[发明专利]一种自适应选择样本块大小的图像修复方法

说明书

本发明公开了一种自适应选择样本块大小的图像修复方法，属于图像处理领域，对图像中的破损部分进行修复。所述图像修复方法基于Criminisi算法，包括以下步骤：输入标记好破损区域的图像，根据修复优先级函数确定修复优先级最高的待修复点；对破损图像进行四叉分解，得出待修复点所在位置的图像块大小，并以此大小作为待修点的最优样本块大小；根据最小绝对差平方和匹配准则、最优样本块的大小，从图像已知区域中寻找最优匹配块；利用最优匹配块对待修复样本块进行填补，更新破损区域及已知区域。本方法根据待修复图像不同区域的局部信息和结构特征来自适应确定最优的填补样本块大小，可有效提高修复效果。

技术领域：

本发明涉及计算机图像处理领域，尤其涉及一种自适应样本块图像修复方法，该修复方法基于Criminisi算法，可广泛用于机器视觉、目标移除、虚拟现实等领域。

背景技术：

图像修复是计算机图像和视觉研究领域的热点之一，在艺术品修复、破损照片修复、视频后期制作及目标移除等方面都得到了广泛的应用。其核心思想是利用图像中已知的纹理和结构信息，按照一定的修复顺序和匹配准则对缺损区域进行修补，以保证图像的视觉完整性。

目前该技术大体上可分为两类：一类是Structure-based(基于结构)的修复方法，该类方法主要用于修复破损区域较小的图像，另一类是Exemplar-based(基于样本)的修复方法，该类方法致力于修复大面积破损区域。Criminisi算法是2004年提出的一种基于样本的图像修复算法，在图像修复领域有着深远影响。

传统的基于样本的图像修复算法大多通过人工设定样本块大小，来达到最佳修复果，样本块大小对修复结果有着重要影响。然而一幅图像通常具有不同的局部纹理特性，对所有的位置都采用相同大小的样本块进行修复缺乏自适应性。事实上，每个待修复的像素点所对应的填补样本块大小应该能够根据待修复点周围的局部结构信息进行自动调节，以满足不同结构区域信息自动修复的需要。

为解决上述问题，本发明通过在修复过程中对破损图像进行四叉分解，使得修复算法能够在修复过程中根据图像的局部信息和结构特征自适应地选取当前待修复点的最佳样本块大小，对图像修复效果有着明显的提升。

发明内容：

本发明提供了一种自适应选择样本块大小的图像修复方法，本发明针对传统基于样本的图像修复算法，在修复过程中采取固定大小样本块的缺点，修复结果容易造成图像结构信息错误传递的现象，提出根据待修复图像不同区域的局部信息和结构特征来自适应确定合适的样本块大小，可有效提高修复效果，详细步骤见下文描述：

1.标记图像的破损区域，根据算法中定义的修复优先级函数确定修复优先级最高的待修复点；

2.对破损图像进行四叉分解，得出待修复点的所在位置的图像块大小，并以此大小作为待修点的最优样本块大小；

3.根据最小绝对差平方和匹配准则、最优样本块的大小，从图像已知区域中寻找最优匹配块；

4.利用最优匹配块对待修复样本块进行填补，更新破损区域及源区域。

附图说明：

图1为一种自适应选择样本块大小的图像修复方法流程图；

图2为一幅图像四叉分解的示意图；其中分解阈值设置为6，(a)为图像四叉分解结果，其中每个字母标记一个子区域，最终分解得到a、c、d、x、y、z、t七个子区域，(b)为四叉树表示的分解过程，每一个叶结点代表一个图像子区域，叶结点旁边标记的区间表示子区域的灰度值范围。

具体实施办法：