實例分析PNG的故障原因

　　PNG是一種圖像格式，始于1995年，作為一種頗受歡迎的圖像格式，PNG至今仍十分盛行。一般而言，PNG以無損失壓縮或處理透明像素的能力為人所知。然而，我并不想從泛泛的角度去看待不同的圖像格式，而是嘗著用不同的方式讓它們發生故障，你有沒有想過，PNG發生故障時是什么效果呢？

　　校驗和（Checksum）

　　讓我們首先來看看校驗和（Checksum）系統中的CRC32算法。這一算法通常用于確認受損圖像，當它偵測到圖像文件受損時，不會在一般的圖片閱讀器上顯現出來。因此，若想使PNG發生故障，用諸如文本編輯器或二進制編輯器重寫部分二進制數據的簡單方法是行不通的。換句話說，“黑掉”PNG之難，難于上青天。

　　因此，為了能順利“黑掉”PNG，我們需要根據PNG的格式規范（PNG Specification）來做。這意味著，解碼CRC32算法后要對數據進行重寫和重新計算，并將其綁定到已經編輯的數據上。

　　狀態（State）

　　接下來，我們看看PNG的轉碼過程。表1簡要地顯示了PNG編碼流工作流程。包括四步：原始數據、過濾后數據、壓縮后數據、格式化的PNG。

　　表1 PNG編碼流

　　理論上來說，上述四個步驟都可以成為“下手”的目標。然而，從“原始數據”下手跟從BMP下手一樣，技術上而言，并不能把它稱之為“PNG故障”。而以最后一步“格式化的PNG”為目標也行不通，原因在于上文提到的校驗和系統的工作原理，因此無法產生故障。

　　現在，能供我們下手的就只有“過濾后數據”或“壓縮后數據”兩個步驟，只要方法正確，就可以使PNG故障形成。當我攻擊“過濾后數據”時，產生的效果非常明顯，故障元素好像花瓣一樣彌漫了整張圖像，過濾器之間的差異在“過濾后數據”受到攻擊時變得尤為明顯。另一方面，“壓縮后數據”故障受到了它們自身的壓縮算法的影響（Deflate壓縮），因此顯示出了一種與雪花噪點類似的圖片效果。

　　當然，在轉碼過程之外，也有其他的過程能影響PNG故障的圖案，例如透明像素和interlace。

　　五重過濾（Five filters）

　　決定PNG故障圖案最重要的決定因素是過濾的過程，這一過程通過某種算法將每一層掃描線的為壓縮像素數據進行轉換，從而提升壓縮效率。過濾包括四種算法和五種過濾類型，分別為Sub、Up、Average、Paeth和None（None為無過濾）。PNG圖像通常在使用最適當的過濾類型對每一層掃描線進行過濾后才開始壓縮，因此，在PNG圖像生成之后，五種壓縮會合為一體。

　　這五種過濾通常只是促進壓縮效率的提升，因此無論使用哪一層過濾，輸出結果都一樣。然而，當過濾后的數據受到損壞后，輸出結果會顯示出明顯的差異。當一個圖像經過優化，并同時具備上述五種過濾效果后，就很難辨別出不同的過濾效果。然而當同一個單一的過濾應用在每一條掃描線上，圖像出現故障時，差異就很明顯了。

　　下面我會展示每一種過濾的效果差異，當我們仔細留意不同的效果時，會發覺哪一種過濾會讓PNG故障的部分產生哪種美麗的效果。是的，這些圖像的確很美麗。