[发明专利]一种基于OpenCL的图像修复方法

说明书

技术领域

本发明涉及一种图像修复方法，具体涉及一种基于OpenCL（Open Computing Language,开放计算语言）的GPU（Graphic Processing Unit,图形处理器）加速图像修复方法，用于对受损的图像修复或移除图像中的遮挡物。

技术背景

图像修复是指根据图像待修补区的已知邻域信息来估算待修补区内缺损信息而进行修复的过程，其主要目的是在人眼主观系统可以接受的程度下对破损的图像进行修复，是当前计算机视觉领域的一个研究热点，在文物保护、影视特技制作、虚拟现实、多余物体移除领域有广泛的应用价值。并且，随着3D技术的日益发展，虚拟视点合成技术需要快速的图像空洞修复，对于算法的速度要求大大提升。

基于纹理修复和基于非纹理修复是当前图像修复的两类基本方法。基于纹理的修复方法其算法思想是首从待修补区域的边界上选取一个像素点，同时以该点为中心，根据图像的纹理特征，选取大小合适的纹理块，然后在待修补区域周围寻找与之最近似的纹理匹配块来替代该纹理块。其代表性算法是Criminisi等人提出的算法，它借鉴了纹理生成方法中的思想来寻找样本区域并匹配复制，同时充分利用了基于结构的修复方法中的扩散方式来定义修复块的优先级，使得处在边缘附近（具有较多结构信息）的修复块具有较高的修复优先级，从而在修复纹理信息的同时对结构信息也有一定的保持。目前，Criminisi图像修复算法的工作流程是：

1、确定待修补区域、边界、源区域（即除去待修补区域和边界后的图片区域）。

2、以待修补区域边界上每一个点为中心，选取大小为m*m（如9*9）图像块，计算每个图像块的优先级值，优先级值有两方面构成：①修补区域内像素的置信度大小，即已知像素数占块中像素数的比例；②待修补区包含的线性结构信息能否与周围形成一个连续的线性结构，即待修补区的邻域是否是闭合的。

3、沿待修补区域边界寻找优先级最高的修复块，结果即为目标块。

4、在图像已知区域，遍历图像所有已知区域，选取同样大小的图像块（即源块），与目标块进行对比，比较方法为比较源块和目标块每个像素的RGB（即红绿蓝三色）值，依次做差求R值、G值、B值差值的平方和，求出块中所有像素这个平方和的总和，总和最小的块即为最佳匹配块用于修复。

5、更新待修补区边界，和置信度、优先级值。

6、检测是否有待修补区域，有则进行第3步，若没有待修补区域，算法结束，图片修补完成。

然而，传统的基于CPU（中央处理器）的Criminisi图像修复算法往往不能最大限度的利用现有的运算资源，因为CPU平台上，运算是串行的，寻找修复块等工作需要根据图片像素数进行数十万乃至数百万次重复的计算、匹配、排序，运算时间往往浪费在等待上一个像素块的计算和匹配运算上。虽然每一次计算很快，但是众多的运算延迟累计在一起，就会导致算法耗时巨大，完全丧失了快速处理的能力。如专利号为200510012165.1，发明名称为《一种图像修复方法》的专利即属于此列。

OpenCL全称Open Computing Language即开放计算语言。OpenCL为异构平台提供了一个编写程序，尤其是并行程序的开放的框架标准。OpenCL所支持的异构平台可由多核CPU、GPU或其他类型的处理器组成。OpenCL由两部分组成，一是用于编写内核程序(在OpenCL设备上运行的代码)的语言，二是定义并控制平台的API。OpenCL提供了基于任务和基于数据两种并行计算机制，它极大地扩展了GPU的应用范围，使之不再局限于图形领域。本发明利用OpenCL优化Criminisi图像修复算法中的部分程序，利用GPU的并行计算代替CPU的串行计算，产生了巨大的加速效果。

发明内容

本发明针对目前Criminisi图像修复算法计算运行时间过长的弊端，本发明提出了基于OpenCL的并行加速方法，利用GPU多核、线程之间切换非常廉价的特点，将图像修复算法中部分大量简单重复的工作并行化，大大缩短了图像处理时间，提高了方法的实时性和应用范围。

本发明的技术方案是按以下方式实现的：

一种基于OpenCL的图像修复方法，由计算机来实现，计算机中的显卡配置为支持OpenCL协议的显卡（对于AMD显卡来说，从HD5800系列以上全面支持OpenCL标准）或处理器采用ＡＭＤ ＡＰＵ（Accelerated Processing Unit，加速处理器），该方法步骤如下：