一種優(yōu)化修復(fù)順序的圖像修復(fù)算法

張慧娟

（武漢東湖學(xué)院 電子信息工程學(xué)院 ，湖北 武漢 430212）

1 引言

迄今為止，數(shù)字圖像修復(fù)技術(shù)的研究與應(yīng)用主要分為“基于變分PDE模型的數(shù)字圖像修復(fù)”和“基于紋理合成的數(shù)字圖像修復(fù)”兩大技術(shù)。

A.Criticism算法是“基于樣本的紋理合成修復(fù)技術(shù)”中較為經(jīng)典的一種算法，它與其他修復(fù)算法相比，修復(fù)速度更快，修復(fù)質(zhì)量更好，特別是對大面積的缺損圖像進(jìn)行修復(fù)時，其優(yōu)點更為突出。因此，A.Criticism算法在圖像修復(fù)、視頻修復(fù)等領(lǐng)域中受到了廣泛的應(yīng)用。

A.Criticism算法的主要步驟如下：第一，計算塊的優(yōu)先權(quán)。p點的優(yōu)先權(quán)P(p)=C(p)D(p)，C(p)為置信度項，D(p)為數(shù)據(jù)項。第二，搜索最佳匹配塊并填補(bǔ)缺損塊。A.Criticism采用了全局搜索的方法，在未破損區(qū)域內(nèi)搜索與待補(bǔ)全塊相似度最高的塊。第三，更新置信度值。P贊塊內(nèi)填充了新的像素之后，原先的這個缺損的塊就變成修補(bǔ)好的塊，成為新一次修復(fù)過程的未缺損區(qū)域，此時這個塊內(nèi)“像素點的置信度要及時更新”。經(jīng)過這三個步驟后，一次修補(bǔ)過程完成。反復(fù)進(jìn)行這個過程，直至整個破損區(qū)域填充完畢，結(jié)束執(zhí)行。

2 改進(jìn)算法的提出

A.Criticism算法利用缺損區(qū)域邊界的等照度線方向與法向之間的角度，來確定修復(fù)順序，保證缺損區(qū)域的結(jié)構(gòu)部分先于紋理部分被填充。但經(jīng)分析發(fā)現(xiàn)，隨著填充的不斷進(jìn)行，置信度值C(p)會下降很快，甚至可能下降為零。此時，優(yōu)先權(quán)的計算就不盡合理，最終導(dǎo)致修復(fù)順序發(fā)生錯誤，進(jìn)而影響圖像的修復(fù)質(zhì)量。

圖1是采用A.Criticism算法修復(fù)一幅破損圖像的中間過程。圖中，綠色表示破損區(qū)域，從左到右排列的五幅圖，依次表示圖像從修復(fù)初期到修復(fù)后期的過程。由圖可知，隨著修復(fù)的不斷深入，綠色區(qū)域逐漸產(chǎn)生斷裂，最后，一個完整的缺損塊慢慢分成許多小的缺損塊，分別進(jìn)行著修復(fù)。這個過程，是通過編程，讓計算機(jī)自動執(zhí)行的。

人為修復(fù)這幅圖片，更多的會按圖2所示的過程進(jìn)行，這更符合人的視覺感知及操作習(xí)慣。特別是對大面積破損區(qū)域進(jìn)行修復(fù)時，修復(fù)效果更好。

圖1 A.Criticism算法修復(fù)破損圖像的中間過程

圖2 人工修復(fù)破損圖像的中間過程

因此，若能做到以下兩點：第一，修復(fù)順序從缺損區(qū)域邊界向缺損區(qū)域內(nèi)擴(kuò)散；第二，修復(fù)過程保持前后連貫和一致，盡量減少斷裂現(xiàn)象；則在修復(fù)大面積的破損區(qū)域時，會取得良好的修復(fù)質(zhì)量。A.Criticism算法能夠保證第一點，要在A.Criticism算法的基礎(chǔ)上實現(xiàn)第二點，就需要對修復(fù)優(yōu)先權(quán)公式進(jìn)行改進(jìn)。

3 遞增權(quán)值算子的引入

數(shù)據(jù)項D（p）包含了缺損邊界像素的等照度線方向和法向，決定著修復(fù)進(jìn)行的方向。如果給D（p）加入一個權(quán)值系數(shù)λ，使D（p）在后期的修復(fù)過程中起的作用更大，并且，這個權(quán)值系數(shù)還要動態(tài)的發(fā)生遞增的變化，這樣，才能夠?qū)崿F(xiàn)修復(fù)順序連續(xù)不間斷的朝著同一個方向有序進(jìn)行，符合人工修復(fù)的習(xí)慣。

式中，GetTickCount（）是程序運行后計算機(jī)的系統(tǒng)時刻，begintime是程序開始運行時計算機(jī)最初的系統(tǒng)時刻，兩者的差即是修復(fù)所進(jìn)行的時間。因為計算機(jī)的系統(tǒng)時間采用ms級計數(shù)，而執(zhí)行一幅幾百乘幾百的ftp圖像大約要進(jìn)行幾萬ms到幾十萬ms，因此，兩者的差值還要除以10000，以保證k的值波動不會太大。同時，為保證遞增權(quán)值算子的值不為零，k中還引入一個修正常數(shù)γ，這里令γ=1.05。這時D（p）變?yōu)?γ·D（p），作為修復(fù)優(yōu)先權(quán) P（p）的結(jié)構(gòu)信息量，和 C（p）一起，決定破損區(qū)域邊界像素點的修復(fù)優(yōu)先權(quán)。

對大量大塊面積的缺損圖像進(jìn)行仿真實驗后，驗證了該遞增權(quán)值算子是簡單有效，切實可行的。

4 仿真結(jié)果

圖3、圖4是利用改進(jìn)算法修復(fù)缺損圖像的兩個例子。

圖3 去除照片上的劃痕

圖4 去除照片上人物的特效制作

5 結(jié)語

本文討論了在修復(fù)一副較大面積的破損圖像時，為了能夠得到更好更合理的修復(fù)順序，引入遞增權(quán)值算子，增強(qiáng)了修復(fù)后期結(jié)構(gòu)信息量D（p）在確定缺損區(qū)域邊界像素的修復(fù)優(yōu)先權(quán)時的作用。

通過對大量較大面積的破損圖像進(jìn)行仿真實驗，驗證了“引入遞增權(quán)值算子λ實現(xiàn)更好的修復(fù)順序”的改進(jìn)算法是切實可行的，與A.Criticism算法比起來，它獲得了更好的視覺感觀，使圖像的修復(fù)質(zhì)量得到很大改善。

本節(jié)所有的實驗在配置為WindowsXP-2002版本、CPU 2.40Thu、RAM 512MB，仿真環(huán)境為Microcode Visual C++6.0的計算機(jī)上進(jìn)行。

[1]Criticism A,We're P,and Toward K.Region filling and object removal by exemplar-based image initiating[J].IEEE Transactions on Image Processing,2004,13(9):1200-1212.

[2]張偉彬.基于修復(fù)順序的圖像修復(fù)算法[J].計算機(jī)工程與應(yīng)用，2008，44(22)：195-196.

[3]張紅英.數(shù)字圖像修復(fù)技術(shù)的研究與應(yīng)用[D]成都：電子科技大學(xué)，2006.