基于改进Criminisi算法的图像修复

article/2025/10/15 15:21:06

1、内容简介

略
516-可以交流、咨询、答疑

2、内容说明

摘要：针对 Criminisi算法难以获得理想的修复效果，且存在修复时间过长等缺陷，提出一种改进 Criminisi算法的图像修复算法。改进优先权计算方式找到最优待修复块，完善最优匹配块搜索策略，找到最优匹配块，采用新的置信值更新方式以获得更为理想修复效果，通过仿真实验测试算法性能，结果表明，相较于 Criminisi算法，改进 Criminisi 算法不仅获得了较理想的图像修复效果，而且大幅度减少了修复时间，提高了图像修复的效果。

关键词：图像修复；Criminisi算法；优先级；图像纹理

随着计算机图像技术的迅速发展，其在生物医学、工业生产、遥感测绘等领域得到了成功的应用。但是在图像拍摄和采集过程中，由于受到外界因素的干扰，不可避免会丢失部分信息，一些区域缺失，影响图像质量[1]。图像修复技术是指根据已知信息，对修复区域内丢失信息进行补充，提高图像在视觉上的真实性，已经成为图像处理领域的研究热点和重点[2]。针对图像修复问题，学者们投入了大量的时间和精力进行相关研究，提出了一些图像修复算法，当前主要分为两类方法：基于非纹理图像修复和基于纹理修复方法[3]。基于非纹理的图像修复方法主要是利用待修复区域附近的已知信息，按一定的规则向待修复区域蔓延，如文献[4]提出的基于高阶偏微分的图像修复算法，文献[5]提出的基于整体变分（TV）模型的图像修复算法等，它们适合于小区域的图像修复，但如果待修复的区域比较大，难以获得比较理想的修复效果。文献[6]提出基于先验模型的图像修复算法，对于结构信息的图像，可以得到较好的修复效果，但是对于含有丰富纹理图像，修复效果较差。基于纹理综合的修复方法指利用块匹配选取合适的纹理块来修复，其中 Criminisi算法是最为经典的纹理图像修复算法[7]，其首先从图像完好区域中寻找与待修复区域最匹配的像素块，然后将其填充到受损区域，修复效果较好。然而在实际应用过程， Criminisi算法存在一些不足，如出现马赛克效应和纹理混乱现象。为了克服 Criminisi算法的不足，国内外一些学者在该算法的基础上，提出了一些改进 Criminisi图像修复算法[8-11]，但是这些算法都存在各自的缺陷，如何提高图像修复效果，值得进一步研究。为了获得理想的修复效果，针对 Criminisi算法存在的不足，提出一种改进 Criminisi 算法的图像修复算法，并通过仿真实验测试算法的可行性和优越性。首先改进优先权计算方式找到最优待修复块，然后完善最优匹配块搜索策略，并找到最优匹配块，最后采用新的置信值更新方式以获得更为理想的修复效果，并通过仿真实验测试算法性能。结果表明，相对于 Criminisi 算法，改进 Criminisi算法不仅得到了理想的图像修复效果，而且大幅度减少了修复时间，提高了图像的修复效率。

3、仿真分析

function [Psnr,inpaintedImg] =RGB_Criminisi(imagepath,maskpath,fillColor)%Criminisi算法修复彩色图像img0=imagepath;
fillImg=maskpath;img = double(fillImg);%要修复的图像
fillRegion=img(:,:,1)==fillColor(1)&img(:,:,2)==fillColor(2)&img(:,:,3)==fillColor(3);origImg = img;
ind = img2ind(img);
%------------------------------------------------------
in=ind;
[A,BB]=find(in);               %得到每个点的坐标
%-----------------------------------------------------
sz = [size(img,1) size(img,2)];
z1=size(img,1);
z2=size(img,2);
sourceRegion = ~fillRegion;% 求等照度线值
[Ix(:,:,3),Iy(:,:,3)] = gradient(img(:,:,3));
[Ix(:,:,2),Iy(:,:,2)] = gradient(img(:,:,2));
[Ix(:,:,1),Iy(:,:,1)] = gradient(img(:,:,1));
Ix = sum(Ix,3)/(3*255); Iy = sum(Iy,3)/(3*255);
temp = Ix; Ix = -Iy; Iy = temp;  % 旋转90度%------------------------------------------------------------------------
%求得梯度值
[ix(:,:,3),iy(:,:,3)] = gradient(img(:,:,3));
[ix(:,:,2),iy(:,:,2)] = gradient(img(:,:,2));
[ix(:,:,1),iy(:,:,1)] = gradient(img(:,:,1));
ix = sum(ix,3)/(3*255); iy = sum(iy,3)/(3*255);
%------------------------------------------------------------------------% 初始化置信度项C和数据项D值
C = double(sourceRegion);
D = repmat(-.1,sz);% 修复（直到所有的破损区域都被修复完成）
while any(fillRegion(:))% 寻找边缘dR = find(conv2(double(fillRegion),[1,1,1;1,-8,1;1,1,1],'same')>0);[Nx,Ny] = gradient(double(~fillRegion));N = [Nx(dR(:)) Ny(dR(:))]; N(~isfinite(N))=0; % 计算置信度项值for k=dR'Hp = qukuai_9(sz,k);q = Hp(~(fillRegion(Hp)));C(k) = sum(C(q))/numel(Hp);  end% 计算优先权D(dR) = abs(Ix(dR).*N(:,1)+Iy(dR).*N(:,2)) /255;priorities =C(dR).*D(dR); % 找到优先权最大的块 Hp[unused,ndx] = max(priorities(:));p = dR(ndx(1));%---------------------[Hp,rows,cols] = qukuai_9(sz,p);   %9x9块大小toFill=fillRegion(Hp);  Wpatch=img(rows,cols,:); %得到待修复块%------------------------------------------------------------------------%采用全局搜索，寻找最佳匹配块 Hq=whole_match(z1,z2,img,Wpatch,fillColor);%------------------------------------------------------------------------% 更新填充区域fillRegion(Hp(toFill)) = false;% 更新C(p)值和等照度线值C(Hp(toFill))  = C(p);Ix(Hp(toFill)) = Ix(Hq(toFill));Iy(Hp(toFill)) = Iy(Hq(toFill));%-----------------------------------------------------------------------%更新梯度值ix(Hp(toFill)) = ix(Hq(toFill));iy(Hp(toFill)) = iy(Hq(toFill));%----------------------------------------------------------------------% 从Hq复制图像信息到Hpind(Hp(toFill)) = ind(Hq(toFill));img(rows,cols,:) = ind2img(ind(rows,cols),origImg);  endinpaintedImg=img;A=double(img0);
B=double(inpaintedImg);Psnr=PSNR(A,B);
inpaintedImg=uint8(inpaintedImg);
figure;imshow(inpaintedImg); title('Criminisi算法修复结果');

4、参考论文