怎么說呢，簡單來說馬賽克就是一個不可逆的過程。從原理上是不可能用逆向算法來恢復馬賽克的，因為馬賽克本身就會破壞原本圖像的色彩數據。

舉一個很簡單的例子吧，5+5＝10，4+6還是等于10，3+7依然等于10。如果問你5+5、4+6、3+7，你都能得到10這個結果。但如果把這個過程反過來，只告訴你結果是10，你要猜出原來加法式里的兩個數只能靠猜，而且猜中的概率微乎其微。

馬賽克簡單來說就是將鄰近像素的色彩數據合并中和，得到一個最終結果。就好像上面舉的5+5＝10的例子一樣，馬賽克化后的圖像是加法的結果，原圖像素的色彩數據則是5+5的過程。我們看到的大部分圖片文件的單個像素數據由三原色組成，三組數據各為0-255的整數，組合起來便是這個像素的色彩數據。馬賽克則是將數十乃至數百個像素的色彩數據重組并雜糅起來，隨機程度將遠遠大于我們舉的5+5＝10的例子，數據被破壞后逆向復原的難度也將飛速上升。

舉一個更加恰切的例子，馬賽克后的圖片就好比是一個平均數。比如一組數據是1、2、3、4、5，那么我們可以很容易得到它的平均數是3。但如果只告訴你一組由五個數字構成的數據平均數是5，那你在只知道平均數的前提下是沒有足夠條件去倒推原本數據中的每個具體數值的。

下面可以拿兩張中央氣象臺發布的等壓線圖舉個例子，兩張圖乍一看幾乎是一樣的，不過以人的肉眼是完全可以通過觀察其中大量的細節差異將二者區分開的。

但在將這兩張圖片分別打上馬賽克、抹去了所有細節之后，你將幾乎不可能再區分開這兩張圖片，更別說要精確地還原那些被抹去的細節了。

逆向還原馬賽克處理過的視頻和圖片同理，而且難度更大（每一幀都要還原）。不過咱們人類可以根據經驗在大腦里腦補細節去理解和補全視頻畫面中的內容，打馬賽克對理解的阻礙反倒比圖片更小。

不過，通過捕捉圖片中物體的一些細節，確實是可以根據經驗在一定程度上還原圖片里的物體的。

比如上圖熱成像儀里呈現的圖像，顏色是完全失真的，物體的外形有時候也是模糊的。但我們依舊可以通過經驗去判斷，這是兩個人，這是一棟房子，這是一輛車。但例如顏色這些被抹去的細節，我們將無從得知。

結合人工智能技術，現有的去馬賽克技術可以達到不影響人們識別和理解圖中事物的效果。但這絕非是逆向還原，更多的是以假亂真。