[发明专利]一种基于最佳匹配的图像纹理合成方法

说明书

【技术领域】：

本发明属于计算机应用与图像处理结合的技术领域。

【背景技术】：

由于基于样图的纹理合成技术不仅可以克服传统纹理映射方法的缺点，而且避免过程纹理合成调整参数的繁琐，因而受到越来越多研究人员的关注，成为计算机图形学、计算机视觉和图像处理领域的研究热点之一。基于样图的二维纹理合成方法根据处理对象的不同大体又可以分为:点合成方法和块合成方法。点合成方法每次生成一个像素点的色彩,而块合成方法则是每次生成一个包含许多像素的纹理块。一般而言,点合成方法便于反映纹理变化的多样性,但不利于保持纹理的结构化信息,且合成速度相对较慢;而块合成方法的速度较快,能较好地保持块内的纹理特征信息,但块之间的色彩过渡可能不很平滑,会引起合成质量的下降。

块纹理合成方法是基于样本的纹理合成方法，它通过将输入的样本纹理划分成固定大小的纹理块，并基于纹理块间的重叠区域的约束规则来选择匹配的纹理块，以生成与样本纹理不重复但视觉性连续的任意大的纹理。基于块的纹理合成算法将合成单位从像素变为一个纹理块，合成速度相较于基于像素的算法有了显著提高，而且一次合成一块纹理有利于合成图像保持样本纹理的整体结构。

基于块拼贴的纹理合成算法一般由两步组成。第一，按照某种匹配策略在样本图中搜索最佳匹配块；第二，采用相应的块拼贴方法将搜索到的最佳匹配块拼贴到输出纹理图像中。其中，是否搜索到最佳匹配块是影响合成结果的关键问题，如果搜索到的纹理块不是最佳匹配块，则第二步使用任何拼贴方式都不能达到较好的合成效果。然而大部分基于块拼贴的纹理合成算法在搜索最佳匹配块时，是以重叠区域颜色误差小于设定的阈值作为匹配准则，与基于像素合成方法相比较，虽然在一定程度上保证纹理的结构性不被破坏，但是对于一些较强结构性的纹理图像，仍会出现纹理错位而得不到较好的合成效果。

早期的纹理合成采用基于特征匹配的方法,把纹理当作一种特征，通过在样本图中匹配特征来生成新的纹理图像。这种合成算法运算量很大,合成速度很慢，质量虽有所提高但并不十分理想.近年来,主要采用基于马尔可夫随机场(Markov Random Field,MRF)模型的合成方法。1999年,Efros等提出了一种非参数采样算法，这种基于像素的合成方法，虽然对随机性纹理取得了令人满意的效果,但对结构性较强的纹理合成效果较差,且计算时间较长。2001年，Efros提出一种ImageQuilting纹理合成算法，通过计算纹理合成中重叠块的累计误差和最小误差路径完成合成，该算法对各种类型的纹理均取得了较好的合成效果，与逐点的纹理合成方法相比，该算法虽然处理速度较快，对各种类型的纹理都能取得较好的合成效果，但是可能会带来少量的纹理错位及不连续现象。另外，ImageQuilting算法在纹理合成中采用穷尽搜索匹配块的方法，包含费时的计算过程，达不到实时应用的要求。Liang等人提出了一种实时的基于块的纹理合成算法，和ImageQuilting算法极为相似，但是由于算法采用了四叉树金字塔、主元分量分析以及KD树方法来加速纹理搜索过程，虽然在效率上有所提高，但是使得算法难以理解和编程实现。Kwatra在ImageQuilting算法的基础上,提出了基于Graph Cut的改进方法。Cohen等提出一种使用拼接Wang Tiles的方法实时合成纹理。Wu等人提出曲线特征匹配法,考虑了纹理的结构差别,在拼接过程中对匹配块进行变形处理,以保证特征线在相邻块之间的连续过渡,提高结构化内容的合成质量,但是该算法在对特征匹配过程中,运算量较大,影响了合成速度。全局优化的方法，通过全局的相似性计算，降低全局性误差，可生成质量很高的纹理，虽然全局优化方法能很好地保持纹理的全局性特征，但对于局部的细节特征难以很好地处理，因此其合成质量还不是很理想。

【发明内容】：

人眼往往对图像中颜色变化尖锐的地方比较敏感，而对颜色变化缓慢的地方相对迟钝。因此，可以在搜索最佳匹配块时考虑这些视觉系统敏感的特征，并把对视觉系统敏感的特征称为结构信息特征。本发明引入梯度结构信息来表示纹理块的结构特征，在搜索最佳匹配块的时候，把颜色误差和梯度结构信息同时作为纹理块相似性的判断准则。

本发明针对以上问题提出了一种根据输入纹理自适应的确定纹理块大小的方法，即一种新的基于最佳匹配的图像纹理合成方法，该方法的具体步骤包括：

1、一种新的基于最佳匹配的图像纹理合成方法，其特征在于该方法的具体步骤包括：

第1、纹理块匹配策略