CN101742040A - 一种对破损图画进行高保真修复及输出的方法 - Google Patents

Abstract

本发明公开了一种破损图画高保真修复及输出方法，该方法按照以下步骤实施，步骤1、首先利用扫描仪对原稿图画扫描，得到RGB格式的数字稿；步骤2、利用数字修复技术对RGB格式的数字稿中的破损区域进行修复处理，得到完整的RGB格式的数字修正稿；步骤3、对扫描仪特性化，得到色彩空间值RGB与L^*a^*b^*的关系，据此RGB与L^*a^*b^*的关系将步骤2得到的完整的RGB格式的数字修正稿转换成L^*a^*b^*格式图像；步骤4、对打印机标定，得到L^*a^*b^*与CMYK色彩空间的对应关系，据此对应关系将步骤3得到的L^*a^*b^*格式图像转换成CMYK格式，从而打印输出，得到修复良好的原稿图片。本发明方法的有益效果是，能够修复图画中的破损区域，并能够保证打印输出后的图画在色彩上与原稿一致。

Description

一种对破损图画进行高保真修复及输出的方法

技术领域

本发明属于图像处理修复技术领域，涉及一种对破损图画进行高保真修复及输出的方法。

背景技术

在日常生活中，经常有一些珍贵的旧照片需要扩印；在对老旧图画档案处理时，也有不少古代字画文物需要重新装裱、复印，这些资料经常存在有破损的区域，因此如何高保真的印刷、输出这些图画，一直是人们期待解决和关注的技术难题。

发明内容

本发明的目的是提供一种对破损图画进行高保真修复及输出的方法，使得原稿图画信息得到高保真的印刷、输出。

本发明采用的技术方案是，一种对破损图画进行高保真修复及输出的方法，该方法按照以下步骤实施，

步骤1、首先利用扫描仪对需修复的破损图画扫描，得到RGB格式的数字稿；

步骤2、利用数字修复技术对RGB格式的数字稿中的破损区域进行修复处理，得到完整的RGB格式的数字修正稿；

步骤3、对扫描仪特性化，得到色彩空间值RGB与L^*a^*b^*的关系，据此RGB与L^*a^*b^*关系将步骤2得到的完整的RGB格式的数字修正稿转换成L^*a^*b^*格式图像；

步骤4、对打印机标定，得到L^*a^*b^*与CMYK色彩空间的对应关系，据此对应关系将步骤3得到的L^*a^*b^*格式图像转换成CMYK格式，从而打印输出，得到修复良好的原稿图片。

本发明方法的有益效果是，能够修复原稿图画中的破损区域图像信息，以及保证打印输出的图画在色彩上与原稿高度一致。

附图说明

图1是本发明方法的修复及输出破损图画流程示意图；

图2是本发明方法中的扫描仪特性化流程示意图；

图3是本发明方法中的破损区域及其邻域示意图；

图4是本发明方法中的修复过程示意图。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

如图1，是本发明的破损图画高保真修复及输出方法，主要涉及高精度记录原稿图画、修复图画破损区域以及高精度输出图画三个部分，该方法按照以下步骤实施：

步骤1、首先利用扫描仪对原稿图画扫描，得到RGB格式的数字稿；

步骤2、利用数字修复技术对RGB格式的数字稿中的破损区域进行修复处理，得到完整的RGB格式的数字修正稿；

步骤3、对扫描仪特性化，得到色彩空间值RGB与L^*a^*b^*的关系，据此RGB与L^*a^*b^*的关系将步骤2得到的完整的RGB格式的数字修正稿转换成L^*a^*b^*格式图像；

步骤4、对打印机标定，得到L^*a^*b^*与CMYK色彩空间的对应关系，据此对应关系将步骤3得到的L^*a^*b^*格式图像转换成CMYK格式，从而打印输出，得到修复良好的原稿图片。

本发明方法实施例以修复输出一幅破损旧照片为例，首先利用扫描仪对旧照片原稿扫描，得到RGB格式的数字稿，然后利用数字修复技术对破损区域进行修复处理，得到完整的RGB格式的数字修正稿；然后对扫描仪特性化，得到色彩空间值RGB与L^*a^*b^*的关系，据此将旧照片完整的RGB格式的修正稿转换成L^*a^*b^*格式图像；最后对打印机标定，得到L^*a^*b^*与CMYK色彩空间的对应关系，并据此将上述的L^*a^*b^*格式图像转换成CMYK格式，从而打印输出，得到修复好的旧照片图像。

第一、扫描仪特性化。

扫描仪特性化实质上就是将RGB色彩空间转换成L^*a^*b^*色彩空间，从而可以将扫描后的RGB图像转换成L^*a^*b^*图像，保证色彩传递的准确性。

如图2，本发明扫描仪特性化具体流程如下：首先选择一标准的色靶，然后使用扫描仪对色靶上的每个色块进行扫描，经图像处理得到每个色块的RGB值；同时，利用分光光度计测量色块的L^*a^*b^*值；最后利用每个色块相互对应的RGB和L^*a^*b^*值，建立RGB和L^*a^*b^*两种色彩空间的关系模型。本发明方法中采用了一种最高次为四次的多项式回归方法，完成对扫描仪的特性化工作，其中RGB和L^*a^*b^*的多项式表达关系如下：

f_L(R，G，B)＝α₀+α₁R+α₂G+α₃B+α₄RG+α₅GB+α₆RB+α₇R²+α₈G²+α₉B²+α₁₀RGB+α₁₁R²G+α₁₂R²B+α₁₃G²R+α₁₄G²B+α₁₅B²R+α₁₆B²G+α₁₇R³+α₁₈G³+α₁₉B³+α₂₀R²G²+α₂₁R²B²+α₂₂G²B²+α₂₃R⁴+α₂₄G⁴+α₂₅B⁴

                                                         (多项式1)

f_a(R，G，B)＝β₀+β₁R+β₂G+β₃B+β₄RG+β₅GB+β₆RB+β₇R²+β₈G²+β₉B²+β₁₀RGB+β₁₁R²G+β₁₂R²B+β₁₃G²R+β₁₄G²B+β₁₅B²R+β₁₆B²G+β₁₇R³+β₁₈G³+β₁₉B³+β₂₀R²G²+β₂₁R²B²+β₂₂G²B²+β₂₃R⁴+β₂₄G⁴+β₂₅B⁴

                                                      (多项式2)

f_b(R，G，B)＝γ₀+γ₁R+γ₂G+γ₃B+γ₄RG+γ₅GB+γ₆RB+γ₇R²+γ₈G²+γ₉B²+γ₁₀RGB+γ₁₁R²G+γ₁₂R²B+γ₁₃G²R+γ₁₄G²B+γ₁₅B²R+γ₁₆B²G+γ₁₇R³+γ₁₈G³+γ₁₉B³+γ₂₀R²G²+γ₂₁R²B²+γ₂₂G²B²+γ₂₃R⁴+γ₂₄G⁴+γ₂₅B⁴

                                                      (多项式3)

上述三个多项式中，R，G，B分别代表某色块被扫描后的RGB颜色值，其数值范围都在0～55之间；L^*、a^*、b^*分别代表色块在CIE L^*a^*b^*颜色空间的三个分量，L^*取值范围为0～100，a^*取值范围为-128～127，b^*取值范围为-128～127；函数f_L(R，G，B)代表RGB颜色值与L^*a^*b^*值中的L^*分量之间的函数关系；函数f_a(R，G，B)代表RGB颜色值与L^*a^*b^*值中的a^*分量之间的函数关系；函数f_b(R，G，B)代表RGB颜色值与L^*a^*b^*值中的b^*分量之间的函数关系；而α_0-25，β_0-25，γ_0-25分别代表未知的常数系数。

以上三个多项式中，α、β、γ分别为方程式中的系数，利用采集到的建模数据以及最小二乘法即可求解。在获取了该78个参数后，即可计算出任意给定的RGB值所对应的L^*a^*b^*值。

本发明选用IT8.7/2标准色靶进行特性化处理，采样颜色区为色靶中的A1到L12的12×12色块组成。

第二、数字图像修复处理。

其一、数字图像修复主要处理RGB图像中的破损区域，如图3，假设D为破损区域，E为包含D外部且完全包含它的一个区域，修复的基本原理是：将E中的信息尽量连续的延伸到D内部，这个过程中D逐渐缩小，直至所有像素被修复完毕。

如图4，修复过程始终在D的外边界上进行，对于该边界上的一点s，选取它周围的一组邻域象素作为信息来源，综合这些点的信息对点s进行填充。如果利用修补区域外距离s点r个象素范围的一系列点B_r时，s点的最终象素值就是B_r中所有像素信息的综合，s点的象素值可表示为：

$u\left(s\right)=\frac{{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}}_{p\∈B_r}w(s,p)*u\left(p\right)}{{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}}_{p\∈B_r}w(s,p)}---\left(1\right)$

其中u(p)为s的邻域B_r中的一点p的像素值，w(s，p)为p点对s点像素值贡献的权重。

选以s为中心的5×5邻域范围内的点作为修复数据源，其位置关系及相应权重可以用邻域模板结构表示，如下表1。

表1邻域模板结构表

W(s，1)	w(s，2)	w(s，3)	w(s，4)	w(s，5)
					W(s，6)	w(s，7)	w(s，8)	w(s，9)	w(s，10)
w(s，11)	w(s，12)	0	w(s，13)	w(s，14)
					w(s，15)	w(s，16)	w(s，17)	w(s，18)	w(s，19)
w(s，20)	w(s，21)	w(s，22)	w(s，23)	w(s，24)

模板中的w(s，p)(p＝0，1，2...24)表示第p个点的权重，如果p点为修补区域内的点，则令w(s，p)＝0，这样就保证了对s修补用的点都来自修补区域之外的点了，也就排除了修补区域内点错误信息的干扰。

下面分析任意一点p的像素值延伸到s点的数值，由于梯度方向是变化最快的方向，所以p对s的影响量可以用下式(2)表示：

$u(s,p)=u\left(p\right)-\▿u\left(p\right)*(p-s)$ 其中， $\▿u\left(p\right)=(\frac{\∂u}{\∂x},\frac{\∂u}{\∂y})---\left(2\right)$

由于距离s点越远的点p对它影响越小，因此w(s，p)被定义为二者的欧式距离参数：

$w(s,p)=\frac{1}{\sqrt{{(s_x-p_x)}^2+{(s_y-p_y)}^2}}---\left(3\right)$

其中s_x和s_y分别代表s点的x和y坐标值，p_x和p_y分别代表p点的x和y坐标值。

其二、边界各点的修补顺序

为了尽量与手工修补一致，理想的修补顺序是先从破损区域外部边界开始，然后沿边界向内不断修补，整个修补过程中，破损边界不停的收缩，待收缩成一点时修补算法就停止。由于水平集算法主要描述一直向外扩散或向内收缩的几何轮廓线，因此可以将修补边界作为向内收缩的曲线，利用该算法调整修补区域内像素的修补顺序。

考虑到修补区域内外的特征，使用改进了水平集算法中的Eikonal方程为：

$|\▿T|=1$ (在边界上T＝0)    (4)

其中T(x，y)表示曲线经过坐标(x，y)的时间，

是T的梯度范数。而该式的离散求解过程可以表示为：

max(D^-xT，-D^+xT，0)²+max(D^-yT，-D^+yT，0)²＝1    (5)

其中D^x代表x方向的后向差分算子；其中D^+x代表x方向的前向差分算子；其中D^-y代表y方向的后向差分算子；其中D^+y代表y方向的前向差分算子。

从上式可以看出这相当于令速度函数F＝1，也就是修补区域边界上各点以相同速度向内收缩，从而使待修补区域在修补过程中一直保持原来的轮廓形状，保证了图像的修补顺序与手工修补图像顺序的相似性。这里，把T定义为点到修补区域边界的距离函数。这样的话，T的零水平集恰恰是修补区域的边界，而修补区域边界的法线方向则是

然后对要修补的图像进行预处理，对于图像中的每一点设定三个值，即：T、f和I。其中，T是该点到修补边界的距离；I为该点的象素值；f为该点的标志，可以取为Alive、Narrowband或Faraway三个值，其意义如下：

Alive：说明该点在修补边界外部，它的T值和I值已知；

Narrowband：说明该点在修补区域的边界上，其T值和I值正待更新；

Faraway：说明该点在修补区域内部，其T值和I值未知。

图像修补的原则就是修补工作一直在待修补区域的边界上进行，通过控制修补区域边界的向内收缩来达到修补整个区域的目的。所以，图像修补区域各点的修补过程可以描述为：

I、初始化：

a).首先对要修补的图像手工制作二值蒙版，要修补的区域在蒙版上对应位置为黑色(象素值为0)，不需要修补部分为白色(象素值为1)；

b).对应于蒙版图像上的同一位置，若待修补图像上某点象素值I(x，y)＝0，说明该点在要修补的区域内，令f(x，y)＝Faraway，T(x，y)＝+∞；

c).若I(x，y)＝1，说明该点在要修补的区域外，令f(x，y)＝Alive，T(x，y)＝0；

d).若I(x，y)＝0且点(x，y)的四邻域中存在点(i，j)满足I(i，j)＝1，就将该点定义为边界点，令f(x，y)＝Narrowband。

e).将f值为Narrowband的象素放入一个名为Band的堆栈中，按照T值从小到大的顺序对它们排列。

II、修补：

a).从Band中选择具有最小T值的点，设为(i_min，j_min)；

b).将点(i_min，j_min)的f值改为Alive，从Band点集中删除；

c).将(i_min，j_min)的邻域点(i_min-1，j_min)、(i_min+1，j_min)、(i_min，j_min-1)、(i_min，j_min+1)中f值为Faraway的点加入到Band中，并利用修复算法将其修复；

d).根据式(5)更新邻域点的T值；

e).转回到步骤II.a)继续修复；

f).当Band中没有新的象素加入时，说明修复区域，经填充好，即可结束循环。

第三、打印机标定

打印机标定是将L^*a^*b^*图像转换成CMYK图像，保证在视觉效果上打印稿与原稿的一致性，该部分的具体技术方案参照专利200810150763.9。

本发明的方法，能够修复原稿图画中的破损区域图像信息，保证打印输出的图画在色彩及图案上与原稿高度一致。

Claims (3)

1.一种对破损图画进行高保真修复及输出的方法，其特征在于，该方法按照以下步骤实施，

步骤1、首先利用扫描仪对需修复的破损图画扫描，得到RGB格式的数字稿；

步骤2、利用数字修复技术对RGB格式的数字稿中的破损区域进行修复处理，得到完整的RGB格式的数字修正稿；

步骤3、对扫描仪特性化，得到色彩空间值RGB与L^*a^*b^*的关系，据此RGB与L^*a^*b^*关系将步骤2得到的完整的RGB格式的数字修正稿转换成L^*a^*b^*格式图像；

步骤4、对打印机标定，得到L^*a^*b^*与CMYK色彩空间的对应关系，据此对应关系将步骤3得到的L^*a^*b^*格式图像转换成CMYK格式，从而打印输出，得到修复良好的原稿图片。

2.根据权利要求1所述的方法，其特征在于，所述步骤2中对破损区域进行修复处理，具体步骤是，

假设D为破损区域，E为包含D外部且完全包含它的一个区域，将E中的信息尽量连续的延伸到D内部，这个过程中D逐渐缩小，直至所有像素被修复完毕，

修复过程始终在D的外边界上进行，对于该边界上的一点s，选取它周围的一组邻域象素作为信息来源，综合这些点的信息对点s进行填充，如果利用修复区域外距离s点r个象素范围的一系列点B_r时，s点的最终象素值就是B_r中所有像素信息的综合，s点的象素值表示为：

$u\left(s\right)=\frac{{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}}_{p\∈B_r}w(s,p)*u\left(p\right)}{{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}}_{p\∈B_r}w(s,p)}---\left(1\right)$

其中u(p)为s的邻域B_r中的一点p的像素值，w(s，p)为p点对s点像素值贡献的权重，其中的w(s，p)表示第p个点的权重，p＝0，1，2...24，如果p点为修复区域内的点，则令w(s，p)＝0，使对s修复用的点都来自修复区域之外的点，

p对s的影响量可以用下式(2)表示：

$u(s,p)=u\left(p\right)-\▿u\left(p\right)*(p-s)$ 其中， $\▿u\left(p\right)=(\frac{\∂u}{\∂x},\frac{\∂u}{\∂y})---\left(2\right)$

w(s，p)被定义为二者的欧式距离参数：

$w(s,p)=\frac{1}{\sqrt{{(s_x-p_x)}^2+{(s_y-p_y)}^2}}---\left(3\right)$

边界各点的修补顺序为，

使用水平集算法中的Eikonal方程为：

其中T(x，y)表示曲线经过坐标(x，y)的时间，

是T的梯度范数，

把T定义为点到修复区域边界的距离函数，T的零水平集是修复区域的边界，而修复区域边界的法线方向则是

而该式的离散求解过程可以表示为：

max(D^-xT，-D^+xT，0)²+max(D^-yT，-D^+yT，0)²＝1(5)

其中D^-x代表x方向的后向差分算子；其中D^+x代表x方向的前向差分算子；其中D^-y代表y方向的后向差分算子；其中D^+y代表y方向的前向差分算子，

对于图像中的每一点设定三个值，即：T、f和I，其中，T是该点到修复边界的距离；I为该点的象素值；f为该点的标志，分别取为Alive、Narrowband或Faraway，其意义如下：

Alive：说明该点在修复边界外部，它的T值和I值已知；

Narrowband：说明该点在修补区域的边界上，其T值和I值正待更新；

Faraway：说明该点在修补区域内部，其T值和I值未知；

图像修补区域各点的修补过程具体步骤为：

I、初始化：

a).首先对要修补的图像手工作二值蒙版，要修补的区域在蒙版上对应位置为黑色，其象素值为0；不需要修补部分为白色，其象素值为1；

b).对应于蒙版图像上的同一位置，若待修补图像上某点象素值I(x，y)＝0，说明该点在要修补的区域内，令f(x，y)＝Faraway，T(x，y)＝+∞；

c).若I(x，y)＝1，说明该点在要修补的区域外，令f(x，y)＝Alive，T(x，y)＝0；

d).若I(x，y)＝0且点(x，y)的四邻域中存在点(i，j)满足I(i，j)＝＝1，将该点定义为边界点，令f(x，y)＝Narrowband；

e).将f值为Narrowband的象素放入一个名为Band的堆栈中，按照T值从小到大的顺序对它们排列，

II、修补：

a).从Band中选择具有最小T值的点，设为(i_min，j_min)；

b).将点(i_min，j_min)的f值改为Alive，从Band点集中删除；

c).将(i_min，j_min)的邻域点(i_min-1，j_min)、(i_min+1，j_min)、(i_min，j_min-1)、(i_min，j_min+1)中f值为Faraway的点加入到Band中，并利用修补算法将其修补；

d).根据式(5)更新邻域点的T值；

e).转回到步骤II.a)继续修补；

f).当Band中没有新的象素加入时，即为修补区域已经填充好，结束循环。

3.根据权利要求1所述的方法，其特征在于，所述步骤3中的扫描仪特性化，具体步骤是，

首先选择一标准的色靶，然后使用扫描仪对色靶上的每个色块进行扫描，经图像处理得到每个色块的RGB值；同时，利用分光光度计测量色块的L^*a^*b^*值；最后利用每个色块相互对应的RGB和L^*a^*b^*值，建立RGB和L^*a^*b^*两种色彩空间的关系模型，

采用一种最高次为四次的多项式回归方法，完成对扫描仪的特性化工作，其中RGB和L^*a^*b^*的多项式表达关系如下：

f_L(R，G，B)＝α₀+α₁R+α₂G+α₃B+α₄RG+α₅GB+α₆RB+α₇R²+α₈G²+α₉B²+α₁₀RGB+α₁₁R²G+α₁₂R²B+α₁₃G²R+α₁₄G²B+α₁₅B²R+α₁₆B²G+α₁₇R³+α₁₈G³+α₁₉B³+α₂₀R²G²+α₂₁R²B²+α₂₂G²B²+α₂₃R⁴+α₂₄G⁴+α₂₅B⁴，(多项式1)

f_a(R，G，B)＝β₀+β₁R+β₂G+β₃B+β₄RG+β₅GB+β₆RB+β₇R²+β₈G²+β₉B²+β₁₀RGB+β₁₁R²G+β₁₂R²B+β₁₃G²R+β₁₄G²B+β₁₅B²R+β₁₆B²G+β₁₇R³+β₁₈G³+β₁₉B³+β₂₀R²G²+β₂₁R²B²+β₂₂G²B²+β₂₃R⁴+β₂₄G⁴+β₂₅B⁴，(多项式2)

f_b(R，G，B)＝γ₀+γ₁R+γ₂G+γ₃B+γ₄RG+γ₅GB+γ₆RB+γ₇R²+γ₈G²+γ₉B²+γ₁₀RGB+γ₁₁R²G+γ₁₂R²B+γ₁₃G²R+γ₁₄G²B+γ₁₅B²R+γ₁₆B²G+γ₁₇R³+γ₁₈G³+γ₁₉B³+γ₂₀R²G²+γ₂₁R²B²+γ₂₂G²B²+γ₂₃R⁴+γ₂₄G⁴+γ₂₅B⁴，(多项式3)

上述三个多项式中，R，G，B分别代表某色块被扫描后的RGB颜色值，其数值范围都在0～255之间；L^*、a^*、b^*分别代表色块在CIE L^*a^*b^*颜色空间的三个分量，L^*取值范围为0～100，a^*取值范围为-128～127，b^*取值范围为-128～127；函数f_L(R，G，B)代表RGB颜色值与L^*a^*b^*值中的L^*分量之间的函数关系；函数f_a(R，G，B)代表RGB颜色值与L^*a^*b^*值中的a^*分量之间的函数关系；函数f_b(R，G，B)代表RGB颜色值与L^*a^*b^*值中的b^*分量之间的函数关系；而α_0-25，β_0-25，γ_0-25分别代表未知的常数系数，

以上三个多项式中，α、β、γ分别为方程式中的系数，利用采集到的建模数据以及最小二乘法即可求解，在获取了该78个参数后，即可计算出任意给定的RGB值所对应的L^*a^*b^*值。

Images