王彩峰 王妍力 王迎勛 王香 付海燕 范卉青

摘 要 隨著科學(xué)技術(shù)的發(fā)展，數(shù)字圖像處理影響著人們的生活。跟圖像相關(guān)的圖像修復(fù)也越來越重要。圖像修復(fù)標(biāo)準(zhǔn)可分為兩類，第一類是基于結(jié)構(gòu)的圖像修復(fù)，第二類是基于紋理的圖像修復(fù)。文章主要介紹基于樣本的圖像修復(fù)，以Criminisi算法為例。在MATLAB環(huán)境中用該方法來修復(fù)被損壞的圖像。然后對基于結(jié)構(gòu)和樣本的方法進(jìn)行比較，還原度是有不同的。通過仿真可知基于樣本的Criminisi算法在圖像信息的還原上比結(jié)構(gòu)的還原效果要好。

關(guān)鍵詞 樣本；Criminisi算法；圖像修復(fù)

中圖分類號 TP3 文獻(xiàn)標(biāo)識碼 A 文章編號 1674-6708（2018）208-0115-02

隨著人們對圖像質(zhì)量的要求越來越高和拍照技術(shù)的日益熟練，照片圖像修復(fù)的用處也越來越廣范[ 1 ]。近年來，圖像的保存方式也變得多種多樣，不再只是單一的紙張保存，也包括相機、MP3、照片、膠卷等各種媒介。圖像修復(fù)也越來越影響著人們的生活瑣事以及科學(xué)研究等。

圖像修復(fù)就是對損壞的圖像進(jìn)行處理并把它的本來面貌還原的過程。圖像修復(fù)是一門關(guān)于圖像處理的重要課題。而對圖像修復(fù)效果良好的Criminisi算法是靠提取圖像的紋理特征進(jìn)行信息匹配從而達(dá)到圖像修復(fù)的目的[ 2 ]。圖像修復(fù)技術(shù)屬于圖像復(fù)原的一部分研究內(nèi)容，是圖像處理的一個核心技術(shù)。該技術(shù)在老照片的修復(fù)、影視特技制作、數(shù)據(jù)壓縮、虛擬現(xiàn)實、多余物體剔除等許多領(lǐng)域都有著重大的應(yīng)用價值和應(yīng)用前景，并且圖像復(fù)原在太空、科學(xué)研究等領(lǐng)域具有非常大的用途。

1 圖像修復(fù)的原理

圖像修復(fù)技術(shù)的種類主要分為兩類：第一類是基于結(jié)構(gòu)的圖像修復(fù)；第二類是基于紋理的圖像修復(fù)技術(shù)。最早提出的基于結(jié)構(gòu)的圖像復(fù)原技術(shù)是基于偏微分方程的圖像復(fù)原算法[3]。該修復(fù)算法主要有基于結(jié)構(gòu)的圖像修復(fù)、基于樣本的圖像修復(fù)。

基于樣本的圖像修復(fù)以Criminisi提出的criminisi算法最為核心，該算法在基于圖像的大小和紋理的基礎(chǔ)上，提出了這一按損壞區(qū)域的信息考慮函數(shù)優(yōu)先級的，進(jìn)而對其修復(fù)的順序進(jìn)行排序，并且依據(jù)破損區(qū)域的像素點找到在未損壞區(qū)域的像素與之信息相似的修復(fù)塊，最終用未損壞區(qū)域的信息匹配塊更新要修復(fù)的圖像信息并且持續(xù)幾次，直到整個圖像還原本來面貌。

從根本上來說，Criminisi算法是一種貪心算法，每次都以更新匹配到的最佳信息作為全局匹配信息。同時Criminisi的算法具體實現(xiàn)需要注意以下兩方面。

1）修復(fù)區(qū)域大小的選擇。

修復(fù)圖像的效果和速度與修復(fù)區(qū)域大小的選擇有一定的關(guān)系。當(dāng)破損區(qū)域較大時，只需幾次選擇就能完成對破損區(qū)域的修復(fù)，但該方法會造成很明顯的邊界紋理結(jié)構(gòu)塊。當(dāng)選擇的修復(fù)區(qū)域較小時，圖像的紋理會保持一致，但容易出現(xiàn)區(qū)域效應(yīng)，修復(fù)復(fù)雜度會增加。

2）優(yōu)先權(quán)的計算。

優(yōu)先權(quán)由置信度和數(shù)據(jù)項兩者組成。數(shù)據(jù)項中的數(shù)值可以通過使用不同的方法來得出。在本文中使用的是等參考線的方向。也就是說在匹配區(qū)域內(nèi)方向梯度最大的已知的信息點，即梯度的法線。但相對于計算梯度的值，我們通過差分計算方式來得出。依據(jù)這三種差分計算方式，可以知道在區(qū)域邊緣，只可以用前向差分方式或后向差分方式，而破損區(qū)域內(nèi)部，而用是中心差分公式（1）計算。

2 圖像修復(fù)的仿真

2.1 基于樣本的圖像修復(fù)

本文對Criminisi算法運行仿真分析。Criminisi算法的流程首先要輸入圖像確定待修復(fù)區(qū)域邊緣然后判斷區(qū)域是否為空，如果是則算法結(jié)束。如果否則計算邊緣像素的優(yōu)先權(quán)，最大優(yōu)先權(quán)的目標(biāo)塊最先修復(fù)，然后找到與其信息匹配的匹配塊，再判斷兩個模塊內(nèi)對應(yīng)像素點差的平方和是否最小，即SSD是否最小，如果是最小則復(fù)制當(dāng)前像素塊到待修復(fù)區(qū)域，最后更新邊緣，退出修復(fù)。

圖1為去除圖片中白色損壞線條的效果圖。從該仿真結(jié)果可以看出，Criminisi算法對于破損尺度較小的待修復(fù)區(qū)域的修復(fù)結(jié)果較好。

2.2 基于結(jié)構(gòu)和樣本的圖像修復(fù)的比較分析

為了驗證基于結(jié)構(gòu)的圖像修復(fù)和基于樣本的圖像修復(fù)在修復(fù)結(jié)果上的不同，所以特將同一受損的圖像用這兩種修復(fù)模型來修復(fù)，如圖2所示。

從仿真結(jié)果來看，不管破損區(qū)域多小時，比如一點或筆畫的污損等，修復(fù)結(jié)果良好；破損區(qū)域面積較大時，比如去除多余目標(biāo)，如圖1，Criminisi算法的修復(fù)效果理想，并且該算法可以明顯的去除不需要的目標(biāo)。從圖2中最后的對比修復(fù)結(jié)果來看，Criminisi算法修復(fù)效果明顯優(yōu)于TV模型的修復(fù)效果。由此可見基于樣本的圖像修復(fù)無論是修復(fù)條件還是修復(fù)結(jié)果都是比較可靠的。

3 結(jié)論

圖像修復(fù)是將破損的區(qū)域還原如初使其圖像成為完整的圖像，圖像修復(fù)根據(jù)修復(fù)目的的不同而可以選擇不同的圖像修復(fù)模型，并且還原后跡象很淡使人靠肉眼觀察不出來。本文以TV模型為例來討論分析基于結(jié)構(gòu)的圖像修復(fù)技術(shù)，但TV模型僅能修復(fù)損壞區(qū)域較小的圖像，對破損面積較大的區(qū)域則修復(fù)效果并不理想?；诩y理的圖像修復(fù)以Criminisi算法為主介紹該種圖像修復(fù)模型算法，該算法是一種貪心算法，它計算了每個修復(fù)塊的優(yōu)先級并確定其修復(fù)順序，具有較高優(yōu)先級的修復(fù)塊先得到修復(fù)，這樣修復(fù)效果比較理想。并且對破損區(qū)域較大的修復(fù)塊也有好的修復(fù)效果。最后經(jīng)兩者的修復(fù)效果對比來看，基于樣本的Criminisi算法的修復(fù)效果優(yōu)于基于結(jié)構(gòu)的圖像修復(fù)。

參考文獻(xiàn)

[1]BERTALMIOM， SAPlROG CASELLESV， eta1. Image inpainting[C]. Proceedings of International Conference on Computer Graphics and Interactive Techniques[C]. New Orleans Louisiana USA， 2000，1： 417-424.

[2]Chan T， Shen J. Non-texture inpainting by curvature-driven diffusions （CDD）. Journal of Visual Communication and Image Representation， 2001， 12（4）： 436-449.

[3]CHANT F， KANGS H， SHENJ H. EulerS elastic and curvature based inpainting[J]. SIAM Journal ofApplied Mathematics， 2002， 63（2）： 564-592.

[4]岡薩雷斯，等.數(shù)字圖像處理（MATLAB版）[M].北京：電子工業(yè)出版社，2005：123-133.