Om du pratar om JPEG-filer är verktyget jpeginfo precis det du letar efter. Det kan kontrollera filer för olika typer av JPEG-fel och korruption och antingen returnera en felkod (det mest användbara för skript) eller bara ta bort filer med fel.

Jag använder den som en del av min ursprungliga fil överföring för att se till att allt kopieras okej utan att förlita sig på manuell kontroll. (Därefter ser jag till att deras kontrollsummor inte ändras som en del av mitt normala säkerhetskopia / bitrotskydd.)

Programmet är kommandorad och kommer som källkod, men det borde vara lätt att bygga och använda på alla Linux-distributioner eller på en Mac med en utvecklingsmiljö som är korrekt inställd. Jag är säker på att du till och med kan göra det på Windows med Cygwin eller MinGW. (Till exempel, även om jag inte kan garantera dess integritet, verkar detta blogginlägg legitimt och innehåller en förkompilerad nedladdning.) Att bygga det själv:

  $ git klon https://github.com/tjko/jpeginfo.gitKloning till 'jpeginfo' ... [...] Kontrollera anslutning ... gjort $ cd jpeginfo / $ ./konfigurera && gör  

Detta ska skapa ett jpeginfo -kommando som du antingen kan köra på plats eller kopiera vart du vill (eventuellt med make install ).

Sedan , du kör det så här:

  $ ./jpeginfo -c * .jpgtest1.jpg 1996 x 2554 24bit Exif P 6582168 [OK] test2.jpg 1996 x 2554 24bit Exif P 6582116 För tidigt slut av JPEG-fil [VARNING] test3.jpg Korrupta JPEG-data: 1 främmande byte före markör 0xe2 1996 x 2554 24bit Exif P 6582169 [VARNING]  

Här är test1.jpg helt bra, och test2.jpg Jag raderade några byte från slutet och test3.jpg jag ändrade några slumpmässiga byte i rubriken.

Om du har RAW-filer, kolla in den här sidan från American Society of Media Photographers på DNG Validation, eller en om datavalideringsinformation, som omfattar användning av Adobes DNG omvandlare för att batch-validera egna RAW-format. (Tyvärr är detta en GUI-operation och inte nödvändigtvis lätt att skriva.)

Om du har en kamera som ursprungligen matar ut 1.2-versionen av DNG, är det ännu bättre, eftersom det inkluderar en inbyggd MD5-kontrollsumma av bilddata. Tyvärr verkar detta inte lagras med den vanliga bildmetadata - eller åtminstone exiftool och exiv2 känner inte igen det, och de läser 1.2 DNG-filer i allmänhet - vilket innebär att så vitt jag vet för närvarande Adobe-validering verktyget är det enda sättet att dra nytta av det också.

Om detta inte handlar om att ladda ner bilder från din kamera utan en dator-till-dator-överföring, är en vanlig metod för filintegritet kontrollsumma.

Tyvärr, såvitt jag vet, kontrolleras vanliga "slutanvändares" bildformat (jpeg, png, gif, ...) inte integritet på egen hand. Men som jag förstår frågan om att innebära automatiserad bearbetning kan integrering av kontrollsummverktyg ( CRC32, MD5, ...) i arbetsflödet vara en genomförbar lösning. En vanlig metod för att lagra kontrollsumman är att ha en fil med samma filnamn, bara med ett tillägg, som: img123.jpg → img123.jpg.md5 .

Detta tillvägagångssätt har den extra fördelen att du också kan kontrollera integriteten hos (till exempel) sidobilfiler eller något annat du vill överföra i en liknande mekanism. Och om du håller kvar kontrollsummen, även i framtiden. (Och det har nackdelen att inte integreras i PS, LR eller andra vanliga verktyg i den mån jag har begränsad kunskap.)

ImageVerifier gjorde vad du ville. Tyvärr är den inte tillgänglig för nedladdning längre och supporten har avbrutits den 31 december 2017 (se Ingestamatic och ImageVerifier finns inte längre till salu).

Gammalt svar av historiska skäl

ImageVerifier (förkortad IV) går igenom en hierarki av mappar som letar efter bildfiler att verifiera. Det kan verifiera TIFF, JPEG. PSD, DNG och icke-DNG råvaror (t.ex. NEF, CR2).

IV är utformad för att bearbeta ett stort antal bilder. Mapphierarkier med 100 000 bilder eller mer bör inte vara något problem. I en testkörning sprang IV i 14 timmar.

Det finns två typer av verifiering som IV utför: strukturkontroll och haschkontroll.

http: // baspath. com / site / detail-ImageVerifier.php

Jag utvecklade check_media_integrity ett enkelt pythonscript check_mi.py , du kan ladda ner det från GitHub:

https: // github .com / ftarlao / check-media-integritet

Jag citerar guideintro:

check-mi är ett Python 2.7-skript som automatiskt kontrollerar integriteten av mediefiler (bilder, video, ljud). Du kan kontrollera integriteten för en enskild fil eller en uppsättning filer i en mapp och undermappar rekursivt, slutligen kan du valfritt mata ut listan med dåliga filer med deras sökväg och detaljer i CSV-format.

Verktyget testar filintegritet med hjälp av vanliga bibliotek (Pillow, ImageMagik, FFmpeg) och kontroll när de effektivt kan avkoda mediefilerna. Varnings-, bild-, ljud- och videoformat är mycket motståndskraftiga mot defekter och skador av detta skäl, verktyget kan inte upptäcka alla skadade filer.

check-mi kan med 100% förtroende upptäcka filer som har trasiga rubriker / metadata, trunkerade bildfiler (med strikt_nivå> 0) och enhets i / o-fel.

check-mi kan vanligtvis inte upptäcka alla mindre skador - t.ex. liten del av mediefilen skrivs över med olika värden. I detalj har jag testat strikt_nivå 1 med ett litet randomiserat experiment, utfört på en enda 5 MB jpeg-bild:

Skriva över en del (intervall) av bildfilen med nollor, du behöver intervallstorlek = 1024 KB för att kunna få 50% chans att upptäcka skadan. Om du skriver över en del (intervall) av bildfilen med olika slumpmässiga värden, får du cirka 85% detektionsförhållande för intervallstorlekar från 4096bytes till 1024Kbytes.

Om du känner till sätt att instruera Pillow, Wand och FFmpeg ska vara strängare vid avkodning, berätta för mig.

Det accepterade svaret hänvisar till användningen av jpeginfo, som är ett riktigt gammalt och underhållet verktyg skrivet i C (och inte heller mycket modulärt / utdragbart). Det verkar också som att det bara letar efter några specifika EXIF-datapunkter (skumma igenom källkoden i ~ 5 minuter).

IMO, ett bättre verktyg som heter filtyp, är väldigt lätt att använda - i princip kopiera och klistra in deras exempelkod och ändra filnamnet om du inte vet hur man kodar. Den kontrollerar magiska siffror som är associerade med vissa kända filtyper och låter dig veta vilken typ av fil du har att göra med.

Jag letar fortfarande efter fler lager än bara detta. Till exempel, om godtyckliga data lagras förbi (eller i) EXIF-metadata, eller efter de magiska siffrorna, kan det utgöra säkerhetsproblem. Jag fortsätter att undersöka fler säkerhetsåtgärder och hoppas att jag senare kommer att uppdatera det här svaret.

Här är exempelkoden kopierad från deras webbsida, för de lata:

  // Node.jsconst readChunk = kräver ('read-chunk'); const fileType = kräver ('file-type'); const buffer = readChunk.sync ('unicorn.png', 0, fileType.minimumBytes); fileType (buffert) ; // = > {ext: 'png', mime: 'image / png'}  

FYI, detta verktyg uppdateras ständigt (för 3 dagar sedan var den senaste uppdateringen, från och med mitt ursprungliga svar här), och de har för närvarande 3,691,850 hämtningar per vecka - så det är nog en bra indikation.