**
在第 374 集中，Candace Owens 向观众展示了一张来自 UVU 停车场监控的静态截图。这一集在一天内观看量突破一百万。她称这些照片是独家。她说它们来自法庭上播放的 4K 画面。然后她对这些画面做出了一项承诺。
“我们绝对没有以任何方式编辑这些画面，好吗？没有任何编辑。也没有压缩。”
五十秒前，她告诉观众这张图片证明了什么。她说，如果没有压缩和模糊，“你可能会意识到他其实有点壮。”
我测量了这张图片。它是被编辑过的。而她所指出的“壮”，正是编辑的结果。
为什么我有资格谈论这个
我多年来一直从事纪实摄影和街头摄影。我使用广角镜头拍摄，也校正广角镜头。我知道它们对画面会做什么，因为每次使用我都要与它搏斗。
每个摄影师都很早就学会了一件事。超广角镜头会挤压画面边缘的物体。你自己也见过。用 GoPro 或门铃摄像头拍合影时，站在两端的人会显得很瘦。那是镜头造成的。UVU 在那个停车场安装的正是超广角安防摄像头。在原始画面里就能看出来。天花板线条是弯的，远处的墙是弧形的。这就是广角镜头在做广角镜头该做的事。
修复这种畸变有正确的方法，叫做镜头校正。了解镜头的软件会把图像反向弯曲回去，而且画面不同区域弯曲的幅度各不相同。这正是关键所在。畸变是不均匀的，所以校正也必须是不均匀的。
还有一种错误的方法。你在编辑器里抓住侧边手柄，一直拖到画面看起来顺眼为止。每个初学者都这么干过一次。结果可能看起来很合理，但依然是猜，而且这个猜测决定了画面中人物的体型看起来是什么样子。
你可以通过测量来区分两者。镜头校正会对画面不同部分施加不同的拉伸量。而拖动手柄则对所有部分施加相同的拉伸量。这种差异就是指纹。
测试
她的图片和网上广泛流传的广角视频来自同一个摄像头。角落里同一辆白色 Camry，同一辆 Jeep Wrangler，同一辆黑色 SUV，地板上同样的漆线标记。她的图片显示的是那个视角中一个局部的区域。
所以我做了一个理所当然的测试。我取来广角画面，试图将其覆盖到她的图片上。
首先我按比例放大，就像任何正常的缩放一样。失败了。什么都对不上。同一个男人的重影出现在他自己旁边，而且这个重影明显更窄。那个重影才是摄像头实际记录下来的东西。
然后我把广角画面横向拉伸。不是一丁点。计算结果是横向拉伸大约是纵向的 1.9 倍。施加这个拉伸之后，她的图片与广角画面的吻合度在一个像素以内。每一辆车，每一条地面线，每一个阴影。
她的图片就是广角画面裁剪后横向拉伸约 1.9 倍的结果。
接下来是指纹。我分别测量了画面上、下、左、右四个部分的拉伸量。每个地方都一样。所有区域都在 1.88 到 1.92 之间。对于这么广的镜头，真正的校正跨越这么大的画面范围时会有可见的变化。但这里完全没有变化。这不是镜头配置文件，而是拖动手柄的结果。
有人用编辑器打开这张图片，把它拉宽，直到看起来顺眼为止。然后在“没有编辑”的声明下播出了它。
“壮”就是编辑
现在回过来看她想让观众看到的东西。“他看起来有点壮。”
在她的版本里，他的肩膀宽度约占身高的 28%。这正好是成年男性的中间值。正常范围大约在 26% 到 29% 之间。他看起来像一个普通人，因为有人选择了把他拉伸得像普通人的那个数值。选个大一点的数，他就变成线卫；选个小一点的数，他就变瘦。那张图片里他的体型是一个设置项。
未拉伸的广角画面同样救不了这个说法。在未拉伸的帧里，他的肩膀宽度约占身高的 17%。没有人类长这样。镜头把他压扁了。
所以这两张图片都无法告诉你这个男人的体型。一张是靠物理原理扭曲了他，另一张是靠人手扭曲了他。任何从这两帧画面上测量身材的人，测量的都是畸变，而不是这个人。
我靠拉伸照片为生。我这么做的时候，不会把结果叫做“未编辑”。
我没有主张什么
我遵循证据，并且说明证据的局限。以下是我的局限。
我无法告诉你拉伸是谁做的。像素不携带指纹。可能是她的团队做的，也可能提供静态画面的人交过来的就已经是拉伸过的。“没有编辑”的声明无论如何都站不住脚，因为“未编辑”是图像的一种属性，而不是她工作流程的属性。她为一张几何已经被改动过的图像作保，并在其上构建了关于一个男人身材的说法。
有人会说，是视频导出或某种奇怪的像素格式自动造成了这种情况，没有经过人手。这个拉伸系数与我见过的任何标准格式都不吻合。而且就算存在这种格式，也无关紧要。无论拉伸是怎么来的，屏幕上的几何形状都不是摄像头的几何形状，因此无法据此测量一个男人的身材。
我无法告诉你内容是被伪造的，我也没有证据证明它被伪造。事实上恰恰相反。我测试了她的图片中是否存在流传视频所没有的真实细节。她的图片确实有。Jeep 的中网格栅条在她的版本里清晰可辨，而在视频中即使以完全相同的系数放大也会模糊成一片。她的静态图确实来自同一摄像头画面的更高质量副本。这与她所说的来源是法庭画面相符。来源是真的，几何形状不是。
我还测试了 AI 编辑的痕迹。这个男人的噪点模式与周围车辆一致，压缩残差也一致。他的轮廓与 Jeep 的引擎盖线条和 Camry 的车顶一样柔和。而且他出现在两个独立的来源中——她的静态图和流传视频——穿着同样的衣服走在同样的路线上，两个来源的吻合度在一个像素以内。要伪造这个就得同时伪造两个来源。我什么也没找到。我也要告诉你这个发现的局限性。经过这么多代压缩，这些测试已经失去了威力。所以我要如实说明：我没有找到 AI 的证据，但并不等于证明没有 AI。还要注意，提出这个问题会让提问者付出什么代价。如果这张图片在某个环节被 AI 增强过，那就是“没有编辑”声明下的又一次编辑。
现在来说她的支持者想要引用的一段话，所以我会小心措辞。是的，未处理的广角画面确实扭曲了他，呈现出一副没有人类会有的肩膀。是的，横向拉伸把他的比例推进了一个可信的范围。她的支持者会把这称为校正。请注意这种辩护的代价。校正意味着编辑。你不能一边说拉伸是合理的修正，一边又说没有经过编辑。只能选一个。
而且“可信的范围”不等于测量结果。拉伸系数不是根据镜头计算出来的，而是凭眼睛调到这个男人看起来正常为止。所以他看起来正常这件事并不能证明他的任何情况，只能证明编辑者有一双正常的眼睛。把旋钮再转大一点，他就是线卫；转回去，他就瘦得像竹竿。一张比例靠手动设定的图片，无法为比例作证。即使手动猜得准，这一点也成立。
我也不会去纠结袜子的问题。她花了一段节目时间讲他白色的小腿下部，以及那下面可能藏着什么。在这个分辨率下，那条亮带可能是袜子、过曝的高光、皮肤上的阳光，或者视频压缩把色调糊在了一起。静态画面无法解决这个问题。所以我不会假装它们能。这就是测量一张图像和讲述一张图像的区别。
为什么这很重要
这不是关于一张照片的事，而是关于一种方法。
这种方法把一些事情说成是确定的。没有编辑。没有压缩。然后从这种确定性中得出结论。他很壮。他是左撇子。帽子下面有东西。当确定性崩塌时，这种方法不会去修正，而是转向下一个确定性。
在同一集里，她暗示画面被人故意降低质量并模糊化，以隐藏某个细节。两分钟前她刚告诉你，她的清晰静态图来自法庭上播放的 4K 画面。好好想想这件事。她所描述的压制，在公开法庭上走了一圈，最后出现在她的播客上。如果有人要隐藏这段画面，那他们做得也太差了。
我对自己要求一种不同的标准，也邀请你拿这个标准来要求我。上面所有内容都可以核实。图片是公开的。叠加测试可以用免费软件完成。测量数据都注明了局限。如果我有哪个数字搞错了，请指出来，我会在这篇文章里更正，并注明我确实错了。
她向观众展示了一张图片，并告诉他们它证明了什么。但那张图片无法证明她所说的东西。这个主张我可以全天辩护。我刚才已经做到了。
