[发明专利]一种大面积图像修复方法

说明书

本发明适用于图像处理技术领域，提供了一种大面积图像修复方法，包括如下步骤：S1、输入破损图像，提取破损区域的边界；S2、判断边界是否为空，若判断结果为是，输出修复图像，若判断结果为否，获取边界处各像素点所在的破损块，将优先权值最大的破损块作为待修复块；S3、在完好区域内查找与待修复块最为匹配的最优匹配块，利用最优匹配块对待修复块进行修复；S4、更新修复后的待修复块内各像素点的置信度值，更新破损区域，返回S2。破损块的置信项值偏大，置信项C(p)与数据项D(p)点乘，则提高数据项对优先权值的影响，破损块的置信项C(p)较小时，均衡考虑置信项C(p)、数据项D(p)、灰度变化因子H(I)及颜色混乱度C(I)对优先权值的贡献，最大程度反应图像破损边缘的合理修复顺序。

技术领域

本发明属于图像处理技术领域，提供了一种大面积图像修复方法。

背景技术

图像修复是图像复原中的一个重要内容，其目的是利用图像现有的信息来恢复丢失的信息。可用于旧照片中丢失信息的恢复，视频文字去除以及视频错误隐藏等。简言之，图像修复就是对图像上信息缺损区域进行信息填充的过程，其目的就是为了对有信息缺损的图像进行复原，并且使得观察者无法察觉到图像曾经缺损或者已经修复，然而，传统Criminisi算法在计算目标图像块优先权函数时，偏向于注重垂直于梯度方向的信息，有可能会导致像素点修复顺序的不合理。

发明内容

本发明实施例提供一种大面积图像修复方法，解决现有Criminisi算法存在的修复顺序不合理的问题。

为了解决上述目的，本发明提供一种大面积修复方法，该方法包括如下步骤：

S1、输入破损图像，提取破损区域的边界；

S2、判断边界是否为空，若判断结果为是，则输出修复图像，若判断结果为否，则获取边界处各像素点所在的破损块，将优先权值最大的破损块作为待修复块；

S3、在完好区域内查找与待修复块最为匹配的最优匹配块，利用最优匹配块对待修复块进行修复；

S4、更新修复后的待修复块内各像素点的置信度值，更新破损区域，返回S2。

进一步的，所述破损块的优先权值计算公式具体如下：

其中，P(p)为像素点p所在破损块的优先权值，H(I)为像素点p所在破损块的灰度变化因子，C(I)为像素点p所在破损块的颜色混乱度，D(p)像素点p所在破损块的数据项，C(p)为像素点p所在破损块的置信项，α、β、γ为三个参数为实验参数，且α+β+γ＝1，其中，数据项D(p)的表达式为：

其中，χ为归一化因子，取255，n_p为p点的法向量，为像素点p点的等照度矢量，θ为与n_p的夹角。

进一步的，所述最优匹配块的查找方法具体包括如下步骤：

S31、在完好区域内查找颜色混乱度与待修复块最为接近的目标区域；

S32、通过滑动窗的移动将目标区域划分为若干与破损块等大的目标匹配块；

S33、计算目标匹配块与待修复块间的颜色差异及灰度像素混乱度差异；

S34、基于颜色差异和灰度像素混乱度差异来确定与待修复块差异最小的目标匹配块，即为最优匹配块。

进一步的，所述置信度值的更新方法具体如下：

将修复后的待修复块与最优匹配块进行匹配；

若匹配的准确度达到0.8，令其置信项值为1，若匹配的准确度位于0.5-0.8间，令其置信项值设为0.65，若匹配的准确度为0.5以下，采取Criminisi算法中的置信项计算公式更新置信项值。