Blurify 如何工作——以及它适合谁

在发布来自抗议、冲突地区或卧底调查的照片时，记者面临一项关键义务：保护图像中的人。一张可见的面孔、一个独特的纹身或一件独特的衣服，都可能足以识别出某人并使其陷入危险。

Blurify 让记者直接在浏览器中模糊可识别特征——无需云端上传，任何第三方服务器都不会看到图像。这一点很重要，因为即便是供应商运营的“私有”云存储，也可能受到法律传票和数据泄露的影响。使用 Blurify，未模糊的原始文件绝不会离开记者自己的机器。

法务和人力资源流程经常涉及必须在分享前部分涂黑的文档：删除薪资信息的人事档案、涂黑专有条款的合同，或去除可识别细节的和解协议。

传统的涂黑工具昂贵、需要安装，或迫使你把敏感文档上传到云服务。Blurify 完全在浏览器中处理 PDF——在需要隐藏的部分上绘制纯色涂黑块，然后导出一份干净的副本。整个过程中没有任何内容被对外传输或存储。

街头摄影师、旅行视频博主和社交媒体创作者经常需要在发布前模糊路人的面孔。许多平台要求这样做；许多创作者只是想尊重那些未同意出现在其内容中的人的隐私。

对于图片，Blurify 的椭圆工具可在几秒内自然地沿着面孔描绘。对于视频，关键帧让你在数秒的片段中跟踪一张面孔，而无需逐帧手动调整区域。直接导出为 MP4 或 WebM，即可上传。

分享截图来报告错误或撰写文档时，几乎总会意外泄露一些敏感信息——终端输出中的 API 密钥、客服队列截图中的客户邮箱，或网络图中的内部主机名。

Blurify 的矩形工具让你在截图进入 Jira 工单、公开的 GitHub issue 或博客文章之前，轻松涂黑这些细节。由于它在浏览器中运行，它能自然融入任何操作系统，无需安装额外软件，也无需授予另一个工具访问你屏幕的权限。

HIPAA 以及其他司法辖区的同等法规要求，在图像用于病例研究、医学出版物、会议演示或训练数据集之前，必须去除可识别患者身份的信息。

Blurify 让临床医生和研究人员匿名化面孔、去除可见的姓名牌，并遮盖临床照片中的其他可识别特征——全部无需把患者影像上传到外部服务。处理后的图像在本地导出，未修改的原始文件保留在从业者自己的设备上。

监控录像、行车记录仪记录和证人视频常常需要与执法机构、保险公司或法院分享——但其中可能包含与事件无关、其隐私应受保护的路人。

Blurify 的视频流程使用编译为 WebAssembly 的 ffmpeg 逐帧渲染并应用模糊区域，然后完全在浏览器中重新编码。输出视频可导出为 MP4 或 WebM，而原始素材绝不会离开用户的设备。

当你把图片或 PDF 加载到 Blurify 时，文件会使用浏览器的 FileReader API 作为 ArrayBuffer 读入内存。对于图片，它被解码为 HTMLImageElement 并绘制到离屏 HTML5 Canvas 上。对于 PDF，pdf.js 会把每一页渲染到一个 canvas 元素中。文件数据在任何环节都不会被发送到网络请求。

模糊效果使用 Canvas 2D 上下文的 filter 属性应用——这是一种完全由浏览器渲染引擎执行的高斯模糊算法。在不支持 filter 属性的浏览器上（Safari 18 之前的版本），Blurify 会回退到使用 imageSmoothingQuality 的两遍降采样与升采样技术，以近似相同的模糊效果。

视频重新编码由编译为 WebAssembly 的 ffmpeg（ffmpeg.wasm）处理。这是完整的 ffmpeg 程序，运行在你浏览器的 JavaScript 引擎内——不涉及任何服务器。视频在一个隐藏的 HTML video 元素中播放，每一帧被捕获到应用了模糊区域的 canvas 上，生成的 canvas 流再使用 MediaRecorder API 录制。

对于不支持原生 MP4 录制的浏览器（Chrome 和 Firefox）上的 MP4 输出，Blurify 会先录制为 WebM，然后使用 ffmpeg.wasm 在本地转码为 MP4。整个转码在 Web Worker 中进行，使界面在操作期间保持响应。

Blurify 通过隐私友好的方式收集基本的匿名页面浏览数据（页面浏览量、国家/地区、浏览器类型、会话时长）——与大多数网站收集的汇总数据相同，并受你的 Cookie 同意选择约束。

Blurify 不会收集、传输或存储你所处理文件的任何信息。你的图片、视频和 PDF 完全在你浏览器的内存中处理，绝不会发送到任何服务器。原始文件在你的设备上保持不变；只有当你点击下载时，导出的结果才会写入磁盘。