基于改进Criminisi算法的图像修复

1、内容简介

516-可以交流、咨询、答疑

2、内容说明

摘 要:针对 Criminisi算法难以获得理想的修复效果,且存在修复时间过长等缺陷,提出一种改进 Criminisi算法的 图像修复算法。改进优先权计算方式找到最优待修复块,完善最优匹配块搜索策略,找到最优匹配块,采用新的置信 值更新方式以获得更为理想修复效果,通过仿真实验测试算法性能,结果表明,相较于 Criminisi算法,改进 Criminisi 算法不仅获得了较理想的图像修复效果,而且大幅度减少了修复时间,提高了图像修复的效果。

关键词:图像修复;Criminisi算法;优先级;图像纹理

随着计算机图像技术的迅速发展,其在生物医学、 工业生产、遥感测绘等领域得到了成功的应用。但是在 图像拍摄和采集过程中,由于受到外界因素的干扰,不可 避免会丢失部分信息,一些区域缺失,影响图像质量[1]。 图像修复技术是指根据已知信息,对修复区域内丢失信 息进行补充,提高图像在视觉上的真实性,已经成为图 像处理领域的研究热点和重点[2]。 针对图像修复问题,学者们投入了大量的时间和精 力进行相关研究,提出了一些图像修复算法,当前主要 分为两类方法:基于非纹理图像修复和基于纹理修复方 法[3]。基于非纹理的图像修复方法主要是利用待修复区 域附近的已知信息,按一定的规则向待修复区域蔓延, 如文献[4]提出的基于高阶偏微分的图像修复算法,文 献[5]提出的基于整体变分(TV)模型的图像修复算法 等,它们适合于小区域的图像修复,但如果待修复的区 域比较大,难以获得比较理想的修复效果。文献[6]提 出基于先验模型的图像修复算法,对于结构信息的图 像,可以得到较好的修复效果,但是对于含有丰富纹理 图像,修复效果较差。基于纹理综合的修复方法指利用 块匹配选取合适的纹理块来修复,其中 Criminisi算法是 最为经典的纹理图像修复算法[7],其首先从图像完好区 域中寻找与待修复区域最匹配的像素块,然后将其填 充到受损区域,修复效果较好。然而在实际应用过程, Criminisi算法存在一些不足,如出现马赛克效应和纹理 混乱现象。为了克服 Criminisi算法的不足,国内外一些 学者在该算法的基础上,提出了一些改进 Criminisi图像 修复算法[8-11],但是这些算法都存在各自的缺陷,如何提 高图像修复效果,值得进一步研究。 为了获得理想的修复效果,针对 Criminisi算法存在的不足,提出一种改进 Criminisi 算法的图像修复算法, 并通过仿真实验测试算法的可行性和优越性。首先改 进优先权计算方式找到最优待修复块,然后完善最优匹 配块搜索策略,并找到最优匹配块,最后采用新的置信 值更新方式以获得更为理想的修复效果,并通过仿真实 验测试算法性能。结果表明,相对于 Criminisi 算法,改 进 Criminisi算法不仅得到了理想的图像修复效果,而且 大幅度减少了修复时间,提高了图像的修复效率。

3、仿真分析

function [Psnr,inpaintedImg] =RGB_Criminisi(imagepath,maskpath,fillColor)

%Criminisi算法修复彩色图像


img0=imagepath;
fillImg=maskpath;

img = double(fillImg);%要修复的图像
fillRegion=img(:,:,1)==fillColor(1)&img(:,:,2)==fillColor(2)&img(:,:,3)==fillColor(3);

origImg = img;
ind = img2ind(img);
%------------------------------------------------------
in=ind;
[A,BB]=find(in); %得到每个点的坐标
%-----------------------------------------------------
sz = [size(img,1) size(img,2)];
z1=size(img,1);
z2=size(img,2);
sourceRegion = ~fillRegion;


% 求等照度线值
[Ix(:,:,3),Iy(:,:,3)] = gradient(img(:,:,3));
[Ix(:,:,2),Iy(:,:,2)] = gradient(img(:,:,2));
[Ix(:,:,1),Iy(:,:,1)] = gradient(img(:,:,1));
Ix = sum(Ix,3)/(3*255); Iy = sum(Iy,3)/(3*255);
temp = Ix; Ix = -Iy; Iy = temp; % 旋转90度

%------------------------------------------------------------------------
%求得梯度值
[ix(:,:,3),iy(:,:,3)] = gradient(img(:,:,3));
[ix(:,:,2),iy(:,:,2)] = gradient(img(:,:,2));
[ix(:,:,1),iy(:,:,1)] = gradient(img(:,:,1));
ix = sum(ix,3)/(3*255); iy = sum(iy,3)/(3*255);
%------------------------------------------------------------------------


% 初始化置信度项C和数据项D值
C = double(sourceRegion);
D = repmat(-.1,sz);


% 修复(直到所有的破损区域都被修复完成)
while any(fillRegion(:))
% 寻找边缘
dR = find(conv2(double(fillRegion),[1,1,1;1,-8,1;1,1,1],'same')>0);
[Nx,Ny] = gradient(double(~fillRegion));
N = [Nx(dR(:)) Ny(dR(:))];
N(~isfinite(N))=0;

% 计算置信度项值
for k=dR'
Hp = qukuai_9(sz,k);
q = Hp(~(fillRegion(Hp)));
C(k) = sum(C(q))/numel(Hp);
end

% 计算优先权
D(dR) = abs(Ix(dR).*N(:,1)+Iy(dR).*N(:,2)) /255;
priorities =C(dR).*D(dR);


% 找到优先权最大的块 Hp
[unused,ndx] = max(priorities(:));
p = dR(ndx(1));
%---------------------

[Hp,rows,cols] = qukuai_9(sz,p); %9x9块大小
toFill=fillRegion(Hp);
Wpatch=img(rows,cols,:); %得到待修复块

%------------------------------------------------------------------------
%采用全局搜索,寻找最佳匹配块
Hq=whole_match(z1,z2,img,Wpatch,fillColor);
%------------------------------------------------------------------------

% 更新填充区域
fillRegion(Hp(toFill)) = false;

% 更新C(p)值和等照度线值
C(Hp(toFill)) = C(p);
Ix(Hp(toFill)) = Ix(Hq(toFill));
Iy(Hp(toFill)) = Iy(Hq(toFill));

%-----------------------------------------------------------------------
%更新梯度值
ix(Hp(toFill)) = ix(Hq(toFill));
iy(Hp(toFill)) = iy(Hq(toFill));
%----------------------------------------------------------------------


% 从Hq复制图像信息到Hp
ind(Hp(toFill)) = ind(Hq(toFill));
img(rows,cols,:) = ind2img(ind(rows,cols),origImg);

end

inpaintedImg=img;

A=double(img0);
B=double(inpaintedImg);

Psnr=PSNR(A,B);
inpaintedImg=uint8(inpaintedImg);
figure;imshow(inpaintedImg); title('Criminisi算法修复结果');


发表评论

相关文章