[发明专利]结合自适应梯度分块和等距变换的改进Criminisi图像修复方法

摘要

本发明提供一种结合自适应梯度分块和等距变换的改进Criminisi图像修复方法，在该发明中，首先对待修复图像的已知和修复区域进行标记，对落入已知区域的所有像素点计算梯度直方图，从而将已知区域像素点划分为平滑、纹理和边缘三种类型；其次结合块分类的改进优先权函数增强对边缘纹理部分的辨别能力，以克服传统方法所导致的纹理延伸问题；再次通过判断待修复块中的已知梯度信息判断待修复块所属的块类型，并通过建立自适应块大小函数来保证不同类型采用不同大小的块进行修复，并且只在对应的类型中进行匹配来提高匹配效率；最后通过引入等距变换来提高匹配精度。同现有方法相比，本发明较好地克服了纹理延伸，时间复杂度高等问题，提高了修复质量。

主权项

1.结合自适应梯度分块和等距变换的改进Criminisi图像修复方法，其特征在于包括以下步骤：第1步：记G＝(g_i,j＝‑1)_m×n为待修复图像A＝(a_i,j)_m×n的梯度图，记Ω为待修复区域，由标记矩阵B＝(b_i,j)_m×n中b_i,j＝0的元素进行标记，Φ为已知区域，由标记矩阵B＝(b_i,j)_m×n中最开始b_i,j＝1的元素进行标记，Φ′为已修复区域；初始化Φ′＝Φ，为待修复区域边界，对即b_i,j＝1中的元素，计算图像像素a_i,j对应的梯度值g_i,j，即g_i,j＝Grad(a_i,j,(i,j))；第2步：对G中每个gi,j≠‑1的元素按其对应的梯度值进行统计形成梯度直方图HG＝(hk)L，其中hk表示梯度值为k的G中元素发生次数，L为梯度直方图中梯度阶数；第3步：对梯度直方图中的每个梯度值k＝0,1,…,L‑1，统计每个梯度值的发生概率Pk,k＝0,1,…,L‑1；第4步：将落入已修复区域Φ′中的每个像素划分成平滑、纹理和边缘区域像素；第5步：对计算p点对应的优先权P_p；第6步：确定优先权P_p最大的点自适应地确定当前待修复像素块的边长第7步：判断梯度项的块类型，在图像已知区域Φ中寻找和相匹配的的最优目标块的位置及其所对应的等距变换类型第8步：利用最优目标块和最优目标块所对应的等距变换类型将变换为并将当前待修复像素块中被b_i,j＝0标记的像素由中的对应位置像素进行填充，然后将所有当前待修复像素块被填充像素的标记值由 b_i,j＝0调整为b_i,j＝1；第9步：反复执行第5步至第8步，直到图像中待修复区域Ω中所有像素点修复完毕，即B＝(bi,j)m×n中所有元素都调整成bi,j＝1，修复结束。