Fler och fler webbapplikationer låter sina användare ladda upp bilder. Ibland behöver dessa bilder manipuleras på något sätt, till exempel förminskas eller beskäras för att bättre passa in på webbsidan. Detta kan göras på flera olika sätt men denna rapport behandlar endast ett av biblioteken för bildmanipulation i PHP, nämligen GD-biblioteket.Syftet med denna rapport var att hitta eventuella styrkor och svagheter i detta bibliotek gällande bildmanipulation. Detta har gjorts genom att försöka skapa, för webben vanlig funktionalitet så som exempelvis tumnaglar, beskärning och vattenmärkning och sedan dokumentera resultatet.Resultatet av testningen visade att all testad funktionalitet gick att åstadkomma och slutsatsen som drogs av detta var att GD-biblioteket är ett bra val för någon som vill manipulera bilder. / More and more web applications allow its users to upload images. Sometimes you need these images manipulated in a way, such as reduce or crop it to better fit on the website. This can be done in various ways, but this report deals only with one of the libraries for image manipulation in PHP, namely the GD library.The purpose of this report was to identify potential strengths and weaknesses of this image processing library. This has been done by trying to create, typical web functionalities such as thumbnails, cropping and watermarking and then documenting the results.The results of the testing showed that all tested functionality was achievable and the conclusion drawn from this was that the GD library is a good choice for anyone who wants to manipulate images.

Denna studie berör unga kvinnors (18–28 år) attityd till bildmanipulerande appar, manipulerade bilder i sociala medier samt vad dessa bilder och appar kan ha för betydelse för deras identitetsskapande i och utanför sociala medier. Studien baseras på fem stycken kvalitativa intervjuer som fokuserar på ämnena identitetsskapande, sociala medier och bildmanipulation. Studien visar på en tvetydig attityd till bildmanipulerande appar där de både kan användas som ett personligt uttryck och konstnärligt redskap men också lägger grunden för orealistiska ideal och en önskan om skönhetsingrepp. De bildmanipulerande apparna möjliggör att det personliga varumärket, eller den önskade identiteten kan förstärkas med hjälp av yttre attribut. Det framgår även i studien att gränsen för vad som anses vara tillfälliga skönhetsfel (finnar och liknande) har förskjutits till att även inkludera sådant som kan justeras med hjälp av plastikkirurgi eller framtida viktnedgång. När en person väljer att manipulera sina bilder och ladda upp dem på sociala medier för att på så sätt leva ut bilden av den person den önskar vara, förstärks denna identitet av de likes och kommentarer som bilden får. Här tyder det också på att vänners bekräftelse väger tyngre eftersom det anses bekräfta att bilden stämmer överens med verkligheten. / This study concerns young women’s (18-28 years) attitude towards image-manipulating apps and manipulated images in social media. It also studies what these images and apps can imply for their identity in and outside social media. The study is based on five qualitative interviews that focus on the topics of identity, social media and image manipulation. The study shows an ambiguous attitude to image-manipulating apps where they can both be used as a personal expression and artistic tool but also lay the foundation for unrealistic ideals and a desire for plastic surgery. The image-manipulating apps allow the personal brand or identity to be enhanced by external attributes. It also appears in the study that the limit for what is considered to be temporary beauty defects (pimples and similar) has shifted to also include things that can be adjusted by means of plastic surgery or future weight loss. When a person chooses to manipulate their images and upload them to social media in order to live out the image of the person who they wish to be, this identity is reinforced by the likes and comments that the image receives. It also indicates that the confirmation of friends weighs heavier because it is considered to confirm that the picture is in line with reality.

Language-based fashion image editing has promising applications in design, sustainability, and art. However, it is considered a challenging problem in computer vision and graphics. The diversity of human poses and the complexity of clothing shapes and textures make the editing problem difficult. Inspired by recent progress in editing face images through manipulating latent representations, such as StyleCLIP and HairCLIP, we apply those methods in editing the images of full-body humans in fashion datasets and evaluate their effectiveness. First, we assess different methodologies to find a latent representation of an image via Generative Adversarial Network (GAN) inversion; then, we apply three image manipulation schemes. Thus, a pre-trained e4e encoder is initially utilized for the inversion process, while the results are compared to a more accurate method, Pivotal Tuning Inversion (PTI). Next, we employ an optimization scheme that uses the Contrastive Language Image Pre-training (CLIP) model to guide the latent representation of an image in the direction of attributes described in the input text. We address the problem of the accuracy and speed of the process by incorporating a mapper network. Finally, we propose an optimized mapper called Text-Driven Garment Editing Mapper (TD-GEM) to achieve high-quality image editing in a disentangled way. Our empirical results show that the proposed method can edit fashion items for changing color and sleeve length. / Språkbaserad bildredigering inom mode har lovande tillämpningar inom design, hållbarhet och konst. Det betraktas dock som ett utmanande problem inom datorseende och grafik. Mångfalden och variationen av mänskliga poser och komplexiteten i klädform och texturer gör redigeringsproblemet svårt. Inspirerade av den senaste utvecklingen inom redigering av ansiktsbilder genom manipulation av latenta representationer, såsom StyleCLIP och HairCLIP, tillämpar vi dessa metoder för att redigera bilderna av fullständiga mänskliga kroppar i mode-dataset och utvärderar deras effektivitet. Först jämför vi olika metoder för att hitta en latent representation av en bild via så kallade Generative Adversarial Network (GAN) inversion; sedan tillämpar vi tre bildmanipulationsscheman. En förtränad (eng: pre-trained) e4e-encoder model används först för inversionsprocessen, medan resultaten jämförs med en mer exakt metod, Pivotal Tuning Inversion (PTI). Därefter använder vi en optimeringmetod som använder Contrastive Language Image Pre-training (CLIP) -modell för att vägleda den latenta representationen av en bild i riktning mot attribut som beskrivs i inmatningstexten. Vi tar upp problemet med noggrannhet och hastigheten i processen genom att integrera en mapper-nätverk. Slutligen föreslår vi en optimerad mapper som kallas TD-GEM för att uppnå högkvalitativ bildredigering på ett lösgjort sätt. Våra empiriska resultat visar att den föreslagna metoden kan redigera modeobjekt för att ändra färg och ärmens längd.