CN104361565B - 一种乱涂画数字图像的内容自动检测与修复方法 - Google Patents
一种乱涂画数字图像的内容自动检测与修复方法 Download PDFInfo
- Publication number
- CN104361565B CN104361565B CN201410740320.0A CN201410740320A CN104361565B CN 104361565 B CN104361565 B CN 104361565B CN 201410740320 A CN201410740320 A CN 201410740320A CN 104361565 B CN104361565 B CN 104361565B
- Authority
- CN
- China
- Prior art keywords
- picture
- point
- scrawling
- scrawl
- picture point
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种乱涂画数字图像的内容自动检测与修复方法,包括以下步骤:(1)选出初始乱涂画点;(2)根据颜色差异性过滤乱涂画点;(3)根据颜色相似性扩充乱涂画点;(4)根据空间分布性过滤乱涂画点;(5)获取乱涂画点和图像边缘检测点的重叠部分;(6)对是乱涂画点非边缘检测点的部分进行修复;(7)对既是乱涂画点又是边缘检测点的部分进行修复。本发明的乱涂画数字图像的内容自动检测与修复方法,不需要人为标注图像中乱涂画区域的位置,去除了修补之前的人为交互过程。
Description
【技术领域】
本发明涉及图像处理技术,特别是涉及一种乱涂画数字图像的内容自动检测与修复方法。
【背景技术】
图像修复就是对图像中的缺损区域进行填补,这在计算机视觉和图像处理领域是一个重要的主题。图像修复广泛应用于目标去除,图像恢复,图像编码和传输等方面。但是在修复之前,找到需要被修复的点的位置至关重要,对于小块区域,比如说比较细的线条,既可以通过手工标注进行修复,也可以使用数学工具进行自动检测后完成修复。如何运用有效的方法从图像中准确地自动检测出待修复的区域,是一个很重要的问题。由于受到图像中边缘信息的影响,一些传统的自动检测方法效果不是很理想,检测结果不太准确。
【发明内容】
本发明所要解决的技术问题是:提出一种乱涂画数字图像的内容自动检测与修复方法,有效提高检测准确度,完成对大部分图像的处理。
本发明技术方案如下:
1)选出初始乱涂画点;2)根据颜色差异性过滤乱涂画点;3)根据颜色相似性扩充乱涂画点;4)根据空间分布性过滤乱涂画点;5)获取乱涂画点和图像边缘检测点的重叠部分;6)对是乱涂画点非边缘检测点的部分进行修复;7)对既是乱涂画点又是边缘检测点的部分进行不同于6)中的修复方式。
【附图说明】
图1是乱涂画数字图像的内容自动检测与修复方法的流程图;
图2是乱涂画数字图像的内容自动检测的过程说明图;
图3、图4是乱涂画数字图像的内容自动检测与修复方法的结果图。
【具体实施方式】
1)选出初始乱涂画点。我们使用公式(1)筛选初始点。G表示像素点的高斯曲率值,l表示RGB颜色空间中的某一层,(x,y)表示图像中某一像素点坐标,v1是人为设定阈值。
Gl(x,y)>v1 (1)
2)根据颜色差异性过滤乱涂画点。求得步骤1)中选出的所有点的颜色平均值以及它们的颜色标准差,那些与平均值差的绝对值不大于标准差的点被认为是过滤后的点。
3)根据颜色相似性扩充乱涂画点。重新遍历全图,把那些和步骤2)中选出的点颜色差异比较小的点看做是扩充后的乱涂画点。
4)根据空间分布性过滤乱涂画点。考虑到乱涂画点所组成的区域应该是连续的,基本不会出现孤立的像素点,所以考察像素点的8邻域对步骤3)中选出的点进行再次过滤,有效去除其中的离散点,整个检测过程如图2所示。
5)获取乱涂画点和图像边缘检测点的重叠部分。对乱涂画图像使用canny边缘算子,得到相应的边缘图像I1,对步骤4)中选出的最终乱涂画点组成的图像进行二值化处理并进行适当膨胀得到I2,从I1中去除I2中的点形成图像I3,对I3中的断裂边缘进行连接得到图像I4,I4与I2相与得到它们的重叠部分,其既是乱涂画点,又是乱涂画之前图像的边缘检测点。
6)对是乱涂画点非边缘检测点的部分进行修复。对步骤4)中选出的点进行修复。
7)对既是乱涂画点又是边缘检测点的部分进行修复。对步骤5)中选出的重叠部分的点进行修复,使用这些点周围点的平均像素值替换这些点的原有像素值,最终修复完的结果如图3所示。
Claims (6)
1.一种乱涂画数字图像的内容自动检测与修复方法,其特征在于:包括以下步骤:
1)根据计算像素点的高斯曲率值选出初始乱涂画点;
2)根据颜色差异性过滤1)中的乱涂画点;
3)根据颜色相似性扩充2)中的乱涂画点;
4)根据空间分布性过滤3)中的乱涂画点;
5)获取乱涂画点和图像边缘检测点的重叠部分;
6)对是乱涂画点非边缘检测点的部分进行修复;
7)对既是乱涂画点又是边缘检测点的部分进行不同于6)中的修复方式。
2.根据权利要求1所述的乱涂画数字图像的内容自动检测与修复方法,其特征在于:步骤1)中选取初始乱涂画点的方法是从R,G,B三个图像层去计算每个像素点的高斯曲率值其中,l表示RGB颜色空间中的某一层,(x,y)表示图像中某一像素点坐标,Ix,Iy表示x,y方向上的一阶偏导数,Ixx,Iyy表示x,y方向上的二阶偏导数,Ixy表示先x后y方向上的二阶偏导数,当Gl(x,y)>v1时,(x,y)点就是乱涂画点,其中,v1是人为设定的而且比较合理的值。
3.根据权利要求1所述的乱涂画数字图像的内容自动检测与修复方法,其特征在于:步骤2)中根据颜色差异性过滤乱涂画点的方法是|Il(x,y)-Meanl(x,y)|≤Devil(x,y),过滤出来的点是新的乱涂画点,其中l是RGB颜色空间中的某一层,Il(x,y)表示在图像的l层上,在步骤1)中选出(x,y)坐标位置的像素值,Meanl(x,y)表示l层上所有步骤1)中选出坐标点像素值的平均值,Devil(x,y)表示l层上所有步骤1)中选出坐标点像素值的标准差。
4.根据权利要求1所述的乱涂画数字图像的内容自动检测与修复方法,其特征在于:步骤3)中根据颜色相似性扩充乱涂画点的方法是|I(x,y)-I(xr,yr)|≤v2,扩充后的点是新的乱涂画点,其中I(x,y)表示图像中(x,y)坐标点的像素值,I(xr,yr)表示在步骤2)中选出的点的像素值,v2是人为设定而且比较合理的值。
5.根据权利要求1所述的乱涂画数字图像的内容自动检测与修复方法,其特征在于:步骤4)中根据空间分布性过滤乱涂画点的方法是Np≥1,过滤出来的点是新的乱涂画点,其中,p表示步骤3)选出的点,Np表示p的8邻域内属于步骤3)选出点的个数。
6.根据权利要求1所述的乱涂画数字图像的内容自动检测与修复方法,其特征在于:步骤5)中所说的图像边缘检测使用的是canny边缘算子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410740320.0A CN104361565B (zh) | 2014-12-05 | 2014-12-05 | 一种乱涂画数字图像的内容自动检测与修复方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410740320.0A CN104361565B (zh) | 2014-12-05 | 2014-12-05 | 一种乱涂画数字图像的内容自动检测与修复方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104361565A CN104361565A (zh) | 2015-02-18 |
CN104361565B true CN104361565B (zh) | 2018-10-23 |
Family
ID=52528823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410740320.0A Expired - Fee Related CN104361565B (zh) | 2014-12-05 | 2014-12-05 | 一种乱涂画数字图像的内容自动检测与修复方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104361565B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976336A (zh) * | 2016-05-06 | 2016-09-28 | 安徽伟合电子科技有限公司 | 一种视频图像模糊修复方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1479516A (zh) * | 2003-07-18 | 2004-03-03 | 哈尔滨工业大学 | 利用边框提取复原带有水印信息图像的方法 |
CN1770868A (zh) * | 2004-10-11 | 2006-05-10 | 明基电通股份有限公司 | 采用内插空间象限边界图像复原错误图像纹理数据的方法 |
CN101635050A (zh) * | 2009-06-26 | 2010-01-27 | 武汉大学 | 一种图像复原方法 |
CN103384874A (zh) * | 2011-03-16 | 2013-11-06 | 北京大学 | 叠加注解输出 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7199804B2 (en) * | 2002-05-14 | 2007-04-03 | Microsoft Corporation | Ink information in image files |
-
2014
- 2014-12-05 CN CN201410740320.0A patent/CN104361565B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1479516A (zh) * | 2003-07-18 | 2004-03-03 | 哈尔滨工业大学 | 利用边框提取复原带有水印信息图像的方法 |
CN1770868A (zh) * | 2004-10-11 | 2006-05-10 | 明基电通股份有限公司 | 采用内插空间象限边界图像复原错误图像纹理数据的方法 |
CN101635050A (zh) * | 2009-06-26 | 2010-01-27 | 武汉大学 | 一种图像复原方法 |
CN103384874A (zh) * | 2011-03-16 | 2013-11-06 | 北京大学 | 叠加注解输出 |
Non-Patent Citations (5)
Title |
---|
Image Inpainting:Overview and advances;Christine Guillemot and Olivier Le Meur;《Signal Processing Magazine》;20131205;第127-145页 * |
Interval HSV: Extracting ink annotations;John C. Femiani等;《Computer Vision and Pattern Recognition》;20090625;第2522页第3节第1段 * |
Removal of Hand-drawn Annotation Lines from Document Images by Digital-geometric Analysis and Inpainting;Sanjoy Pratihar 等;《Computer Vision》;20131221;第1-4页 * |
一种改进的基于高斯曲率和偏微分方程的图像降噪算法;王智峰 等;《红外与激光工程》;20061031;第156-159页 * |
联合各向同性扩散和全变分模型的图像恢复模型;辛巧 等;《长春师范学院学报(自然科学版)》;20120331;第5-9页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104361565A (zh) | 2015-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108776140B (zh) | 一种基于机器视觉的印刷品瑕疵检测方法及系统 | |
TWI475186B (zh) | A tire shape detecting method and a tire shape detecting device | |
CN106097361B (zh) | 一种缺陷区域检测方法及装置 | |
JP5421192B2 (ja) | ひび割れ検出方法 | |
CN107239742B (zh) | 一种仪表指针刻度值计算方法 | |
CN108827181B (zh) | 一种基于视觉的板材表面检测方法 | |
CN104809698A (zh) | 一种基于改进三边滤波的Kinect深度图像修复方法 | |
CN109242807B (zh) | 渲染参数自适应的边缘软化方法、介质及计算机设备 | |
CN115456956B (zh) | 一种液晶屏划痕检测方法、设备及存储介质 | |
CN103578085A (zh) | 基于可变块的图像空洞区域修补方法 | |
CN107833186A (zh) | 一种基于Encoder‑Decoder深度学习模型的单透镜空间变化图像复原方法 | |
CN102521786B (zh) | 一种基于颜色检测和快速匹配法的照片水印去除方法 | |
CN114266768B (zh) | 表面划痕缺陷图像生成方法 | |
CN106846271A (zh) | 一种去除身份证照片中网纹的方法 | |
CN112669295A (zh) | 一种基于二次阈值分割理论的锂电池极片缺陷检测方法 | |
CN107230200A (zh) | 一种提取电机转子中线圈轮廓特征的方法 | |
CN114199127B (zh) | 基于机器视觉的汽车零件尺寸检测系统及方法 | |
CN104361565B (zh) | 一种乱涂画数字图像的内容自动检测与修复方法 | |
CN117058411B (zh) | 电池棱边外形瑕疵识别方法、装置、介质和设备 | |
CN109102486B (zh) | 基于机器学习的表面缺陷检测方法及装置 | |
TWI334928B (en) | Mura detection method and system | |
TW201324374A (zh) | 圖像處理裝置及圖像處理方法 | |
JP5157575B2 (ja) | 欠陥検出方法 | |
CN111199166B (zh) | 基于频域和空域特征的视频拉条的检测和恢复方法 | |
CN107492073A (zh) | 基于权重引导滤波的数字图像修复算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181023 Termination date: 20191205 |