Как найти картину по кусочку

Category:

• 18+
• Cancel

как найти оригинал картинки даже по одному её фрагменту

*Это цитата сообщения
  Rost :

Простая инструкция вида: “шаг за шагом” с примером.

1. Находим адрес картинки. В нашем случае это: “http://img0.liveinternet.ru/images/attach/c/0/40/403/40403940_auto.jpg”
2. Идём на сайт tineye.com
3.Загружаем картинкуадрес картинки или вставляем её адрес (слева или справа соответственно).

4. Нажимаем кнопку “Search”.
5. Получаем эту страницу
На ней видны миниатюры картинок, формат и разрешение исходных картинок, их адреса размещения, сайты вообще и прямые ссылки на страницы сайтов, где есть эти картинки.

А теперь вы знаете, как искать конкретные картинки в интернете, я скажу пару слов, зачем это нужно (если кто не понял).

Прежде всего главная “полезность” такого сервиса – поиск большой картинки по её миниатюре
  (вы поняли, мои маленькие любители качественной эротической фотографии?) или даже её кусочку. Кроме того, можно найти оригинал картинки по её отфотошопленной копии и т.д.

Вещь очень и очень полезная. Рекомендую!

Поиск изображений по фрагменту

В своем выступлении Александр Крайнов рассказал каким способом Яндекс.Картинки кластеризировали дубликаты изображений. Другими словами, выделяли и отфильтровывали дубли картинок. Где основная идея была в том, чтобы выделить контуры изображения посредством фильтра DoG, после чего найти ключевые точки и получить их дескрипторы.
Кластеризация дубликатов сводится к поиску совпадений дескрипторов. Это и есть «цифровой формат» ключевых точек из статьи Кластеризация дубликатов в поиске по картинкам.

Но хотелось бы немного подробнее узнать, что это за дескрипторы и как производить по ним поиск.

Дескрипторы

Ключевые точки — это точки, которые в идеале не должны меняться при изменении или модификации изображения.
Дескрипторы — это, в общем виде, свертка характеристик и представление ключевых точек в формате доступном для проверки на совпадение.

Поиск эффективного выделения ключевых точек, их дескрипторов, а также методов проверки на совпадения, все еще остается на повестке дня.

Но надо с чего-то начинать, поэтому обратимся на помощь к библиотеке OpenCV.

Первое на что бросается взгляд — это дескрипторы SURF.
Которые обещают необычайную точность. Что и подтверждается после тестов.

Но есть несколько нюансов.
Дескрипторы SURF — это вектора из 128 (или 64) чисел на одну ключевую точку. Проверка на совпадение выполняется поиском ближайшей точки (или даже двух). И чем ближе точка, тем лучше.

Получается что на изображение с 1 000 ключевых точек, потребуется 128 000 чисел с плавающей точкой.
Кроме того, само обнаружение точек довольно сложная операция и требует значительное время. Что не позволяет эффективно использовать данный алгоритм на небольших устройствах. К тому же сам алгоритм закрытый и запатентован (в США).

После ознакомления с SIFT и SURF, захотелось чего-то простого в реализации с возможностью применить на небольшом сервере либо устройстве.

Перцептивные хеши

И были найдены перцептуальные или перцептивные хеши.
Задача которых в том, что бы при небольшом изменении изображения хеш также незначительно менялся.

Проверка на совпадение проводится подсчетом количества отличающихся позиций между двумя хешами. Т.е. подсчет расстояния Хэмминга. И чем меньше оно, чем меньше различающихся элементов, тем больше совпадение.

Данный метод рассчитан на поиск полных либо частичных дубликатов изображения. Т.е. при значительном изменении формата изображения либо вмешательство в контент приводит к невозможности проверки на совпадение, так как хеши будут заметно отличаться.

Другими словами перцептивные хеши не годятся для поиска полудубликатов.

Исходя из этого была предпринята попытка объединить SURF дескрипторы и перцептивные хеши с целью решить проблему поиска нечетких полудубликатов.

Метод основывается на кластеризации ключевых точек таким образом, чтобы центры кластеров совпадали на оригинальном и кропнутом изображении. А далее производилось выделение фрагмента изображения вокруг ключевой точки и получения перцептивного хеша. В результате одно изображение давало порядка 200 кроп нарезков и их хешей.

У данного метода есть два с половиной значительных недостатка:
1. низкая скорость проверки на совпадение на большом наборе хешей. Поиск по 1 млн хешей занимало 20 секунд
2. низкая скорость получения ключевых точек
3. низкая точность, множество ложных срабатываний, высокие требование к целевой базе, годится не для всех картинок, требует премодерации и т.д

Сама идея о том, что бы из изображения выделялось некоторое количество отпечатков (fingerprint), которые можно было бы просто сопоставить друг с другом, завораживала.

Поэтому было решено попытаться найти решения данным проблемам.

Низкая скорость выборки

Сложность поиска и подсчета расстояния Хэмминга на большом наборе данных является самостоятельной проблемой и требует независимого подхода.
После некоторых исследований тематики оказалось, что существует множество решений данной проблемы.
Был выбран и реализован наиболее эффективный из имеющихся алгоритм названный HEngine, который позволил в ~60 раз ускорить выборку из базы данных.

SURF и ключевые точки

Так как мы работаем уже с бинарными хешами, или отпечатками, а совпадение считаем расстоянием Хэмминга, то странно использовать такую махину как SURF и стоило бы рассмотреть другие методы получения ключевых точек и дескрипторов.

В общем виде OpenCV предоставляет два типа дескрипторов:

— Дескрипторы с плавающей точкой
— И бинарные дескрипторы

Вот бинарные дескрипторы как никакие иные подходят для нашей задачи, потому что также используют расстояние Хэмминга для проверки на совпадения.

ORB: an efficient alternative to SIFT or SURF

OpenCV уже имеет у себя отличную альтернативу SURF, которая мало того, что открытая и без лицензионных ограничений, так еще легче и работает быстрее [1].

ORB — это Oriented FAST and Rotated BRIEF — улучшенная версия и комбинация детектора ключевых точек FAST и бинарных дескрипторов BRIEF.

ORB имеет один существенный нюанс для нас — размер дескрипторов 32 байта на одну точку.
Проверка на совпадение — это сумма расстояний Хэмминга для каждого байта дескриптора (первый сравнивается с первым, второй со вторым и тд).

В нашей задаче подразумевается, что одна точка дает одно значение, а тут получается 32, которые надо еще и суммировать с соответствующими по индексу (первый с первым, второй со вторым и тд) в целевой базе данных.

Так как наш хеш это 64битное число, то требуется 32 байта дескриптора ужать в 8 байт и при этом не сильно потерять в точности.

После некоторых тестов было решено попробовать эти 32 байта представить в виде матрицы 16×16 бит. А потом эту матрицу пропустить через перцептивный хеш PHash. Результатом должно было оказаться как раз 64 битное число.

Теперь мы подошли к полному описанию концепта.

Как работает индексация

1. Получаем ключевые точки и дескрипторы ORB, выбираем количество требуемых точек на изображении.
2. Полученные дескрипторы по 32 байта представляем в виде битовой матрицы 16×16.
3. Конвертируем матрицу в 64битное число с помощью PHash.
4. Сохраняем 64битные отпечатки в MySQL.
5. Выбираем требуемое расстояние Хэмминга и запускаем демон HEngine, который будет выполнять поиск.

Как работает поиск

Выполняем идентичные шаги 1 — 3 из индексации, но только на запрашиваемом изображении.
4. Делаем запрос демону HEngine, который возвращает все хеши в заданном пределе.
5. Если требуется, отфильтровать неактуальные результаты.

Рис 1. Предел расстояния Хэмминга 7. Серые точки — это найденные ключевые точки. Зеленые — совпадающие точки. Красные — совпадающие стандартным ORB полным перебором.

А что в итоге?

В итоге удалось решить нескольких проблем:
— найти способ быстрого подсчета расстояния Хэмминга на большом наборе данных
— избавиться от большого и неудобного SURF
— увеличить скорость выделения ключевых точек и их отпечатков
— а также не потерять сильно в точности.

Что позволило находить изображения по их фрагменту, а также нечеткие полудубликаты без больших вычислительных ресурсов.

Рис 2. Сладкое к пятнице

Учитывая то, что в зависимости от настроек, описанный алгоритм через бинарные дескрипторы ORB выдает около 1 000 хешей на картинку.
На базу в 1 000 изображений получается 1 000 000 хешей в базе. Поиск и кластеризация всех дубликатов занимает полторы минуты. Включает в себя полный перебор и поиск совпадающих хешей.

Ссылки

[1] Ethan Rublee, Vincent Rabaud, Kurt Konolige, Gary R. Bradski: ORB: An efficient alternative to SIFT or SURF. ICCV 2011: 2564-2571.
[2] en.wikipedia.org/wiki/SURF
[3] ru.wikipedia.org/wiki/Расстояние_Хэмминга
[4] phash.org
[5] habrahabr.ru/post/143667 Кластеризация дубликатов в Яндекс.Картинках
[6] habrahabr.ru/post/211264 HEngine — алгоритм поиска хешей в пределах заданного расстояния Хэмминга на большом наборе данных
[7] github.com/valbok/img.chk Мой прототип поиска по фрагментам

Каждый, кто сегодня работает с оформлением текста, сталкивался, пожалуй, с такой проблемой: в архиве есть подходящая картинка, да только непонятно, кто её автор. И ни по названию изображения, ни по техническим параметрам его не вычислить.

Можно, конечно, отказаться от использования изображения или, если речь не о СМИ, а о личном блоге, извиняясь и кланяясь использовать чужое с припиской «Автор, отзовись!» Но тем, кто подходит к вопросу авторских прав серьезно, решить проблему поиска поможет так называемый «обратный поиск картинки».

Строго говоря, такой поиск далеко не в новинку для фотографов с бильд-редакторов, которые наверняка в большинстве своем подкованы в этом вопросе. А вот обычные журналисты, как показал неформальный опрос среди знакомых коллег, далеко не всегда могут похвастать такими знаниями.

Поэтому «открою Америку» и расскажу, как искать в сети автора и источник для имеющегося безымянного изображения. Кстати, заодно «обратный поиск» поможет найти не только источник, но и ту же картинку в другом размере, а также изображения, похожие по цвету, узору и т.д. Кроме того, он же отличный помощник для авторов изображений, которым станет легче проверить, не бродит ли их произведение по Интернету, взятое кем-то без разрешения.

Первой представлю «старушку» – поисковую машину, специализирующуюся на Reverse Image Search, то есть на обратном поиске картинок, уже целых шесть лет. TinEye была разработана в 2008 году канадской фирмой Idee Inc.

Язык: английский. Интерфейc простой.

Использование бесплатное для некоммерческих целей.

Слева на странице с симпатичным роботом можно загрузить картинку с помощью классической навигации или способом перетаскивания (Drag&Drop) с винчестера. По желанию справа можно задать поиск автора, загрузив только URL-адрес картинки, стоящей в Интернете.

Ищет TinEye довольно быстро и качественно. При тестовом поиске ресурс выдал результат в почти 5 миллиардов просмотренных картинок за две (!) секунды и шесть конечных результатов поиска, среди которых не было случайных.

Плагин этого поисковика можно установить практически на любой популярный браузер, так он всегда будет под рукой.

Единственный недостаток – понять, куда ведет найденная ссылка, можно только нажав на нее. В результате в поиске могут оказаться сайты на языках, которые вы не понимаете, и ваша работа несколько затянется.

Язык: английский. Интерфейс простой.

Использование бесплатное.

Хотя у данного поисковика есть даже App для Андроида, он несколько неповоротлив и производит впечатление реликта из тех времен, когда мониторы были на много меньше. С той же тестовой картинкой, что и в первом примере, он выдал всего 10 результатов, и к тому же растянул их выдачу на целых две страницы. Кроме того, ни одна ссылка не была тем, что мы искали, хоть и все как минимум отдаленно напоминали искомую картинку цветовой гаммой.

Однако у поисковой машины RevIMG есть и свои преимущества. Так, здесь можно не только загрузить для поиска картинку или ссылку на нее, но и сузить поиск, задав тематическую категорию, а также можно выделить лишь часть загруженной картинки, что особенно удобно, если картинка была изменена или использована в коллажах.

Язык: зависит от Ваших настроек. Интерфейс суперпростой.

Использование бесплатное.

Опцию обратного поиска картинок Google предлагает уже с 2011 года. Чтобы ею воспользоваться, в поле поиска картинок надо предварительно нажать на маленькое изображение фотокамеры. Искать можно как по адресу опубликованного в Интернете изображения, так и по самой картинке, загрузив ее обычной навигацией или перетаскиванием с винчестера.

С той же тестовой картинкой, что и в первых двух случаях, менее чем за одну секунду поисковик смог найти целых 56 результатов, кроме того, внизу страницы с результатами был также выбор картинок, визуально похожих по искомую. На странице выдачи также сразу видна часть текста с сайта, на который ведет ссылка, что упрощает выбор при поиске.

Таким образом, учтя ошибки и недоработки конкурентов, Google, похоже, дал нам в руки пока самую успешную поисковую машину для обратного поиска картинок из всех имеющихся.

P.S.
Кстати, в ходе тестовых поисков нам удалось выяснить, что одна из женщин, изображенных на картинке, Глория Стайнем – знаменитая американская феминистка. А вот автора фотографии найти так и не получилось. Ну что ж, для чистоты эксперимента не будем скрывать этот факт. Техника поиска пока не идеальна, и разработчикам поисковых машин есть над чем работать и дальше.

“- Давным давно, на первом курсе еще, была у нас история искусств. Лекции проходили в субботу в 8 утра и с без пяти «препод» стоял у двери, а потом закрывал ее на замок. И все. Не успел – пропуск. Весь год он показывал нам слайды картин, начиная от наскальной живописи и заканчивая русскими художниками 90х годов. И все эти слайды были у него в виде открыток. Воттакенная пачка. А в конце года, как водится, экзамен. Сначала два вопроса, а потом экзекуция в индивидуальном порядке. По количеству твоих пропусков за год (!) он доставал из пачки открытки. Вразнобой. И надо было сказать автора или название. Мону Лизу и еще парочку все запомнили быстро. А с остальным мульёном надо что-то делать. И вот, для угадывания автора мы в группе вывели классификацию. И знаете, в 97 случаях из ста – она работает! До сих пор!”

Если видишь на картине темный фон и всяческие страдания на лицах – это Тициан.

Если на картине воттакенные попы и целлюлит даже у мужиков – не сумлевайтесь – это Рубенс.

Если на картине мужики похожи на волооких кучерявых баб – это Караваджо.

Много маленьких людишек, а так же куча всего – Босх.

Если все люди выглядят как бомжи, ночью при свете тусклого фонаря – это Рембрандт.

Если к картине можно запросто пририсовать пару толстопопых амуров и овечек (или они уже там есть) – это Буше.

Видишь балерину – говоришь Дега. Говоришь Дега – видишь балерину.

Контрастно, резковато, синевато, и у всех воттакие тощие бородатые лица – Эль Греко.

И, наконец, если все, даже тётки, похожи на Путина – это Ян ван Эйк

А все потому, что этот вопрос не потерял актуальности и до сих пор. Суть этого метода заключалась в том, чтобы запомнить несколько отправных пунктов. Придумано это было вообще-то для того, чтобы сдать экзамен, но сработало так хорошо, применив этот приемчик можно было прослыть интеллектуальным знатоком живописи.

А вот и сама история.
«Давным-давно, на первом курсе еще, была у нас история искусств. Сам предмет – жутко интересный, но препод – говно, какое днем с фонарем не сыщешь. Насколько я знаю, нет ни одного студента, которому бы он нравился.

Лекции он проводил в субботу, с 8 утра и с без пяти стоял у двери, а потом закрывал ее на замок. И все. Не успел до восьми – пропуск, а много пропусков – большое горе.

Сейчас расскажу почему. Весь год он показывал нам слайды картин, скульптур, мозаик и прочего-прочего, начиная от наскальной живописи и заканчивая русскими художниками 80-х годов. И все эти слайды были у него в виде открыток. Воттакенная пачка.
А в конце года, как водится, экзамен. Сначала два вопроса, а потом дополнительная экзекуция в индивидуальном порядке. По количеству твоих пропусков за год (!) он доставал из пачки открытки.

Особенно потому, что все сходили на пересдачу уже по разику. И вот для угадывания авторов мы в группе вывели классификацию. И знаете, в 97 случаях из ста оно работает! До сих пор!»

Вот вам часть той классификации:

Поиск по картинкам поможет найти похожие или идентичные изображения в интернете. Для поиска похожих картинок используются онлайн сервисы, которые имеют большие базы проиндексированных изображений.

Для успешного поиска изображения в интернете необходимо, чтобы подобная картинка ранее была загружена на какой-нибудь сайт в интернете. Поэтому, если вы, в данный момент времени, сделаете фото и попытаетесь его найти, то с большой долей вероятности результаты поиска вас не удовлетворят. Разумеется, это не касается фотографий достопримечательностей и других известных мест.

Поиск изображения по картинке присутствует в поисковых системах Google, Яндекс, на некоторых онлайн сервисах. В этой статье мы рассмотрим поиск по изображению, когда имеется образец картинки, а не поиск картинок, подходящих для поискового запроса, вводимого в строку поиска.

Давайте посмотрим, как можно найти похожие изображения в интернете, используя Гугл поиск по изображению, поиск по изображению в Яндекс, поиск картинок с помощью онлайн сервиса TinEye. С помощью данных сервисов вы можете найти в интернете похожие фотографии, картинки, изображения.

Поиск по картинке Гугл

Для поиска по изображению с помощью поисковой системы Google, необходимо зайти на сайт images.google.ru
. Далее нажмите на изображение фотоаппарата «Поиск по картинке».

В окне «Поиск по картинке» нужно будет указать ссылку на изображение, или загрузить файл с компьютера.

В первом случае, во вкладке «Указать ссылку» нужно ввести URL адрес картинки. Получить адрес можно таким способом: кликните правой кнопкой мыши по изображению на сайте, а в контекстном меню выберите пункт: «Копировать ссылку на изображение», «Копировать URL картинки» (в разных браузерах пункты контекстного меню отличаются, но смысл действия я думаю понятен).

Во втором случае, нужно загрузить картинку с компьютера. Откройте вкладку «Загрузить файл», а затем выберите изображение на своем компьютере.

В третьем случае, можно просто перетащить изображение в окно «Поиск по картинке».

После добавления изображения, нажмите на кнопку «Поиск по картинке».

По результатам поиска, вы увидите найденную картинку, другие варианты размера изображения (если есть другие размеры), похожие изображения, страницы с подходящими изображениями.

Таким образом, вы подберете нужный вариант изображения.

Поиск по изображению Яндекс

По технологии Яндекса, будут найдены изображения полностью соответствующие исходной картинке, или похожие изображения. Перейдите на страницу yandex.ru/images
, а затем нажмите на изображение фотоаппарата.

Сервис Яндекс Картинки проведет поиск изображения в интернете. В результате, вы увидите, что найдены: исходная картинка, эта картинка в других размерах, похожие картинки, сайты, где встречается картинка.

Теперь вы можете выбрать подходящий вариант изображения для дальнейшего использования.

Поиск по картинкам TinEye.com

Онлайн сервис TinEye com обладает очень большой базой данных по изображениям (проиндексированы миллионы картинок в интернете).

Войдите на страницу www.tineye.com
для поиска изображения.

В поле «Upload or enter image URL» введите адрес картинки в интернете, или нажмите на кнопку со стрелкой, расположенной около поля поиска, для загрузки картинки со своего компьютера.

Выводы статьи

Для поиска по картинкам в интернете, можно использовать: сервис Google Картинки в поисковой системе Google, сервис Яндекс Картинки в поисковой системе Яндекс, сервис поиска по картинкам TinEye. После загрузки изображения, или ввода его URL адреса из интернета, поисковые системы покажут вам все найденные изображения, похожие на оригинальную картинку.

Перевод публикуется с сокращениями, автор оригинальной
статьи Anusha Saive.

Вы можете легко вывести свой проект или маркетинговую кампанию на новый уровень с помощью правильных изображений. Если знать, как использовать правильные фильтры для сортировки и ключевые слова, нетрудно получить изображение для любой цели.

Далеко не каждая
поисковая система предоставит вам лучшие изображения. Приступим к
рассмотрению.

1. TinEye

TinEye – инструмент для поиска похожих на
оригинал изображений, требующий, чтобы вы либо ввели URL, либо загрузили картинку, чтобы узнать, откуда она появилась. Эта поисковая система проста в
использовании и отличается дружественным интерфейсом.

Можно также использовать расширение браузера TinEye для быстрого поиска: нажмите правой кнопкой мыши на любое изображение и найдите его.

2. Google Images

Никто не опережает Google Images,
когда дело доходит до поиска изображений. Все, что вам нужно сделать – ввести ключевое слово и нажать «Enter». Для более
детального поиска предлагаются определенные фильтры, предоставляющие широкий
выбор связанных изображений. Этот удобный инструмент дает именно то, что вам
необходимо.

Вы можете выбрать из
большого списка фильтров, представляющих изображения в виде клипарта,
мультфильма, иллюстраций и т. д. Фильтрация позволяет выбрать цвет,
размер, тематику и другую подобную информацию. Чтобы воспользоваться этим
инструментом, найдите значок камеры в поле поиска и нажмите на него.

3. Yahoo Image Search

Yahoo Image Search – еще один удобный вариант для поиска изображений. Он похож на Google Images и дает отличные результаты. В этом продукте
фильтры менее сложны, но удобно расположены и находятся на виду.

4. Picsearch

Если хотите получить более разнообразные результаты по введенному ключевому слову, попробуйте Picsearch.
Эта поисковая система не показывает массу конкретных
результатов, как некоторые другие поисковики, но демонстрирует связанные
изображения по ключевому слову.

Расширенные опции поиска позволяют фильтровать
результаты по размеру, разрешению картинки, заднему фону и т. д.

5. Bing Image Search

Bing IS является лучшей альтернативой Google Images,
поскольку выдает довольно похожие результаты. С точки зрения макета он также
довольно близок к сервису Google и обладает невероятными функциями для поиска людей,
используя параметры лица, головы и плеч.

Доступны многочисленные опции поиска и фильтры.

6. Flickr

Flickr работает несколько
иначе. Это своего рода платформа, где фотографы-любители и профессионалы делятся изображениями. В случае, если вы
находитесь на Flickr для поиска картинок на маркетинговую, брендовую или
коммерческую тематику, обязательно изучите лицензию.

7. Pinterest Visual Search Tool

Pinterest давно всем знаком и многие жить без него не
могут из-за некоторых особенностей инструмента. Одна из них – встроенный
визуальный поиск. Чтобы получить доступ к этой платформе, вам нужно войти в
свою учетку, нажать на любой появившийся в ленте пин,
а затем щелкнуть по значку в правом нижнем углу, связанному с закрепленными в
системе изображениями.

Эта поисковая машина
имеет обширную базу данных и дает лучшие результаты,
соответствующие искомому изображению.

8. Getty Images

Getty
Images выполняет поиск по ключевым словам и по
изображению. Для поиска по ключевым словам существует
несколько вариантов с функциями автоматического предложения. Ресурс предлагает набор фильтров, гарантирующих, что вы получите именно то, что
ищете.

Сервис предоставляет
изображения в двух вариантах: творческие и редакционные, а также видео. Вам
придется заплатить за лицензию, чтобы использовать любую фотографию (ее можно купить в пакетах или поштучно с фиксированной ценой).

9. Яндекс

Яндекс позволяет искать изображения с помощью широкого
спектра фильтров и параметров сортировки по формату, ориентации,
размеру и т. д. Также доступен еще один
инструмент поиска, называемый «Похожие изображения».

10. Shutterstock

Ищете бюджетный вариант с хорошим ассортиментом? Shutterstock – то что нужно. Он отобрал пальму первенства у Getty Images с помощью огромной
библиотеки изображений.

Ресурс позволяет
выполнять поиск изображений любым удобным для вас способом. Ежемесячные и
годовые тарифные планы предполагают варианты с предоплатой или с оплатой после покупки.

11. The New York Public Library Digital Collections

Последний, но не худший
источник. Если вам нужны изображения с высоким разрешением, относящиеся к
исторической эпохе, картам, книгам, бухгалтерской тематике, фотографии и т. д.,
не забудьте поискать в The New York Public Library! Огромный архив изображений – общественное достояние.

Этот инструмент поиска
исторических изображений позволяет уточнить условия, выбрав
результат в зависимости от жанра, коллекции, места, темы, издателя и т.д.

Дополнительные материалы:

• 10 лучших альтернатив YouTube, которые стоит попробовать в 2021 году

Источники

• https://www.fossmint.com/image-search-engines/

Вот уже 3 года онлайн галерея Parnas ведет свой блог на Дзен. Мир за это время изменился до неузнаваемости, но если вы давно с нами, то не хуже нас знаете, что искусство – та его часть, что осталась прежней.

Сотни имен великих художников было раскрыто с новой стороны, сотни картин и иллюстраций мы «прочитали» вместе с вами с 2019 года. Вы научились узнавать, к какой культуре принадлежит тот или иной художник по манере письма, по особенностям и запоминающимся деталям.

Мы читали криминальные и мистические истории, строили догадки о мире по ту сторону полотна, размышляли, что хотел сказать художник и получилось ли у него донести до нас силу своей мысли. И, конечно, мы любовались бессметными шедеврами, среди которых русское искусство занимает особенное – почетное место.

И если вы давно нас читаете, вам не составит труда отгадать картину по маленькому ее кусочку – фрагменту полотна. Будьте внимательны и честны, если хотите проверить себя, ниже за фрагментом будет и ответ на загадку. Все работу, которые мы сегодня рассматриваем, относятся исключительно к русскому искусству и знакомы нам с детства, так что трудностей возникнуть не должно.

Вперед!

1. Знаменитый фрукт. Это должно быть легко, ведь его название фигурирует в имени картины. Известный русский импрессионист наполнил данную картину поистине домашним уютом, а небольшая подсказка в композиции поможет быстро определить оригинал.

2. Дело в сказке. А этот сюжет будет знаком поклонникам фольклора, ведь художник, написавший его являлся страстным любителем сказок и народных преданий.

3. Гнев богов. На этой картине огромное множество действий и персонажей, так что рассматривать ее, на самом деле, проще по фрагментам. Правда драматизм и ужас от происходящего никуда не пропадает.

4. В пылу страстей. Ну а эту задорную картину от сурового сибирского художника мы знаем со школьных лет. Что за жаркое действо на ней развернулось?

5. Вот так дела. Нехорошо так разочаровывать близких. А вы помните кто герой этой картины и в чем его упрекают?

6. Мир земной. Снова перед нами масштабное полотно от художника – мастера исторической живописи. И хотя это уже посложнее, причину стенаний людей на фрагменте отгадать вполне возможно.

7. На свежем воздухе. Одна из самых приятных картин в русском искусстве, ведь на ней присутствует нечто умилительное. Догадались?

8. Сплошной авангард. Если из вышеперечисленного вы отгадали совсем мало, не переживайте – следующее произведение точно вам знакомо!

А теперь к ответам. Листайте право и находите подходящие фрагменты на репродукциях.

Если вам понравилась игра, пишите в комментариях и мы будем чаще так вас развлекать.

Ну и конечно, не забудьте подписаться на наш канал, чтобы вместе нами познавать неисчерпаемую красоту русского и мирового искусства!