支付宝AR实景红包扫图片抢红包方法

 　　支付宝AR实景红包PS领取方法：

　　支付宝“AR实景红包”一不小心就激发了全民藏红包、找红包的热情，虎嗅昨天也第一时间报道并体验了。

　　相信已经有无数的人体验过它了，包括但不限于把红包藏在别人的脸上甚至某些羞羞的地方，充分开发了智力和脑洞的同时，一篇欢乐祥和的气氛，对支付宝这次做出的努力给予了比较正面的评价。

　　大众版：用万能的PS

　　先来一个通俗版。我们的设计师妹妹平常就经常把我们的同事各种很糗的动作，还是我们虎嗅编外员工“小武”——一直正在发情期的猫——制作成各种微信表情在虎嗅的江湖里流传。

　　做好了心理建设后，我们来看一下设计师妹妹是破解支付宝的“AR红包”的。用我不专业的话解释一下就是：

　　第一步，在“找红包”里点开一个人的红包，按住下方的“按住看线索”按钮，跳出图片信息后截屏;

　　第二步，在PS里把此图复制一张，并把深灰色横条处理掉，再和原图错位拼在一起，就可以基本上还原图片;

　　第三步，打开支付宝，扫描这张还原的图片就可以抢到红包啦。

　　其实，这一系列操作可以在PS里生成一个“PS动作”，然后把你想抢的那个红包的图片往PS里放，用动作P图，简直秒速，简直比富士康流水线上的工人速度还快。

　　当然，经过亲测，能够破解的红包图片还是有一些规律可循的，比如，如果你藏红包的时候是拍的人像或者动物等，成功率几乎百分之百，主要是这个图像里的物体得是不规则的，比如我们测试了一张橙子的照片就没能成功，它太规则了。

　　高级版，用人工智能秒杀

　　我们的工程师哥哥刚才欣喜若狂的跑来跟我说：“我TM破击了支付宝红包，你想知道吗?”

　　我，当然想知道，不然怎么写文章?

　　根据他跟我的描述，具体的工作原理如下：

　　1，用深度卷积网络CNN在ImageNet上训练一个Autoencoder，训练的模型可以用AlexNet的改装版。

　　a，需要一个Tensorflow环境或者Caffe环境

　　b，用一个3层卷积(Conv)，3层解卷积(Deconv)的网络进行端对端训练 ，用sigmoid交叉熵作loss

　　c，当loss收敛时，就可以拿来破解了

　　2，按上面的方法先截个图，并把横条图颜色部分都置为0，然后将此图片作为卷积网络的输入部分

　　3，对卷积网络进行Forward，我们就可以拿到不带横条的原图

　　如果这里还不爽，再来一点进阶：

　　1，去百度先下载一堆风景高清图;

　　2，这些高清图先变为800 * 800像素的固定大小图;

　　2，把图片缩放到256 * 256像素;

　　3，用256 * 256做输入，800 * 800做输出进行端对端训练(这里就是将低像素图片高清还原);

　　4，再重复上面 2， 3。得到的输出就是不带横条的高清图。

　　然后就拍照抢红包吧，骚年～

　　用人工智能的方法可以看做是我们的设计师妹妹的高配版，他的主要方法是，让机器经过训练后能够把被遮挡的部分还原出来，让机器拥有识图的感觉。并且利用这种方法还可以把低像素变成高像素，把原图高清化，这种方法几乎可以秒杀所有的红包了。

　　所以，满大街那些不少人的红包，理论上，只要你点开他就可以抢到他的红包，不管他是张三李四王二麻子。