【图像处理-图像修复】Criminisi图像修复算法(附matlab代码)

这篇具有很好参考价值的文章主要介绍了【图像处理-图像修复】Criminisi图像修复算法(附matlab代码)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一个愿意伫立在巨人肩膀上的农民......
【图像处理-图像修复】Criminisi图像修复算法(附matlab代码),图像处理,算法,图像处理,matlab

1、理论

        Criminisi 图像修复模型 可以同时处理像纹理和卡通信息的一种修复方法,其主要思路是先确定破损区域的边界,寻找边界上的像素点,并以边界点为中心像素点设定一个 7 × 7 9 × 9 (默认)或 11 × 11 的区块,利用图片的自相似性在未破损的区域以全局搜索的方式找到与该区块匹配度最高的样本块,使用该样本块对破损区域进行填充,通过迭代直至填充完所有破损区域。 如图 𝐻 表示整个破损图片, Φ 表示未破损区域的已知信息, 表示破损区 域, 𝛿 是破损区域的边界, 𝑝 为边界上的像素点, Ψ 𝑝 是以点 𝑝 为中心的 9 × 9 的区块,表示 𝑝 点在破损边界上的法线矢量, 则是 𝑝 点的等照度线。
【图像处理-图像修复】Criminisi图像修复算法(附matlab代码),图像处理,算法,图像处理,matlab
         a.优先权的计算
        Criminisi 图像修复模型设计了两项来确定图片修复优先级(即修复顺序),分别是数据项 𝐷 ( 𝑝 ) 和置信度项 𝐶 ( 𝑝 ) 𝐷 ( 𝑝 ) 𝐶 ( 𝑝 ) 的数学表达式如下:
        1. 数据项 𝐷 ( 𝑝 ) 代表图片等照线度的信息,公式如下:
【图像处理-图像修复】Criminisi图像修复算法(附matlab代码),图像处理,算法,图像处理,matlab
        2. 置信度项 𝐶 ( 𝑝 ) 用来度量像素点 𝑝 的可靠信息量,公式如下:
【图像处理-图像修复】Criminisi图像修复算法(附matlab代码),图像处理,算法,图像处理,matlab
其中, 𝑝 是破损边缘 𝛿 上的一点,是 𝑝 点处明暗变化的延续方向,是垂直于𝑝 点所在的边缘线的向量, 𝛼 是标准化因子,一般取值为 255 Ψ 𝑝 是以 𝑝 为中心的像素块,通常取 9 × 9 个像素为一个区域块,程序初始化时将 𝐶 ( 𝑝 ) 置为零。
        使用这两项去确定点 𝑝 的优先级,定义公式如下:
【图像处理-图像修复】Criminisi图像修复算法(附matlab代码),图像处理,算法,图像处理,matlab
        b.最优匹配块的搜索
        通过计算得到图像修复的优先级之后,利用图片的自相似性从未破损区域搜索最优的匹配快进行填充,最优匹配块的寻找是通过计算待修复的目标块与样本块之间的最小误差均方准则( SSD )来实现的。在原图中未破损区域用 9 × 9 的块进行搜索,通过 SSD模型寻找一个与目标块的最相似的样本块进行填充。表达式如下:
【图像处理-图像修复】Criminisi图像修复算法(附matlab代码),图像处理,算法,图像处理,matlab
式中是源图像中的匹配块。寻找最佳匹配块的 SSD 模型如下:
【图像处理-图像修复】Criminisi图像修复算法(附matlab代码),图像处理,算法,图像处理,matlab
式中, , 分别为图 Φ 区域RGB图像的各个通道。, , 为图 中区域 RGB 图像的各个通道。
        c.更新置信度

        Criminisi图像修复模型最重要的两步就是计算优先权值和搜索最优匹配块,利用最优匹配块进行第一次填充后,图像破损区域的边界随之发生改变,因此图片置信度项也要随着迭代更新,更新的具体方法如下:

【图像处理-图像修复】Criminisi图像修复算法(附matlab代码),图像处理,算法,图像处理,matlab

2、matlab程序(完整代码,可直接运行)

main.m
clc;
clear;
close all;

imagepath =imread( 'hua.bmp');   % 原图像,用于计算PSNR
maskpath =imread('huamask.bmp');   % 破损图像
fillColor=[255,255,0];   % 破损图像中标定的破损区域RGB颜色值
qukuai_size = 5;   % 选择填充区块大小3*3,5*5,7*7,9*9,...
disp('开始图像修复')
disp('......')
tic   % 计时开始点
[Psnr,inpaintedImg] =RGB_Criminisi(imagepath, maskpath, fillColor, qukuai_size);
disp('图像修复结束')
toc   % 计时结束点
Psnr
inpaintedImg=uint8(inpaintedImg);
subplot(1,2,1)
imshow(maskpath);
title('待修复图像');
subplot(1,2,2)
imshow(inpaintedImg);
title('Criminisi算法修复结果');

RGB_Criminisi.m

function [Psnr,inpaintedImg] =RGB_Criminisi(imagepath, maskpath, fillColor, qukuai_size)
img0=imagepath;
fillImg=maskpath;
img = double(fillImg);
fillRegion=img(:,:,1)==fillColor(1)&img(:,:,2)==fillColor(2)&img(:,:,3)==fillColor(3);

origImg = img;
ind = img2ind(img);
%-----------------------------------------------------
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, qukuai_size);
    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
  [~,ndx] = max(priorities(:));
  p = dR(ndx(1));
  %---------------------
 
  [Hp,rows,cols] = qukuai_9(sz,p,qukuai_size);   %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Hp
  ind(Hp(toFill)) = ind(Hq(toFill));
  img(rows,cols,:) = ind2img(ind(rows,cols),origImg);  
 
end

inpaintedImg=img;

A=double(img0);
B=double(inpaintedImg);

Psnr=PSNR(A,B);

qukuai_9.m

function [Hp,rows,cols] = qukuai_9(sz, p, qukuai_size)
x = floor(rem(p,sz(1)));
y = floor(p/sz(1))+1;%得到待修复区域中心点所在的位置
w = floor(qukuai_size/2);%块的半径(9*9大小的块,块的半径为4)
rows = max(1,x-w):min(x+w,sz(1));
cols = max(1,y-w):min(y+w,sz(2));
numhang = length(rows);
numlie = length(cols);
HJ = zeros(numhang,numlie);
LJ = zeros(numhang,numlie);
for ii = 1:numlie
    HJ(:,ii) = rows;%行铺成的矩阵
end
for jj = 1:numhang
    LJ(jj,:) = cols;%列铺成的矩阵
end
Hp = (LJ-1)*sz(1)+HJ;%得到待修复块(在图像中的具体位置)

whole_match.m


%**************************************************************************
%全局搜索,寻找最佳匹配块(彩色图像)
%全局搜索过程中不会出现找不到最佳匹配块的情况
%**************************************************************************


function Block=whole_match(zx,zy,img,Wpatch,fillColor)
%zx,zy为图像的大小

aa=size(Wpatch,1);
bb=size(Wpatch,2);%得到的待修复块的实际大小

sx=zx-aa+1;
sy=zy-bb+1;%确定搜索范围的最大值

all=aa*bb;%一维的大小
min=1.0000e+10;%赋初值

%计算找到的匹配块与待修复块在已知像素点处的距离(只是已知像素点)
for i=1:sx
    for j=1:sy
        Mpatch=img(i:i+aa-1,j:j+bb-1,:);%得到图像中和待修复块同样大小的块(Match patch)
        posunme=Mpatch(:,:,1)==fillColor(1)&Mpatch(:,:,2)==fillColor(2)&Mpatch(:,:,3)==fillColor(3);
        if any(posunme(:))%说明有破损点,不作为待修复块的最佳匹配块
            continue;
        end
        Err=0;
        for gg=1:aa*bb
            %遍历块中的每一个像素点
            pf=Wpatch(gg)==fillColor(1)&Wpatch(gg+all)==fillColor(2)&Wpatch(gg+2*all)==fillColor(3);
            if pf   %说明该位置像素有破损,不参与距离的计算
                continue;
            end
                cha=Wpatch(gg)-Mpatch(gg);Err=Err+cha*cha;
                 cha=Wpatch(gg+all)-Mpatch(gg+all);Err=Err+cha*cha;
                  cha=Wpatch(gg+2*all)-Mpatch(gg+2*all);Err=Err+cha*cha;
        end
        if Err<min
            min=Err;%取使得误差最小的块,并记住它们在图像中的起始位置
            hk=i;
            lk=j;
        end
    end
end
rows=hk:hk+aa-1;
cols=lk:lk+bb-1;%误差最小的块就是最佳匹配块 
Block=form_patch(rows,cols,zx);

form_patch.m

function kuai=form_patch(rows,cols,z)

%知道块在图像中所占的行和列的范围,得到块中每个像素点在图像中的位置(第多少个像素)
%便于引用

numhang=length(rows);
numlie=length(cols);
HJ=zeros(numhang,numlie);
LJ=zeros(numhang,numlie);
for ii=1:numlie
    HJ(:,ii)=rows;%行铺成的矩阵
end
for jj=1:numhang
    LJ(jj,:)=cols;%列铺成的矩阵
end
kuai=(LJ-1)*z+HJ;%得到待修复块(在图像中的具体位置

img2ind.m

%---------------------------------------------------------------------
% 把RGB图像转换为索引图像
%---------------------------------------------------------------------
function ind = img2ind(img)
s=size(img); ind=reshape(1:s(1)*s(2),s(1),s(2));

ind2img.m

%---------------------------------------------------------------------
% 把索引图像转换为RGB图像
%---------------------------------------------------------------------

function img2 = ind2img(ind,img)
for i=3:-1:1, temp=img(:,:,i); img2(:,:,i)=temp(ind); end;

PSNR.m

%----------------------------------------------------------------------
%PSNR值大小
%-------------------------------------------------------------------------
function PSNR=PSNR(u,v)
[m,n]=size(u(:,:,1));
a=0;
for i=1:m
    for j=1:n
         t(i,j,1)=u(i,j,1)-v(i,j,1);
         a=a+t(i,j,1)^2;
    end
end
mse=a/(m*n);
PSNR_R=10*log10(255^2/mse);

b=0;
for i=1:m
    for j=1:n
         t(i,j,2)=u(i,j,2)-v(i,j,2);
         b=b+t(i,j,2)^2;
    end
end
mse=b/(m*n);
PSNR_G=10*log10(255^2/mse);

c=0;
for i=1:m
    for j=1:n
         t(i,j,3)=u(i,j,3)-v(i,j,3);
         c=c+t(i,j,3)^2;
    end
end
mse=c/(m*n);
PSNR_B=10*log10(255^2/mse);

PSNR=(PSNR_R+PSNR_G+PSNR_B)/3;

3、运行结果

【图像处理-图像修复】Criminisi图像修复算法(附matlab代码),图像处理,算法,图像处理,matlab

5、文献原文及代码文件点击下方连接,可直接跑通

https://download.csdn.net/download/weixin_41809117/88645671?spm=1001.2014.3001.5503https://download.csdn.net/download/weixin_41809117/88645671?spm=1001.2014.3001.5503

6、参考文献

[1] Criminisi A .Object Removal by Exemplar-based Inpainting (PDF) Jun[J].WI Proc. IEEE Computer Vision and Pattern Recognition, 2003, 2003, 2.

创作不易,请尊重原创,引用请添加原文链接......文章来源地址https://www.toymoban.com/news/detail-785648.html

到了这里,关于【图像处理-图像修复】Criminisi图像修复算法(附matlab代码)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 基于MATLAB的激光光斑图像处理算法

    常用的激光光斑中心检测算法有均值法、重心法及Hough变换法、圆拟合等。本设计拟采用圆拟合对激光光斑进行检测。 激光光斑原始图像中光斑内部光强分布不均匀,且图像偏暗,对比度较差,不利于原始信号特征量的提取,因此必须进行预处理。首先,需要对光斑图像进行

    2024年02月16日
    浏览(45)
  • 【图像处理】交通标志检测(Matlab代码实现)

    💥💥💞💞 欢迎来到本博客 ❤️❤️💥💥 🏆博主优势: 🌞🌞🌞 博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️ 座右铭: 行百里者,半于九十。 📋📋📋 本文目录如下: 🎁🎁🎁 💥1 概述 📚2 运行结果 🎉3 参考文献 🌈4 Matlab代码实现 人工智能技术

    2024年02月03日
    浏览(53)
  • MATLAB算法实战应用案例精讲-【图像处理】图像分类模型GoogLeNet&DarkNet

    目录 GoogLeNet 模型介绍 模型结构 模型实现 模型特色 模型指标 DarkNet

    2024年02月12日
    浏览(50)
  • MATLAB算法实战应用案例精讲-【图像处理】图像分类模型-LeNet&AlexNet&VGG

    目录 LeNet  模型介绍 模型结构 模型实现 模型特点 模型指标  Ale

    2024年02月13日
    浏览(57)
  • MATLAB算法实战应用案例精讲-【图像处理】机器视觉(基础篇)(七)

    目录  几个高频面试题目 工业检测中黑白相机为什么比彩色工业相机更受青睐 机器视觉的发展历程 算法原理

    2024年02月06日
    浏览(60)
  • 【图像处理】基于二维FIR的特定角度边缘检测(Matlab代码实现)

    💥💥💞💞 欢迎来到本博客 ❤️❤️💥💥 🏆博主优势: 🌞🌞🌞 博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️ 座右铭: 行百里者,半于九十。 📋📋📋 本文目录如下: 🎁🎁🎁 目录 💥1 概述 📚2 运行结果 🌈3 Matlab代码实现 🎉4 参考文献 图像边缘

    2024年02月09日
    浏览(43)
  • 基于图像形态学处理的目标几何形状检测算法matlab仿真

    目录 1.算法运行效果图预览 2.算法运行软件版本 3.部分核心程序 4.算法理论概述 5.算法完整程序工程     matlab2022a        目标几何形状检测是计算机视觉领域中的重要任务之一,旨在从图像中自动识别和定位不同的几何形状,例如矩形、圆形、三角形等。这些形状检测在许

    2024年02月14日
    浏览(60)
  • 【图像处理】从点云数据中提取边界(识别和追踪)(Matlab代码实现)

     👨‍🎓 个人主页: 研学社的博客   💥💥💞💞 欢迎来到本博客 ❤️❤️💥💥 🏆博主优势: 🌞🌞🌞 博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️ 座右铭: 行百里者,半于九十。 📋📋📋 本文目录如下: 🎁🎁🎁 目录 💥1 概述 📚2 运行结果 🎉

    2024年02月14日
    浏览(42)
  • 数字图像处理常用算法的原理和代码实现详解

      本专栏详细地分析了常用图像处理算法的数学原理、实现步骤。配有matlab或C++实现代码,并对代码进行了详细的注释。最后,对算法的效果进行了测试。相信通过这个专栏,你可以对这些算法的原理及实现有深入的理解!   如有疑问,欢迎在评论区留言讨论! Canny边缘

    2024年01月16日
    浏览(45)
  • 霍夫变换车道线识别-车牌字符识别代码(matlab仿真与图像处理系列第5期)

    当使用霍夫变换进行车道线识别时,可以按照以下步骤来编写 MATLAB 代码: 读入图像:使用 imread 函数读取包含车道线的图像。 图像预处理:为了减少噪音和突出车道线,可以对图像进行预处理。通常,可以采用以下步骤: 将图像转换为灰度图像:使用 rgb2gray 函数将彩色图

    2024年02月11日
    浏览(45)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包