CN101093579A - 破损图像数字化修复的新方法 - Google Patents
破损图像数字化修复的新方法 Download PDFInfo
- Publication number
- CN101093579A CN101093579A CN 200610112590 CN200610112590A CN101093579A CN 101093579 A CN101093579 A CN 101093579A CN 200610112590 CN200610112590 CN 200610112590 CN 200610112590 A CN200610112590 A CN 200610112590A CN 101093579 A CN101093579 A CN 101093579A
- Authority
- CN
- China
- Prior art keywords
- image
- damaged
- point
- theta
- repaired
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
一种破损图像数字化修复的新方法,其步骤如下:[1]将一幅待修复的图像记为I,并通过图像分割方法或人工交互方法确定出图像中的破损区域。根据图像I的未破损和破损区域生成一幅二值图像,其中图像I的未破损区域所对应的部分标记为Ω;[2]使用结构元素E对二值图像作数学形态学腐蚀运算,得到腐蚀的二值图像εE(Ω);[3]计算腐蚀图像εE(Ω)的边界[εE(Ω)]上的所有点的局部变化率,方法如下:设图像I具有n个分量,计算图像I的结构张量G;[4]用结构元素E对区域Ω作膨胀运算,得到区域δE(Ω);令dΩ=δE(Ω)-Ω表示当前待修复的区域,则对于任意点x*∈dΩ,按照预定步骤进行修复;[5]令εE(Ω)=Ω,Ω=δE(Ω),并返回第[3]步,直到图像I中所有的破损点被修复完毕。该方法修复效率高,速度快。
Description
(一)、技术领域:
涉及一种图像数据处理的方法,尤其是能将局部破损的图像通过数字化技术进行修复的方法。
(二)、背景技术:
图像修复(Image Inpainting)是对档案、古画、影片的数字化修复技术:通过拍照、扫描、模/数转换等方式将它们变成数字图像之后,再利用计算机进行修复。修复的标准是尽量看不出有处理过的痕迹。常用的修复方法主是纯手工的方法,对数字图像使用Photoshop等软件作处理,逐步涂抹破损区域,这个处理过程效率很低。目前国际上研究了一些自动处理的方法,公知的主要有两类,一类是基于偏微分方程的方法,使用某些平滑性假设把修复问题归结为解偏微分方程问题,这类方法的缺点是只能修复小的和细长的区域,对于宽大的破损区域,修补后会出现过度平滑的效应,留有明显的痕迹,效果不佳。另一类是基于纹理合成的修复方法,在图像中自动搜索一块合适的纹理,将其复制到破损区域,但这个搜索的过程相当费时,导致这类方法的修复速度很慢。
(三)、发明内容:
为了克服现有图像修复方法速度慢、效率低,以及无法修复宽大区域的缺点,本发明的目的是提供一种新的图像修复方法,该方法不仅可以修复宽大的破损区域,而且运算速度快,比基于纹理合成的方法大约快100倍。
本发明解决其技术问题所采用的技术方案如下:
本发明一种破损图像数字化修复的新方法,该方法的步骤如下:
[1]、将一幅待修复的图像记为I,并通过一些公知的图像分割方法或人工交互方法确定出图像中的破损区域。根据图像I的未破损和破损区域生成一幅二值图像,其中图像I的未破损区域所对应的部分标记为Ω。
[2]、使用结构元素E对二值图像作数学形态学腐蚀运算,得到腐蚀的二值图像εE(Ω)。
[3]、计算腐蚀图像εE(Ω)的边界[εE(Ω)]上的所有点的局部变化率,方法如下:设图像I具有n个分量(n=1时I为灰度图像,n=3时I为RGB彩色图像),首先通过下式计算图像I的结构张量G,
式中Ii表示图像的第i个分量,Ii是该分量的梯度,可以用公知的中心差分方法来计算。然后通过下面的特征值分解求出张量G的特征方向和特征值,
其中θ+是较大的特征值λ+所对应的特征向量,它可以定义为图像I在给定点的局部变化率。
[4]、用结构元素E对区域Ω作膨胀运算,得到区域δE(Ω)。令dΩ=δE(Ω)-Ω表示当前待修复的区域,则对于任意点x*∈dΩ,按照以下步骤进行修复(参见图1):
(4.1)、寻找[εE(Ω)]上与x*距离足够接近的点,即寻找点的集合
N(x*)={x∈[εE(Ω)]∶‖x-x*‖≤r}, (1)
其中r是一个预定义的搜索半径。r的取值要考虑搜索速度和搜索精度的折中。
(4.2)、使用下列公式计算集合N(x*)中的一个最佳点x0:
其中α是一个大于零的参数。该式的涵义是确保在点x0处直线x*-x0与特征方向θ+(x0)之间接近垂直,同时确保特征值λ+(x0)为最大。
(4.3)、定义点xm=(x*+x0)/2,使用下式修复破损点x*处的像素值:
其中‖ΔI‖=‖I(xm)-I(x0)‖,Ω仍然表示未破损的图像区域,ε是一个正参数。
[5]、令εE(Ω)=Ω,Ω=δE(Ω),并返回第3步,直到图像I中所有的破损点被修复完毕。
上述步骤中所涉及的符号涵义归纳说明如下:
I 待修复的图像
Ω 图像I中未破损的区域
E 数学形态学的结构元素
εE(Ω) 由结构元素E对区域Ω作腐蚀运算的结果
[εE(Ω)]区域εE(Ω)的边界
G 图像I的结构张量
Ii 表示图像I的第i个分量
Ii Ii分量的梯度
λ+,λ- 结构张量G的两个特征值,λ+≥λ-
θ+,θ- 特征值λ+和λ-所对应的特征向量
δE(Ω) 由结构元素E对区域Ω作膨胀运算的结果
dΩ 当前迭代中待修复的区域,即δE(Ω)-Ω
x* 区域dΩ中一个待修复的点
N(x*) 边界[εE(Ω)]上与点x*距离足够接近的点的集合,由公式(1)定义
r 预定义的搜索半径
x0 集合N(x*)中的一个最佳点,由公式(2)定义
α 大于零的参数
xm 点x*和点x0的中点,即(x*+x0)/2
‖ΔI‖ 像素值I(xm)与I(x0)之差的范数,即‖I(xm)-I(x0)‖
ε 一个正值参数
本发明的技术效果如下:
对于破损的图像数据提供了有效的数字化修复方法,可以修复宽大的破损区域(如图3、图4、图5和图6所示),克服了现有的图像修复方法(特别是基于偏微分方程的方法)只能修复“细线”状破损区域的缺点。本发明的方法修复效率高,速度快,比基于纹理合成的方法一般要快两个数量级。
(四)、附图说明:
图1 本发明进行图像修复的原理图。
图2本发明的一个具体实施方式的软件流程图。
图3用本发明的方法进行图像修复的实例。
图4用本发明的方法进行图像修复的实例。
图5用本发明的方法进行图像修复的实例。
图6用本发明的方法进行图像修复的实例。
(五)具体实施方式:
本发明的一个具体实施方式如下:
参阅图1所示,是本发明进行图像修复的原理图。图中每一个方格代表图像中一个像素点,虚线方格的区域表示待修复的区域,其中灰色的方格表示当前需要修复的破损点x*。实线方格的区域表示未破损区域Ω。Ω中与待修复区域相邻的部分称为边界Ω;Ω中的浅灰色区域代表点的集合N(x*)。
参阅图2的流程图,首先输入一幅待修复的图像I,根据图像I的未破损区域Ω和破损区域生成二值图像。
第二步,使用一个3×3的方形结构元素E对区域Ω作腐蚀运算,得到腐蚀的二值图像εE(Ω)。
第三步,利用前述技术方案计算边界[εE(Ω)]上所有点的局部变化率θ+。
第四步,用结构元素E对区域Ω作膨胀运算,得到δE(Ω)。令dΩ=δE(Ω)-Ω,对于dΩ中未修复的点x*,用以下方式进行修复:
(a)按照公式(1)计算点的集合N(x*),其中取参数
(b)按照公式(2)计算集合N(x*)中的一个最佳点x0,其中取参数α=1;
(c)按照公式(3)修复点x*处的像素值I(x*),其中取参数ε=5。
第五步,令εE(Ω)=Ω,Ω=δE(Ω),检查Ω是否包含整个图像区域。如果是,则修复结束;否则返回第三步继续修复。
请参阅图3、4、5、6所示,是本发明的方法进行图像修复的实例。图3左图是破损的图像,中间是用偏微分方程方法修复的结果,右图是用本发明的方法修复的结果。图4是用本发明的方法将左图中的一束花自动抹去。图5是用本发明的方法修复视网膜图像中的破损区域。图6是用本发明的方法将左图中演讲者的手臂和麦克风自动抹去。
Claims (1)
1、一种破损图像数字化修复的新方法,其特征在于:该方法步骤如下:
[1]、将一幅待修复的图像记为I,并通过图像分割方法或人工交互方法确定出图像中的破损区域;根据图像I的未破损和破损区域生成一幅二值图像,其中图像I的未破损区域所对应的部分标记为Ω;
[2]、使用结构元素E对二值图像作数学形态学腐蚀运算,得到腐蚀的二值图像εE(Ω):
[3]、计算腐蚀图像εE(Ω)的边界[εE(Ω)]上的所有点的局部变化率,方法如下:设图像I具有n个分量,首先通过下式计算图像I的结构张量G,
式中Ii表示图像的第i个分量,Ii是该分量的梯度,可以用公知的中心差分方法来计算,然后通过下面的特征值分解求出张量G的特征方向和特征值,
其中θ+是较大的特征值λ+所对应的特征向量,它可以定义为图像I在给定点的局部变化率;
[4]、用结构元素E对区域Ω作膨胀运算,得到区域δE(Ω);令dΩ=δE(Ω)-Ω表示当前待修复的区域,则对于任意点x*∈dΩ,按照以下步骤进行修复:
(4.1)、寻找[εE(Ω)]上与x*距离足够接近的点,即寻找点的集合
N(x*)={x∈[εE(Ω)]∶‖x-x*‖≤r},其中r是一个预定义的搜索半径。r的取值要考虑搜索速度和搜索精度的折中;
(4.2)、使用下列公式计算集合N(x*)中的一个最佳点x0:
其中α是一个大于零的参数;该式的涵义是确保在点x0处直线x*-x0与特征方向θ+(x0)之间接近垂直,同时确保特征值λ+(x0)为最大;
(4.3)、定义点xm=(x*+x0)/2,使用下式修复破损点x*处的像素值:
其中‖ΔI‖=‖I(xm)-I(x0)‖,Ω仍然表示未破损的图像区域,ε是一个正参数;
[5]、令εE(Ω)=Ω,Ω=δE(Ω),并返回第[3]步,直到图像I中所有的破损点被修复完毕。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006101125902A CN100511280C (zh) | 2006-08-24 | 2006-08-24 | 破损图像数字化修复的新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006101125902A CN100511280C (zh) | 2006-08-24 | 2006-08-24 | 破损图像数字化修复的新方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101093579A true CN101093579A (zh) | 2007-12-26 |
CN100511280C CN100511280C (zh) | 2009-07-08 |
Family
ID=38991821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2006101125902A Expired - Fee Related CN100511280C (zh) | 2006-08-24 | 2006-08-24 | 破损图像数字化修复的新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100511280C (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510303B (zh) * | 2009-03-26 | 2011-09-14 | 北京兆维电子(集团)有限责任公司 | 一种图像修复方法及系统 |
CN103093426A (zh) * | 2012-12-14 | 2013-05-08 | 西安电子科技大学 | 恢复定标板遮挡区域的纹理和光照的方法 |
CN103679664A (zh) * | 2013-12-30 | 2014-03-26 | 北京航空航天大学 | 一种利用数学形态学交替滤波器的能够保留图像细节的增强方法 |
CN104657953A (zh) * | 2015-03-04 | 2015-05-27 | 中山大学 | 一种基于图像处理技术的名画修复方法 |
CN111369452A (zh) * | 2020-02-26 | 2020-07-03 | 青海民族大学 | 大区域图像局部破损点优化提取方法 |
-
2006
- 2006-08-24 CN CNB2006101125902A patent/CN100511280C/zh not_active Expired - Fee Related
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510303B (zh) * | 2009-03-26 | 2011-09-14 | 北京兆维电子(集团)有限责任公司 | 一种图像修复方法及系统 |
CN103093426A (zh) * | 2012-12-14 | 2013-05-08 | 西安电子科技大学 | 恢复定标板遮挡区域的纹理和光照的方法 |
CN103093426B (zh) * | 2012-12-14 | 2015-05-27 | 西安电子科技大学 | 恢复定标板遮挡区域的纹理和光照的方法 |
CN103679664A (zh) * | 2013-12-30 | 2014-03-26 | 北京航空航天大学 | 一种利用数学形态学交替滤波器的能够保留图像细节的增强方法 |
CN103679664B (zh) * | 2013-12-30 | 2016-07-06 | 北京航空航天大学 | 一种利用数学形态学交替滤波器的能够保留图像细节的增强方法 |
CN104657953A (zh) * | 2015-03-04 | 2015-05-27 | 中山大学 | 一种基于图像处理技术的名画修复方法 |
CN111369452A (zh) * | 2020-02-26 | 2020-07-03 | 青海民族大学 | 大区域图像局部破损点优化提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN100511280C (zh) | 2009-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101661613B (zh) | 一种基于图像分割的图像修复方法及系统 | |
CN101571950B (zh) | 基于各向同性扩散和稀疏表示的图像修复方法 | |
CN100511280C (zh) | 破损图像数字化修复的新方法 | |
CN100583158C (zh) | 基于视频提取和重用的卡通动画制作方法 | |
CN111982910B (zh) | 一种基于人工缺陷仿真的弱监督机器视觉检测方法及系统 | |
CN101673401B (zh) | 图像处理设备和图像处理方法 | |
CN101980285B (zh) | 结合gmrf先验的非局部图像修复方法 | |
CN103886561B (zh) | 基于数学形态学的Criminisi图像修复方法 | |
CN101673400A (zh) | 图像处理设备、方法和程序 | |
CN101833668B (zh) | 一种基于轮廓带图的相似单元的检测方法 | |
Shao et al. | From IC layout to die photograph: a CNN-based data-driven approach | |
CN111696079B (zh) | 一种基于多任务学习的表面缺陷检测方法 | |
CN105976382A (zh) | 一种基于缺陷区域预判和水平集的TFT-LCD Mura缺陷检测算法 | |
CN113706464A (zh) | 一种印刷品外观质量检测方法及系统 | |
CN109598782A (zh) | 基于三维建模技术的建筑文物修复方法、存储介质 | |
CN114399505B (zh) | 工业检测中的检测方法、检测装置 | |
Zou et al. | Automatic segmentation, inpainting, and classification of defective patterns on ancient architecture using multiple deep learning algorithms | |
CN116205876A (zh) | 基于多尺度标准化流的无监督笔记本外观缺陷检测方法 | |
CN115270184A (zh) | 视频脱敏、车辆的视频脱敏方法、车载处理系统 | |
CN113240790B (zh) | 一种基于3d模型和点云处理的钢轨缺陷图像生成方法 | |
CN113011480A (zh) | 一种基于循环生成对抗网络的弧面缺陷图像生成方法 | |
Choi et al. | Relief extraction from a rough stele surface using svm-based relief segment selection | |
CN106204420A (zh) | 一种笔式图像扫描拼接方法与装置 | |
CN114882367A (zh) | 一种机场道面缺陷检测与状态评估方法 | |
Sircar et al. | An automated approach for labeling raster digitized contour maps |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090708 Termination date: 20130824 |