《一种基于样本的快速图像修复方法.pdf》由会员分享，可在线阅读，更多相关《一种基于样本的快速图像修复方法.pdf（17页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 (43)申请公布日 (21)申请号 201410614189.3 (22)申请日 2014.11.04 G06T 5/00(2006.01) (71)申请人 徐州工程学院 地址 221000 江苏省徐州市新城区丽水路 2 号 (72)发明人 戴磊 姜代红 孙天凯 丁宾 胡局新 (74)专利代理机构 徐州市淮海专利事务所 32205 代理人 华德明 (54) 发明名称 一种基于样本的快速图像修复方法 (57) 摘要 本发明公开了一种基于样本的快速图像修复 方法， 该方法包括 ： 采用标记确定待修复区域 ； 选 取待修复区域和已知区域交界的轮廓线 ； 计算模 板的数据值和置信度。
2、值 ； 引入调节参数， 确定具 有最高优先级的待修复模块 ； 在待修复模块邻近 的已知区域内， 按照与待修复模块中心点的距离 远近， 由近及远的搜索出最优匹配块 ； 将最优匹 配块对应的像素点填充到待修复模块的相应位 置， 同时更新新填充像素点的置信值 ； 对待修复 区域重复以上步骤， 直到待修复区域全部填充完 毕。本发明从优先级的运算、 数据值计算、 匹配区 域及最优匹配块的搜索和置信值更新四个方面进 行优化， 修复效果更加自然， 同时修复由于只是在 局部进行匹配， 大大减少了修复时间。 (51)Int.Cl. (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书2页 说明。
3、书8页 附图6页 (10)申请公布号 CN 104376535 A (43)申请公布日 2015.02.25 CN 104376535 A 1/2 页 2 1. 一种基于样本的快速图像修复方法， 其特征在于， 该方法的具体步骤为 ： (1) 标记确定待修复图像中的待修复区域 ； (2) 选取待修复区域和已知区域交界的轮廓线 ； (3) 计算轮廓线上模板的数据值和置信度值， 引入 Sobel 算子， 优化数据值和置信度值 的计算 ； (4) 引入调节参数， 根据模板的数据值和置信度值计算模板的优先级， 确定具有最高优 先级的待修复模块 ； (5) 在待修复模块邻近的已知区域内， 按照与待修复模块。
4、中心点的距离远近， 由近及远 的搜索所有匹配块， 寻找与待修复模块最相似的最优匹配块 ； (6) 将最优匹配块对应的像素点填充到待修复模块的相应位置， 同时根据最优匹配块 对应的 SSD 值和设定的颜色阈值的大小关系的不同， 更新新填充像素点的置信度值 ； (7) 对待修复区域重复步骤 (2) (6)， 直到待修复区域全部填充完毕。 2. 如权利要求 1 所述的一种基于样本的快速图像修复方法， 其特征在于， 所述步骤 (1) (3) 中， 设有图像 I， 待填充的待修复区域为 ， 轮廓线为 ， 已知区域为 ( I-)， 待修复区域内沿轮廓线的方形模板 p， 中心点 p 在轮廓线 上 ； 所述步。
5、骤 (3) 中计算轮廓线上中心像素点为 p 的模板数据值为 ： 式中， D(p) 表示模板的数据值，是在点 p 的等照度线向量， np是轮廓线在 p 点的 单位法向量， 是一个标准化参数 ； 引入 sobel 算子计算等照度线向量在使用 sobel 算子时采用 33 模板 ： 式中用 h 表示水平方向的 Sobel 算子， 用 h 表示垂直方向的 Sobel 算子 ；表示以轮 廓线点为中心 33 的模板， 与水平方向的 Sobel 算子 h 相乘得到水平方向的梯度 gx， 与垂 直方向的 Sobel 算子 h 相乘得到垂直方向的梯度 gy； 垂直正交向量即得等照度线向量 ； 所述步骤 (3) 。
6、中计算轮廓线上中心像素点为 p 的模板置信度值为 ： 式中， C(p) 表示模板的置信度值， C(q) 表示模板内像素点的置信值。初始化时， 位于待 修复区域中的每个点的值设为 0， 已知区域中的每个点的值设为 1。|p| 是模板 p 的面 积。 所述步骤 (4) 中计算轮廓线上中心像素点为 p 的模板优先级为 ： 权 利 要 求 书 CN 104376535 A 2 2/2 页 3 式中， P(p) 表示模板的优先级， C(p) 和 D(p) 分别表示模板的置信度值和数据值 ； 和 为调节参数。 3.如权利要求1所述的一种基于样本的快速图像修复方法， 其特征在于， 所述步骤(3) 中模板的大。
7、小设为 99 像素。 4.如权利要求1所述的一种基于样本的快速图像修复方法， 其特征在于， 所述步骤(5) 具体包括以下步骤 ： 、 将匹配区域限定在以待修补像素点为中心的SS正方形邻域内， 匹配邻域SS的 大小可根据破损区域的形状来确定 ； 设待修复区域不超过 mn 大小， max min(m,n)， 取 S 2max+1 ； 、 对于根据优先权值确定的当前待修复点 p， 它在上述确定的匹配区域中搜索匹配点 的方式为 ： 以点 p 为中心， 顺序搜索与待修复点 p 的棋盘距离为 n(1 n max,n N) 的 各点作为匹配点， 并依次以这些点为中心生成候选块与待修复块做 SSD 值的计算，。
8、 直至 搜索完匹配区域 ； 、 对于最优匹配块的选择优先考虑距离待修复点p点最近的SSD值最小的匹配块， 搜 索中， 直接对第 1 次搜索到的颜色差距值最小的候选块作记录， 并将其作为最优匹配块。 5.如权利要求1或2所述的一种基于样本的快速图像修复方法， 其特征在于， 所述步骤 (6) 中待修复模块与待选模块的 SSD 值为 ： D (Rp-Rq)2+(GP-Gq)2+(Bp-Bq)2 式中， p,q 分别表示待修复模块和待选模块内的对应像素， R、 G、 B 分别表示各个像素点 的不同颜色通道值。模块间的欧式距离为对应像素点间欧式距离的总和。 6.如权利要求1所述的一种基于样本的快速图像修。
9、复方法， 其特征在于， 所述步骤(6) 中新填充像素点的置信值为 ： 式中， 如果最优匹配块对应的 SSD 值小于阈值 Th， 则新填充像素点的置信值， 用最优匹 配块对应像素点的置信值直接更新 ； 如果 SSD 值大于阈值 Th， 则待修补像素点的置信值采 用匹配前优先级最大的模板的置信度值进行更新。 权 利 要 求 书 CN 104376535 A 3 1/8 页 4 一种基于样本的快速图像修复方法 技术领域 0001 本发明涉及一种图像修复方法， 具体是一种基于样本的快速图像修复方法， 属于 图像处理技术领域。 背景技术 0002 作为图像处理的一个重要应用， 图像修复的主要目的是在人眼。
10、可以接受的程度下 对破损的图像进行修复， 它的应用领域包括艺术品的修复、 计算机动画、 影视特技、 虚拟现 实等各个方面。 0003 目前的图像修复算法主要集中于两大类 ： 一是图像润饰 (inpainting) 的方法， 该 方法首先由Bertalmio等人引入到数字图像， 使用基于偏微分方程(PDE)的修复模型， 基于 此思想的方法还有 Chan 提出的整体变分 (TV) 模型以及基于曲率驱动扩散 (CDD) 模型等。 这些方法对有瑕疵的图像破损有较好的修复效果， 但修复较大区域效果模糊， 且对纹理较 强的破损区域修复效果差。 二是基于纹理合成的图像修复方法， 适用于修复大面积的破损。 其。
11、中最经典的算法由 Criminisi 等人提出， 该算法在基于样本的纹理合成算法基础上再融 合图像润饰结构扩散的特点， 修复效果较好。 0004 基于样本的纹理合成的优点是合成算法本身蕴含了样本中纹理和结构的信息， 而 图像润饰算法中结构信息扩散的关键在于填充的顺序。Criminisi 等人提出的算法融合了 这两者优点。算法核心是基于样本的纹理合成， 即从图像的源区域复制像素点填充进目标 区域中， 包含了已有的纹理和结构信息， 而区域之间的结构信息则通过改变像素点的填充 顺序可以得到。 这样算法既解决了同时生成纹理和结构信息的问题也保持了原有纹理合成 算法高效的优点。综合来看， 目前修复效果较。
12、好、 适用面更广泛的是 Criminisi 算法。在此 基础上， 出现了一些改进算法。利用小波变换进行图像修复， 但需要依赖图像分解、 结构修 复及纹理合成这三种技术， 比较繁琐。 利用邻域特性选择待修复样本块模板大小， 该算法对 纹理部分修复较好， 但容易产生纹理重叠。基于匹配块的图像修复算法， 修复效果较好， 但 计算代价过大。 0005 Criminisi 算法的缺陷主要表现在三个方面 ： 第一优先级的计算， 随着填充过程 的进行， 模板数据值会迅速下降到零， 这样使得计算出的优先级不可靠 ； 因此， 会出现错误 的填充顺序， 最后影响修复效果。 第二采用全局搜索算法来寻找最优匹配块， 。
13、这样不但会产 生错误匹配， 而且还会使填充速度变慢。 第三置信值的计算， 对破损区域内原有的像素点和 填充上去的像素点进行相同处理 , 意味着破损区域原有的像素点和填充上去的像素点一 样可靠， 没有考虑到本次修复的效果， 算法容易导致修复效果越来越差， 从而形成它的贪婪 性。 发明内容 0006 针对上述现有技术存在的问题， 本发明提供一种基于样本的快速图像修复方法， 能有效解决 Criminisi 算法低纹理区域修复滞后的问题， 也可以保证不同颜色纹理区域的 说 明 书 CN 104376535 A 4 2/8 页 5 边界线会随着填充过程被保留延续下去， 保留图像的线性结构， 有利于 “断。
14、层” 的消除， 使修 复合成的顺序基本上是从外围向中间合成， 最终修复效果更加真实自然 ； 同时由于修复只 是在局部进行匹配， 大大减少修复时间。 0007 为了实现上述目的， 本发明采用的技术方案是 ： 该基于样本的快速图像修复方法， 其具体步骤为 ： 0008 (1) 标记确定待修复图像中的待修复区域 ； 是指事先根据需要， 利用图像处理软 件简单的在图像上标出破损区域， 可同时标记出一个或多个待修复区域， 修复时依次对每 个待修复区域进行修复 ； 0009 (2) 选取待修复区域和已知区域交界的轮廓线 ； 0010 (3) 计算轮廓线上模板的数据值和置信度值， 引入 Sobel 算子， 。
15、优化数据值和置信 度值的计算 ； 0011 (4) 引入调节参数， 根据模板的数据值和置信度值计算模板的优先级， 确定具有最 高优先级的待修复模块 ； 0012 (5) 在待修复模块邻近的已知区域内， 按照与待修复模块中心点的距离远近， 由近 及远的搜索所有匹配块， 寻找与待修复模块最相似的最优匹配块 ； 0013 (6) 将最优匹配块对应的像素点填充到待修复模块的相应位置， 同时根据最优匹 配块对应的 SSD 值和设定的颜色阈值的大小关系的不同， 更新新填充像素点的置信度值 ； 0014 (7) 对待修复区域重复步骤 (2) (6)， 直到待修复区域全部填充完毕。 0015 进一步， 所述步。
16、骤 (1) (3) 中， 设有图像 I， 待填充的待修复区域为 ， 轮廓线为 ， 已知区域为 ( I-)， 待修复区域内沿轮廓线的方形模板 p， 中心点 p 在轮廓 线 上， 模板 p 应包含了一部分已合成的像素 ； 0016 所述步骤 (3) 中计算轮廓线上中心像素点为 p 的模板数据值为 ： 0017 0018 式中， D(p) 表示模板的数据值，是在点 p 的等照度线向量， np 是轮廓线在 p 点的单位法向量，是一个标准化参数， 对于一般的灰度图来说， 0019 引入 sobel 算子计算等照度线向量在使用 sobel 算子时采用 33 模板 ： 0020 0021 式中用 h 表示水。
17、平方向的 Sobel 算子， 用 h 表示垂直方向的 Sobel 算子 ；表示 以轮廓线点为中心 33 的模板， 与水平方向的 Sobel 算子 h 相乘得到水平方向的梯度 gx， 与垂直方向的 Sobel 算子 h 相乘得到垂直方向的梯度 gy； 垂直正交向量即得等照度线向 量 ； 0022 所述步骤 (3) 中计算轮廓线上中心像素点为 p 的模板置信度值为 ： 0023 0024 式中， C(p) 表示模板的置信度值， C(q) 表示模板内像素点的置信值。初始化时， 位 说 明 书 CN 104376535 A 5 3/8 页 6 于待修复区域中的每个点的值设为 0， 已知区域中的每个点的。
18、值设为 1。|p| 是模板 p 的面积。 0025 所述步骤 (4) 中计算轮廓线上中心像素点为 p 的模板优先级为 ： 0026 0027 式中， P(p) 表示模板的优先级， C(p) 和 D(p) 分别表示模板的置信度值和数据值 ； 和 为调节参数， 取 0.382， 0.618。 0028 优选的， 所述步骤 (3) 中模板的大小设为 99 像素。 0029 进一步， 所述步骤 (5) 具体包括以下步骤 ： 0030 、 将匹配区域限定在以待修补像素点为中心的 SS 正方形邻域内， 匹配邻 域 SS 的大小可根据破损区域的形状来确定 ； 设待修复区域不超过 mn 大小， max min。
19、(m,n)， 取 S 2max+1 ； 0031 、 对于根据优先权值确定的当前待修复点 p， 它在上述确定的匹配区域中搜索匹 配点的方式为 ： 以点p为中心， 顺序搜索与待修复点p的棋盘距离为n(1nmax,nN) 的各点作为匹配点， 并依次以这些点为中心生成候选块与待修复块做 SSD 值的计算， 直 至搜索完匹配区域 ； 0032 、 对于最优匹配块的选择优先考虑距离待修复点 p 点最近的 SSD 值最小的匹配 块， 搜索中， 直接对第 1 次搜索到的颜色差距值最小的候选块作记录， 并将其作为最优匹配 块。 0033 进一步， 所述步骤 (6) 中待修复模块与待选模块的 SSD 值 ( 欧。
20、式距离 ) 为 ： 0034 0035 式中， p,q 分别表示待修复模块和待选模块内的对应像素， R、 G、 B 分别表示各个像 素点的不同颜色通道值。模块间的欧式距离为对应像素点间欧式距离的总和。 0036 进一步， 所述步骤 (6) 中新填充像素点的置信值为 ： 0037 0038 式中， 如果最优匹配块对应的 SSD 值小于阈值 Th， 说明其可信度高， 则新填充像素 说 明 书 CN 104376535 A 6 4/8 页 7 点的置信值， 用最优匹配块对应像素点的置信值直接更新。 如果SSD值大于阈值Th， 说明其 相对于已知区域中的信息来说可信度较差， 则待修补像素点的置信值采用。
21、匹配前优先级最 大的模板的置信度值进行更新。 0039 本发明的有益效果是 ： 0040 (1) 本发明修改 Criminisi 算法优先级计算模型， 使模板的数据值和置信度值两 项相互抑制， 保证修复顺序从外围向内逐渐扩散。采用这样的优先项计算方法 , 即可以有 效的解决 Criminisi 算法低纹理区域修复滞后的问题也可以解决修复顺序完全按照线性 结构的方向进行问题， 有利于 “断层” 的消除。 0041 (2)本发明利用sobel算子计算图像亮度函数的作用， 将其用来计算等照度线。 目 的在于等照度线上的点， 会首先被修复， 这样不同颜色纹理区域的边界线会随着填充过程 被保留延续下去，。
22、 保留了图像的线性结构。 0042 (3)本发明设置新的像素点置信度值更新模型。 修补之后的像素点， 越是深入待修 补区域的内部， 可信度就越低， 其置信度值就越低。 保证填充的时候尽量寻找整体置信度值 比较高的匹配模块对待修复区域进行填充， 这就确保合成的顺序基本上是从外围向中间合 成。 0043 (4) 本发明由于是在待修复模块邻近的已知区域内进行修复匹配， 由近及远的搜 索匹配块， 修复时间更快， 也更准确。 0044 (5) 本发明对任意形状的小面积结构性纹理缺失的图像修复都有效， 修复效果自 然， 修复时间快速， 具有较好的通用性。 附图说明 0045 图 1 是本发明的图像修复原理。
23、示意图 ； 0046 图 2 是本发明的图像修复流程图 ； 0047 图 3 分别为原图、 待修复图、 Criminisi 方法、 相近方法和本发明的方法对 Bungee 图像的修复效果比较 ； 图中 (a) 原图 ； 图中 (b) 待修复图 ； 图中 (c)Criminisi 方法 ； 图中 (d) 相近方法 ； 图中 (e) 本发明的方法 ； 0048 图 4 分别为原图、 待修复图、 Criminisi 方法、 相近方法和本发明方法对 Golf 图像 的修复效果比较 ； 图中 (a) 原图 ； 图中 (b) 待修复图 ； 图中 (c)Criminisi 方法 ； 图中 (d) 相 近方法。
24、 ； 图中 (e) 本发明方法 ； 0049 图 5 分别为原图、 待修复图、 Criminisi 方法、 相近方法和本发明方法对 Grass 图 像的修复效果比较 ； 图中 (a) 原图 ； 图中 (b) 待修复图 ； 图中 (c)Criminisi 方法 ； 图中 (d) 相近方法 ； 图中 (e) 本发明方法 ； 0050 图 6 是根据本发明实施例的 Grass 图像的修复过程对比图 ； 0051 图 7 是 Criminisi 方法、 相近方法和本发明方法修复图片的不同颜色通道 PSNR 统 计比较 ； 0052 图 8 是 Criminisi 方法、 相近方法和本发明方法修复图片的。
25、运行时间比较 ； 具体实施方式 0053 下面结合附图对本发明作进一步说明。 说 明 书 CN 104376535 A 7 5/8 页 8 0054 如图1所示， 设有图像I， 待填充的目标区域(待修复区域)为， 轮廓线为， 源区域 ( 已知区域 ) 为 ( I-)， 目标区域内沿轮廓线的方形模板 p。中心点 p 在 轮廓线 上， 模板 p 应包含了一部分已合成的像素。模板内的每个像素点都有一个颜 色值和置信值 ( 表示该点的填充情况， 为 1 表示已填充， 为 0 表示还未填充 )。轮廓线上的 每个模板建立有一个暂时的优先级， 它决定了每个模板被填充的优先顺序。模板填充的顺 序是从外向内逐步。
26、填充， 可充分利用已有的信息。 待填充的目标区域将逐步缩小， 直到填充 全部完成。 0055 如图 2 所示， 本实施例包括以下步骤 ： 0056 1、 标记确定待修复图像中的待修复区域 ； 事先根据需要， 利用图像处理软件简单 的在图像上标出破损区域， 可同时标记出一个或多个待修复区域， 修复时依次对每个待修 复区域进行修复 ； 0057 2、 选取待修复区域和已知区域交界的轮廓线 ； 0058 3、 计算轮廓线上模板的数据值和置信度值， 引入 Sobel 算子， 优化数据值和置信 度值的计算 ； 0059 模板的大小设为99像素(可以根据实际需要进行选取)， 是指以点p为中心， 大 小为 。
27、99 的区域 ； 0060 轮廓线上中心像素点为 p 的模板数据值为 ： 0061 0062 式中， D(p) 表示模板的数据值，是在点 p 的等照度线向量， np 是轮廓线在 p 点的单位法向量，是一个标准化参数， 对于一般的灰度图来说， 0063 引入 sobel 算子计算等照度线向量在使用 sobel 算子时采用 33 模板 ： 0064 0065 式中用 h 表示水平方向的 Sobel 算子， h -1,0,1,-2,0,2,-1,0,1 ； 用 h 表示 垂直方向的 Sobel 算子， h 1,2,1,0,0,0,-1,-2,-1 ；表示以轮廓线点为中心 33 的模板， 与水平方向的。
28、 Sobel 算子 h 相乘得到水平方向的梯度 gx， 与垂直方向的 Sobel 算 子 h 相乘得到垂直方向的梯度 gy。垂直正交向量即得等照度线向量。引入 sobel 算子计 算等照度线向量避免了 Criminisi 方法在面对纹理较多的图像时等照度线不能与周围信 息有效融合， 进而破坏到最终修复效果的问题， 它可以保证在等照度线上的点， 会首先被修 复， 保留了图像的线性结构。 0066 轮廓线上中心像素点为 p 的模板置信度值为 ： 0067 0068 式中， C(p) 表示模板的置信度值， C(q) 表示模板内像素点的置信值。初始化时， 位 于待修复区域中的每个点的值设为 0， 已知。
29、区域中的每个点的值设为 1。|p| 是模板 p 的面积。 说 明 书 CN 104376535 A 8 6/8 页 9 0069 (1) 式和 (3) 式分别表示模板的数据值和置信度值。它们的意义为 ： 模板的数据 值越大， 说明此处是图像已知区域等照度线与带修复区域边界的交汇处， 为保留图像的线 性结构应优先被修复 ； 模板的置信度值越大， 说明此处包含了较多的已填充像素， 从而可信 度较高， 应优先被修复。 0070 4、 引入调节参数， 根据模板的数据值和置信度值计算模板的优先级， 确定具有最 高优先级的待修复模块。 0071 轮廓线上中心像素点为 p 的模板优先级为 ： 0072 00。
30、73 式中， P(p) 表示模板的优先级， C(p) 和 D(p) 分别表示模板的置信度值和数据值。 和 为调节参数， 取 0.382， 0.618。 0074 公式中 和 为调节参数， 不考虑 C(p) 等于零的情况 ( 实际 p 点位于填充轮廓 线上， 待修复模版置信度值不会为零 )。这样能保证当数据项为零时 , 只要置信度值足够 高,模板也可以得到优先修复 ； 当数据项不为零且置信度项值大于等于0.5时， 采用了黄金 分割点， 即 0.382， 0.618， 让数据项占主导因素 , 即采用结构优先的修复方法， 符合视觉心理学原理 ； 而当数据项不为零且置信度项值小于0.5时， 仍采用Cr。
31、iminisi算法 的优先级计算方法， 可使两项相互抑制， 保证修复顺序从外围向内逐渐扩散。 0075 5、 在待修复模块邻近的已知区域内， 按照与待修复模块中心点的距离远近， 由近 及远的搜索所有匹配块， 寻找与待修复模块最相似的模块， 包括以下步骤 ： 0076 、 根据马尔可夫随机场模型对纹理局域性和稳定性的认识， 源图像中与待修复 模板中信息相关的信息只存在于其周围一定的区域中。 本发明将匹配区域限定在以待修补 像素点为中心的SS正方形邻域内。 匹配邻域SS的大小可根据破损区域的形状来确定。 设待修复区域不超过 mn 大小， max min(m,n)， 取 S 2max+1。 0077。
32、 、 对于根据优先权值确定的当前待修复点 p， 它在上述确定的匹配区域中搜索匹 配点的方式为， 以点 p 为中心， 顺序搜索与 p 的棋盘距离为 n(1 n max,n N) 的各点 作为匹配点， 并依次以这些点为中心生成候选块与待修复块做 SSD 值计算， 直至搜索完 匹配区域。 0078 所述的 SSD 值 ( 欧式距离 ) 为 ： 0079 0080 式中， p,q 分别表示待修复模块和待选模块内的对应像素， R、 G、 B 分别表示各个像 素点的不同颜色通道值。模块间的欧式距离为对应像素点间欧式距离的总和。 0081 、 对于最优匹配块的选择优先考虑距离 p 点最近的 SSD 值最小的。
33、匹配块。搜索 中， 直接对第 1 次搜索到的颜色差距值最小的候选块作记录， 并将其作为最优匹配块。得到 的修复结果与其邻域的相关性较大， 也更加符合视觉上的效果。 0082 6、 将最优匹配块对应的像素点填充到待修复模块的相应位置， 同时根据最优匹配 说 明 书 CN 104376535 A 9 7/8 页 10 块对应的 SSD 值和设定的颜色阈值的大小关系的不同， 更新新填充像素点的置信值。计算 公式为 ： 0083 0084 式中， 如果最优匹配块对应的 SSD 值小于阈值 Th， 说明其可信度高， 则新填充像素 点的置信值， 用最优匹配块对应像素点的置信值直接更新。 如果SSD的值大于。
34、阈值Th， 说明 其相对于已知区域中的信息来说可信度较差， 则待修补像素点的置信值采用匹配前优先级 最大的模板的置信度值进行更新。阈值 Th 的确定， 根据计算具体图像修复模板对应的 SSD 值来确定。本发明实施例的颜色阈值 Th 取 11。 0085 7、 对待修复区域重复步骤 2 6， 直到待修复区域全部填充完毕。 0086 实验数据 ： 0087 为验证本发明的有效性， 在计算机上进行了仿真实验。仿真实验用 Visual C+ 6.0 作为工具， 在 Intel 酷睿 2 双核处理器 (1.7GHz)、 2G 内存的 PC 机上实现。 0088 图 3 分别给出了原图、 待修复图、 Cr。
35、iminisi 方法、 相近方法和本发明方法对 Bungee 图像的修复效果比较。从图 3(c) 可以看出， Criminisi 方法在图中标识的屋顶区域 修复出现了明显的断层。 这是由于其置信值更新过于简单并且优先级的计算采用了数据项 与置信度项的乘积， 一旦填进某一错误信息， 由于优先级过大， 会导致不合理的颜色信息继 续延伸下去。在图中另一标注区域， 则出现了多余的 “垃圾物” 。这是由于 Criminisi 方法 采用的是一种全局搜索方法， 如果图像含有噪声， 常会出现错误的匹配， 随着修复过程的进 行， 会造成修复误差的不断累积。图 3(d) 相近方法修复效果有了一定程度的改善， 但。
36、仍在 图中所标识的区域出现了少许 “垃圾物” 。 在继续改进其优先级计算和最优匹配块搜索的基 础上， 本发明修复效果如图 3(e) 所示。可以看出恢复效果自然， 基本没有瑕疵。 0089 图 4 分别给出了原图、 待修复图、 Criminisi 方法、 相近方法和本发明方法对 Golf 图像的修复效果比较。从图 4(c) 可以看出， Criminisi 方法在图中标识的草地和水域的 边界处修复出现了明显的塌陷， 范围大且深。原因还是优先级的计算采用了数据项与置信 度项的乘积导致高纹理区域的修复先于低纹理区域， 出现高纹理区域的修复过度扩展。图 4(d) 相近方法的修复已使塌陷范围明显缩小， 而。
37、本发明则进一步缩小错误范围， 效果如图 4(e) 所示。 0090 图5分别给出了原图、 待修复图、 Criminisi方法、 相近方法和本发明方法对Grass 图像的修复效果比较。图 5 草地中有三处破损区域且破损面积较大， 并且都选在了多种颜 色纹理的交界处， 更能体现修复方法的执行情况。从图 5(c) 可以看出， Criminisi 方法在 图中标识的区域处出现了明显的修复偏差， 原因和上述类似。图 5(d) 相近方法的修复有了 说 明 书 CN 104376535 A 10 8/8 页 11 明显改善， 但对于左边多种纹理交接的破损区域， 算法修复效果过渡明显不自然。 本发明在 采用 。
38、sobel 算子改进等照度线计算后， 图 5(e) 中各种颜色纹理边界修复效果比较合理， 也 更符合真实情况。 0091 图 6 是根据本发明实施例的 Grass 图像的修复过程对比图， 分别表示该图像原始 状况、 图像整体修复到第 88 小块、 第 131 小块、 第 184 小块、 第 305 小块区域和最终修复的 效果图。 从中可以看出， 采用本发明的置信值更新模型后， 保证填充的时候尽量寻找整体置 信度比较高的匹配模块对待修复区域进行填充， 这就确保合成的顺序基本上是从外围向中 间合成。 0092 图像修复除了采用主观评价外， 为了更进一步评价图像的修复质量， 还可采用峰 值信噪比 (。
39、Peak Signal to Noise Ratios,PSNR) 作为图像修复质量的客观评价。图 7 分 别列出图像三色通道分量的 PSNR 进行比较， PSNR 值越高， 修复图像与原始图像之间的误差 越小， 修复效果越好， 由图 7 可知， 本发明适用于各种不同的破损情况， 而且修复结果较优。 0093 图8中分别统计了图3、 图4和图5中图像缺失像素的数量和三种方法修复需要的 时间以进行对比。实验结果表明， 通过将匹配区域限定在以待修补像素点为中心的正方形 邻域内能够实现在保证修复效果的前提下大大提高修复速度。 说 明 书 CN 104376535 A 11 1/6 页 12 图 1 图 2 说 明 书 附 图 CN 104376535 A 12 2/6 页 13 图 3 说 明 书 附 图 CN 104376535 A 13 3/6 页 14 图 4 说 明 书 附 图 CN 104376535 A 14 4/6 页 15 图 5 说 明 书 附 图 CN 104376535 A 15 5/6 页 16 图 6 说 明 书 附 图 CN 104376535 A 16 6/6 页 17 图 7 图 8 说 明 书 附 图 CN 104376535 A 17 。