编辑过。
综合判断：如果某个区域在ELA图和噪声图上都表现出明显的异常，那么该区域被编辑过的可能性就非常高。
这个工具提供了一个完全本地化、保护隐私的初步图片编辑痕迹检测方案。它基于成熟的图像取证原理，将复杂的算法封装成了易于使用的网页形式。
请用户注意：图像分析是一个复杂的领域，此工具适用于检测业余水平的修改。 通过这个小工具可以了解整个检测痕迹的过程：如果需要更精准、丰富的内容检测，可能需要更专业的软件和专家进行分析。
测试网址:http://www.tjosd.com