1、OpticsandPrecisionEngineering2010年5月May2010文章編號(hào)10042924X(2010)0521234208第18卷第5期光學(xué)精密工程Vol.18No.5采用雙線性插值收縮的圖像修復(fù)方法王昊京1,2,王建立1,王鳴浩1,2,陰玉梅1(1.中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所,吉林長春130033;2.中國科學(xué)院研究生院,北京100039)摘要:針對Criminisi,法收縮待修復(fù)的圖像,0.20.5倍,并在源區(qū)域中搜索最佳匹配修復(fù)塊。然后,在待,并將其填充到待修復(fù)圖像的修復(fù)區(qū)域,。實(shí)驗(yàn)結(jié)果表明,采用本文提出的算法進(jìn)行圖像修復(fù)時(shí),其時(shí)效約為Criminisi

2、等人提出的算法的540倍,該方法可以在獲得高的修復(fù)效率同時(shí)保持良好的修復(fù)質(zhì)量。關(guān)鍵詞:圖像修復(fù);收縮圖像;樣本匹配;雙線性插值;效率中圖分類號(hào):TP391.41文獻(xiàn)標(biāo)識(shí)碼:Adoi:10.3788/OPE.20101805.1234EfficientimageinpaintingbasedonbilinearinterpolationdownscalingWANGHao2jing1,2,WANGJian2li1,WANGMing2hao1,2,YINYu2mei1(1.ChangchunInstituteofOptics,FineMechanicsandPhysics,ChineseAcade

3、myofScience,Changchun130033,China;2.GraduateUniversityofChineseAcademyofScience,Beijing100039,China)Abstract:Toovercometheshortcomingsoflongtime2consumingandlowefficiencyfromtheexem2plar2basedimageinpaintingalgorithmproposedbyCriminisi,animageinpaintingalgorithmwaspres2ented,inwhichthebilinearinterp

4、olationalgorithmwasusedtodownscaletheoriginalimageandtoimproveinpaintingefficiency.Firstly,thedimensionoftheoriginalimagewasdownscaledbyafactor0.220.5,thentheinpaintedpointwiththehighestpriorityfromatargetregionwasevaluatedandabest2exemplarwassearchedfromthesourceregioninthedownscaledimage.Furthermo

5、re,thosecounterpartswereobtainedbytheproposedrulesfromtheoriginalimageandwerefilledintothewholedamagedregionintheoriginimage.Theabovestepswereiterateduntilthetargetregionswerecompletelyfilled.Experimentalresultsdemonstratethattheproposedimageinpaintingalgorithmcan收稿日期:2009207201;修訂日期:2009209230.基金項(xiàng)目

6、:國家863高技術(shù)研究發(fā)展計(jì)劃資助項(xiàng)目(No.2008AA8080502)© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. 第5期王昊京,等:采用雙線性插值收縮的圖像修復(fù)方法1235inhance5240timestheinpaintingefficiencyoftheCriminisis,whilegoodinpaintingimagesarea2chieved.Thismethodcanobtaingoodinpaintingresultsinefficienc

7、yandquality.Keywords:imageinpainting;imagedownscaling;samplematching;bilinearinterpolation;efficiency1引言圖像修復(fù)應(yīng)用廣泛,是圖像處理領(lǐng)域中一個(gè)重要研究分支。它利用圖像中目標(biāo)區(qū)域周圍的已知信息,按照一定的規(guī)則,來修補(bǔ)圖像中遺失或損壞的部分,以恢復(fù)原圖像的完整性,中不需要的元素,實(shí)。、余物體、1。Criminisi等人2003年提出一種基于樣本的2基于樣本的圖像修復(fù)算法的效率分析1所示。圖像修復(fù)算法223,對物體的移除和區(qū)域的填充效果良好。該算法是基于最佳樣本的圖像修復(fù)方法,它借鑒了紋理生成方法

8、中的思想來尋找樣本匹配區(qū)域并復(fù)制,其重要的貢獻(xiàn)是設(shè)計(jì)出了計(jì)算目標(biāo)修復(fù)區(qū)域修復(fù)塊優(yōu)先級(jí)的方法,使得填充順序僅依據(jù)圖像自身1。它利用基于結(jié)構(gòu)的修復(fù)方法中的擴(kuò)散方式來定義修復(fù)塊的優(yōu)先級(jí),使得邊緣附近的修復(fù)塊具有較高的修復(fù)優(yōu)先級(jí),從而在修復(fù)紋理信息的同時(shí)對結(jié)構(gòu)信息也有一定的保持3。但在實(shí)際應(yīng)用中,Criminisi等人提出的算法在搜索匹配塊時(shí)采取全局式搜索方式,并進(jìn)行其他的相關(guān)計(jì)算,造成修復(fù)過程耗時(shí)大、效率低。有不少人針對其算法提出了改進(jìn)426,但均沒有解決其耗時(shí)大、效率低的問題,而僅改進(jìn)了算法的修復(fù)效果。本文在分析上述算法的基礎(chǔ)上,給出了一種新的圖像修復(fù)方法,該方法極大地提高了修復(fù)時(shí)效。首先使用基于

9、雙線性插值的圖像收縮算法,在給定收縮因子的情況下,收縮原始修復(fù)的圖像,接著在收縮圖像中尋找最佳匹配樣本,然后根據(jù)收縮圖像中得到的最佳匹配樣本,在待修復(fù)圖像中依據(jù)一定的規(guī)則獲得相應(yīng)最佳匹配樣本來修復(fù)圖像。此方法可以在提高修復(fù)時(shí)效的同時(shí)獲得良好的修復(fù)質(zhì)量。圖1算法標(biāo)記圖Fig.1NotationdiagramI代表整個(gè)待修復(fù)圖像;圖像I中待修復(fù)的目標(biāo)區(qū)域?yàn)?5表示待修復(fù)目標(biāo)區(qū)域的填充前沿;表示像素點(diǎn)已知的源區(qū)域,其提供最佳匹配樣本,且=I-;p為位于填充前沿5上大+1)×(2+1)的修復(fù)塊,中心點(diǎn)為p,默小為(2認(rèn)情況下是大小為9×9的方形窗口模塊(實(shí)際應(yīng)用中較最大的可鑒別紋元

10、略大)。2.1Criminisi等人的提出修復(fù)算法初始時(shí),手工選定待修復(fù)區(qū)域或待移除的目標(biāo),即目標(biāo)區(qū)域?yàn)?算法流程223如下:(1)提取圖像中目標(biāo)區(qū)域的初始邊界5(2)循環(huán)運(yùn)行下述偽代碼直至目標(biāo)區(qū)域填充完畢(a)標(biāo)識(shí)填充前沿5;如果5=<,則退出循環(huán)(b)計(jì)算優(yōu)先級(jí)P(p),p5.(c)尋找優(yōu)先級(jí)最大的點(diǎn)P處的窗口模板p,即P=argmaxp5tP(p)(d)在中尋找最佳匹配樣本,q滿足© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. 1236光學(xué)精密工程定義

11、如下:第18卷q=argminqd(p,q)(e)將最佳匹配樣本q的數(shù)據(jù)復(fù)制到p中,pp(f)更新信度項(xiàng)C(p),pp此算法可以有效地修復(fù)圖像,但圖像修復(fù)的過程耗時(shí)長、效率低。尤其對大尺寸的圖像進(jìn)行修復(fù)時(shí),耗時(shí)大的問題十分突出。下面就影響此算法時(shí)耗的因素進(jìn)行分析。2.2Criminisi等人的修復(fù)算法的時(shí)耗分析假定待修復(fù)圖像I是大小為SI=M×N的二維數(shù)字圖像,待修復(fù)的目標(biāo)區(qū)域是大小為S的矩形區(qū)域,+1)×(2+1)(2),S=(2源區(qū)域SSI2.2.1(5),式(5)中np是填充前沿5上p點(diǎn)的法向量, Ip表示與梯度相垂直的向量,其方向與等照度線一致,是一個(gè)歸一化因子(對

12、于灰度圖像=255)。計(jì)算每個(gè)像素點(diǎn)p的優(yōu)先級(jí)P(p)所需的時(shí)間約為一個(gè)常量T2。在圖像修復(fù)中計(jì)算填充前沿5P(p)所需的時(shí)間t2。在完成第t次圖,tSt=S-ttkS為方形,則其周長L5t=D(p)=4t,此項(xiàng)耗時(shí)為:SkS算法的每個(gè)修復(fù)循環(huán)都需要搜索填充前沿5t。不妨假設(shè):采用sobel算子檢測目標(biāo)區(qū)域t的填充前沿5t,每次檢測輪廓線的時(shí)間為SIT1,為每個(gè)像素執(zhí)行sobel算子需要的時(shí)間,認(rèn)為是一個(gè)常數(shù);每次修復(fù)的圖像大小為kS,其中k,k(0,1)為每次修復(fù)面積系數(shù),也認(rèn)為是一常數(shù);那么直到目標(biāo)區(qū)域全部被填充,共需要檢測的次數(shù)為,需要的總時(shí)間是:kSt1.kS(1)t2T2t=0L5t

13、<2kS.(6)2.2.3尋找優(yōu)先級(jí)最大像素點(diǎn)P在每個(gè)修復(fù)循環(huán)中都需搜索優(yōu)先級(jí)最大的像素點(diǎn)p,第t次修復(fù)循環(huán)所需的時(shí)間正比于填充前沿5t的周長L5t,比較兩個(gè)像素優(yōu)先級(jí)大小的耗時(shí)約為一個(gè)常數(shù)T3。完成圖像修復(fù)時(shí),搜索優(yōu)先級(jí)最大像素點(diǎn)P的耗時(shí)為:SkSt3T3t=0L5t<2kS.(7)2.2.4搜索最佳匹配樣本q并復(fù)制數(shù)據(jù)到中2.2.2優(yōu)先級(jí)P(p)的計(jì)算p在獲得優(yōu)先級(jí)最大的像素點(diǎn)p后,可獲得最先需填充的修復(fù)塊p,然后在源區(qū)域中搜索與p相匹配的最佳填充塊q,并把q中的數(shù)據(jù)拷貝到p中。q與p滿足如下關(guān)系:q=argminq(8)d(p,q),式(8)中距離函數(shù)d(a,b),定義為SS

14、D(SumofSquaredDifferences),表示圖像RGB顏色空間中歐幾里德距離。對于待修復(fù)圖像I中任意像素點(diǎn)p,它計(jì)算一次距離函數(shù)d(a,b)并且將最佳匹配樣本q中的數(shù)據(jù)復(fù)制到p中所需的時(shí)間約為一個(gè)常數(shù)T4,在第t次修復(fù)循環(huán)中的耗時(shí)為(SI-St)T4,那么完成圖像修復(fù)時(shí)此項(xiàng)的耗時(shí)為:SkS優(yōu)先級(jí)計(jì)算的方法是Criminisi等人提出的算法中關(guān)鍵創(chuàng)新。算法在每個(gè)修復(fù)循環(huán)中都需計(jì)算優(yōu)先級(jí)P(p),p5t,定義為:P(p)=C(p)D(p),(2)式(2)中C(p)為表示修復(fù)塊p的信度項(xiàng),而D(p)表示修復(fù)塊p的數(shù)據(jù)項(xiàng),定義為:C(p)=qC(p),|p|(3)式(3)中C(p)為修復(fù)

15、塊p中像素點(diǎn)q的自信度。在修復(fù)循環(huán)開始前,按照式初始化修復(fù)圖像中每個(gè)像素點(diǎn)的自信度:C(q)=1,q0,q,(4)式(3)中|p|是中心點(diǎn)為P的修復(fù)塊p的面積,修復(fù)塊p內(nèi)的像素點(diǎn)位于源區(qū)域內(nèi)的數(shù)目越多,那么像素點(diǎn)p的自信度就越高。D(p)的t4T4t=0(SI-St)<.kS(9)© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. 第5期王昊京,等:采用雙線性插值收縮的圖像修復(fù)方法t(b)計(jì)算優(yōu)先級(jí)P(p),p512372.2.5信度項(xiàng)C(q)的更新當(dāng)具有最高優(yōu)

16、先級(jí)的修復(fù)塊p被修復(fù)后,p中修復(fù)點(diǎn)的置信度C(q)需要更新為當(dāng)前修復(fù)塊中心點(diǎn)的信度值。每次更新所需的時(shí)間與更新的面積大小kS成正比關(guān)系,時(shí)間系數(shù)為T5,完成圖像修時(shí)信度項(xiàng)C(q)更新所需的總時(shí)間為:(10)t5T5S.2.3此圖像修復(fù)算法的性能分析完成圖像修復(fù)時(shí)所需的總時(shí)間記為t,由式(1)、(6)、(7)、(9)、(10)可得:5(c)尋找優(yōu)先級(jí)最大的點(diǎn)P處的窗口模板tp,即()P=argmaxp5Pp(d)據(jù)P在中按照一定規(guī)則選取p(e)在中尋找最佳匹配樣本q,滿足:q=argminqd(q)p,(f)據(jù)中按照一定的規(guī)則選取qq在(g)將最佳匹配樣本q的數(shù)據(jù)復(fù)制到pt=i=1ti<T

17、(SI,S,S),(11)在式(11)中定義:22()TSI,S,S=+T5S.kSkS;q的數(shù)據(jù)復(fù)中,pp,p更新信度項(xiàng)C(p),pp(4)對圖像I進(jìn)行全局搜索修復(fù)當(dāng)待修復(fù)圖像I和目標(biāo)區(qū)域一定時(shí),通過一個(gè)收縮因子,(0,1),將圖像I的長和寬同時(shí)收縮倍,而采用的窗口模板不變。收縮后的圖像I和目標(biāo)區(qū)域的大小記為SI和S,22即SI=SI,SS,那么收縮圖像修復(fù)的耗=)時(shí)T(SI,S,S滿足如下關(guān)系:2)T(SI,ST(SI,S,S),(12),S<假設(shè)窗口模板的收縮因子也為,那么耗)時(shí)T(SI,S,S滿足:)(,S)T(SI,S,S>TSI,S)T(SI,S,S)T(SI,S,S&

18、lt;.(13)下面重點(diǎn)介紹雙線性插值的收縮算法、根據(jù)選取p在中選取p的規(guī)則以及根據(jù)q在q的規(guī)則。3.1雙線性插值的收縮算法收縮圖像的方法有最鄰近插值和雙線性插值等,而雙線性插值的方法應(yīng)用廣泛。最鄰近插值算法,優(yōu)點(diǎn)是最鄰近插值簡單、計(jì)算量小,速度快,缺點(diǎn)是圖像質(zhì)量不高,會(huì)產(chǎn)生不連續(xù)現(xiàn)象7。對于灰度圖像,雙線性插值算法是利用原始圖像上相鄰的4個(gè)像素點(diǎn)加權(quán)平均而獲得新像素點(diǎn)的。它比最近鄰點(diǎn)法復(fù)雜,計(jì)算量大,雖然獲得的圖像有模糊效應(yīng),但質(zhì)量高,連續(xù)性好。如圖2所示,左邊為待修復(fù)的圖像I,尺寸為:m×n,右邊是收縮圖像I,收縮因子為,尺寸×n。為:m收縮圖像I中的任意像素點(diǎn)為p(x

19、,y),它映射到待修復(fù)的圖像I中的像素點(diǎn)為p(x,y),通過上述分析可以看到修復(fù)收縮圖像的耗時(shí)遠(yuǎn)低于原始圖像。通過縮放圖像可降低時(shí)耗,提高速度,是本文的理論基礎(chǔ)。3采用雙線性插值收縮的修復(fù)方法下面給出采用雙線性插值收縮的圖像修復(fù)算法的偽代碼。初始時(shí),手工選定待修復(fù)區(qū)域或待移除的目標(biāo)區(qū)域?yàn)?流程如下:(1)使用雙線性插值的算法將輸入圖像的長寬均收縮倍(2)提取待修復(fù)目標(biāo)區(qū)域的初始邊界5(3)循環(huán)運(yùn)行下述代碼直至目標(biāo)區(qū)域被填充完畢tt(a)標(biāo)識(shí)填充前沿5;如果5=<,則退出循環(huán)圖2雙線性插值收縮算法示意圖Fig.2Frameworkofbilinearinterpolationdownsca

20、l2ingalgorithm© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. 1238光學(xué)精密工程第18卷x,y有可能為浮點(diǎn)數(shù)。對于任意點(diǎn)p(x,y)I,雙線性插值的收縮算法描述如圖2所示。(1)對于任意一個(gè)輸入點(diǎn)p(x,y)有:x=u=8+1);另一種是設(shè)置q的窗口因數(shù)是q的-u,y=,v=)-v,x,y0,1,倍,即q=(+1)×(+1)。+1)×(2+1)時(shí),耗時(shí)為當(dāng)q=q=(2)()(T(S,S;當(dāng)=+1×+1)時(shí),I,Sq),

21、它們的性能有如下關(guān)耗時(shí)為T(SI,S,S(2)計(jì)算與縮放圖像中p(x,y)相對于的點(diǎn)p(x,y):p(x,y)=(p(u+1,v)-p(u,v)x+(p(u,v+1)-p(u,v)y+(p(u+1,v+1)+p(u,v)-p(u+1,v)-p(u,v+1)xy+p(u,v)而p(u,v),p(u+1,v),p(u,v+),1,1)I(3)p(x,y(x,系:4)T(SI,ST(SI,S,S),(14),S,較大程度上保持了圖像的清晰度。在搜索最佳匹配樣本時(shí),采用雙線性插值算法較最鄰近插值算法搜索的結(jié)果更加準(zhǔn)確,估計(jì)質(zhì)量更高。3.2據(jù)P在選擇p的規(guī)則t第t次修復(fù)循環(huán)中P是填充前沿5上優(yōu)先級(jí)最大的

22、像素點(diǎn)。收縮圖像I的像素點(diǎn)p(x,y)是由待修復(fù)圖像I中的四個(gè)像素點(diǎn):p(u,。原因首,其次是它在圖像q所,而第一種模板不能。所以在論文中采用第二窗口模板,即q=(+1)×(+1)。使用的窗口模板的面積S越大,修復(fù)圖像所需的時(shí)間就越小,但是窗口尺寸因數(shù)不能夠太大,否則修復(fù)結(jié)果會(huì)失真。3.4目標(biāo)區(qū)域修復(fù)不完全的處理t在本文的方法中若僅依據(jù)5=<而退出修復(fù)循環(huán)會(huì)導(dǎo)致修復(fù)圖像修復(fù)不完整。這是因?yàn)槭湛s圖像I的目標(biāo)區(qū)域僅僅是對輸入圖像I的目標(biāo)區(qū)域的一種粗略的估計(jì),由于采用雙線性插值算法收縮圖像造成了收縮圖像I中的像素點(diǎn)是對輸入圖像I中多點(diǎn)的估計(jì),所以收縮圖像I的目標(biāo)區(qū)域修復(fù)完畢,但待修復(fù)

23、圖像I中目標(biāo)區(qū)域卻有部分區(qū)域仍未被填充完畢。t為完全修復(fù)目標(biāo)區(qū)域,在判斷5=<后,需對未完全修復(fù)的圖像I中使用全局搜索的方式進(jìn)行修復(fù),即本文方法的第4)步。此時(shí)所需的總修復(fù)時(shí)間不會(huì)滿足式(14),會(huì)增加一點(diǎn),但實(shí)驗(yàn)證明它可以滿足下式:32T(SI,S,S)<t<T(SI,S,S).(15)v),p(u+1,v),p(u,v+1),p(u+1,v+1)經(jīng)過雙線性插值獲得的。P與這四個(gè)點(diǎn)的“位置”最為接近,所以p的中心位置點(diǎn)P應(yīng)該從這四個(gè)點(diǎn)中選取。選取的規(guī)則如下:t(1)若p(u,v)5,那么p=p(u,v)t(2)假如p(u,v)|5,而p(u+1,v),p(u,上,那v+1)

24、,p(u+1,v+1)至少有一點(diǎn)位于5tt之上的像素點(diǎn)中的任意么p為這三個(gè)的位于5一點(diǎn)。(3)假如p(u+1,v)、p(u,v+1)、p(u+1,vt+1)、p(u,v)|5那么p=p(u,v)。通過上述規(guī)則可以獲得收縮圖像I上最先填充像素點(diǎn)P和修復(fù)模塊p,以及待修復(fù)圖像I中最先填充的修復(fù)塊p。3.3據(jù)qq的規(guī)則在中選取4實(shí)驗(yàn)結(jié)果分析為了簡單、客觀地對修復(fù)圖像的進(jìn)行評(píng)價(jià),這里采用峰值信噪比(PSNR)、均方誤差(MSE)、耗時(shí)3個(gè)指標(biāo)。峰值信噪比是圖像灰度的峰值與噪聲方差之比,單位是dB,其評(píng)價(jià)相對客觀9。值越高,傳輸量和量化誤差越小,圖像質(zhì)量越高,代表失真越少5,10。對于圖像而言,PSNR

25、定義如下:在收縮圖像I中搜索的最佳匹配模板q是對待修復(fù)圖像I中最佳匹配模板q的一種粗略估計(jì)。通過縮放圖像中獲得的q來尋找待修復(fù)圖像I中最佳匹配模板q有兩種選擇:第一種是+1)×(2設(shè)置q與q一樣,即q=q=(2© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. 第5期王昊京,等:采用雙線性插值收縮的圖像修復(fù)方法1239PSNR=10log10,MSE2(16)式(16)中R是圖像數(shù)據(jù)類型的最大波動(dòng)值,實(shí)驗(yàn)中圖像采用24bit的RGB圖像,故R=255;輸入圖

26、像為I,輸出圖像為K,尺寸均為m×n。均方無誤差MSE定義8為:m-1n-1MSE=2()()Ii,j-Ki,jmn,(17)(c)Criminisi的結(jié)果(d)本文方法結(jié)果c)s)ofproposedmethod對于真彩圖像的PSNR有不同的計(jì)算方法。這里將圖像從RGB空間轉(zhuǎn)換到Y(jié)CbCr空間中進(jìn)行計(jì)算。敏感,亮度分量Y且G算MSE時(shí),使用Y。MSE越小,證明修復(fù)后圖像的色差越小,和原始圖像的相似性大,質(zhì)量高。耗時(shí)越少,則效率越高。本方法以matlab2008b為平臺(tái),在PC機(jī)(CPU為Pentium4,3.20GHz,內(nèi)存為1GB)上圖removalfromLena實(shí)現(xiàn)。圖3是帶

27、劃痕Lena圖像的Criminisi等人算法和本文方法的對比試驗(yàn)。圖3(a)是原始Le2na圖像。圖3(b)是待修復(fù)的Lena圖像,綠色劃痕是待修復(fù)區(qū)域。如表1所示,在修復(fù)中采用收縮因子=0.25,Criminisi等人和本文方法中使用模板的尺寸因子均為=2,lena圖像的尺寸為512×512,而劃痕的大小為7174pixel。從表1中可以看到本文的方法耗時(shí)僅為54.1s,是Criminisi等人的算法的24.7倍;MSE數(shù)值較Criminisi等人的算法小,證明本文的方法修復(fù)的結(jié)果色差小,優(yōu)于Cri2minisi等人的算法。相應(yīng)的PSNR的數(shù)值也較Criminisi等人的算法小,圖

28、像質(zhì)量高。直觀上,圖3(c)中Criminisi等人的算法對Lena帽子上劃(a)原始圖像(b)帶劃痕圖像(a)Originimage(b)Scratchimage痕的修復(fù)不是很成功,存在錯(cuò)誤的修復(fù)塊。圖3(d)是本文方法的修復(fù)圖片,看不出明顯的錯(cuò)誤,修復(fù)質(zhì)量略優(yōu)于Criminisi等人的算法。表1實(shí)驗(yàn)的參數(shù)設(shè)置及結(jié)果Tab.1Resultsandparametersofproposedalgorithm名稱LenaPepperGirl算法Criminisi耗時(shí)/s1337.054.1787.9113.4912.324.1PSNR/db35.338.439.039.024.724.8MSE/p

29、ixel8.2219.0213.6尺寸/pixel2512×512512×384640×480像素修復(fù)數(shù)7174696813945窗口尺寸收縮因子223335本文Criminisi本文Criminisi本文圖4是圖片peppers上文字去除的對比試驗(yàn)。圖4a)是原始的peppers圖像,圖4b)是加入綠色文字的待修復(fù)圖片。表1中給出了peppers圖像中文字去除的數(shù)© 1994-2010 China Academic Journal Electronic Publishing House. All rights

30、reserved. 1240光學(xué)精密工程第18卷(a)原始圖像(b)帶文字圖像(a)Originimage(b)Imagewithtext(c)Criminisi的結(jié)果(d)本文方法結(jié)果c)Criminisisresult(d)Resultofproposedmethod圖5girlFig.fromgirlimage37.9倍。但MSE和的數(shù)值和表1中的Lena和peppers相應(yīng)的數(shù)值有較大的差異,這是因?yàn)閯澓廴コ?、文字去除所修?fù)的面積遠(yuǎn)小于物體移除修復(fù)的面積。這(c)Criminisi的結(jié)果(d)本文方法結(jié)果(c)Criminisisresult(d)Resultofproposedmet

31、hod圖4Peppers上文字的去除Fig.4Textremovalfrompeppers造成修復(fù)結(jié)果和原圖存在較大的差異,所以MSE數(shù)值相對較高,相應(yīng)的PSNR的數(shù)值也低一些。Criminisi的算法和本文方法的MSE和PSNR數(shù)值相近,說明修復(fù)質(zhì)量基本一樣。直觀上,本文方法的修復(fù)結(jié)果更加合理,原因在于Criminisi的修復(fù)結(jié)果中出現(xiàn)一根樹干,比較突兀。在時(shí)效上,Lena圖像的耗時(shí)3×1370;pepper圖像的耗時(shí)0×787.9,girl圖像的耗時(shí):2×912.3,均滿足式(15)和上述分析。

32、據(jù)結(jié)果?？梢钥闯鰰r(shí)效提高到6.9倍,而PSNR和MSE幾乎一樣。從直觀上看,Criminisi等人的修復(fù)結(jié)果和本文方法的修復(fù)質(zhì)量差異不大。圖5是圖像中物體移除的對比試驗(yàn),采用自拍的girl圖像。圖5(a)是girl原始圖像。圖5(b)是待修復(fù)的girl圖像,綠色是待去除的區(qū)域。圖5(c)是算法的修復(fù)結(jié)果。而圖5(d)是本文方法的結(jié)果。對于girl圖像,從表1可以看出本文5結(jié)論Criminisi等人提出的基于樣本的圖像修復(fù)算法存在修復(fù)耗時(shí)長、效率低的缺點(diǎn),本文分析了影響此算法時(shí)間性能的因素,提出了采用雙線性插值收縮的高效圖像修復(fù)方法。該方法將原修復(fù)圖像的長寬同時(shí)收縮0.20.5倍,在保持圖像修復(fù)

33、質(zhì)量基本不變的情況下,修復(fù)時(shí)效約為Crimi2nisi等人提出算法的540倍,解決Criminisi等(a)原始圖像(b)要去除的物體(a)Originimage(b)Objecttoberemoved人的算法對大尺寸圖像進(jìn)行修復(fù)耗時(shí)長、效率低的問題。該算法對于其他的圖像修復(fù)算法也有很好的借鑒意義。都:電子科技大學(xué),2006.ZHANGHY.ResearchandapplicationondigitalimageinpaintingD.Chengdu:ElectronicScience參考文獻(xiàn):1張紅英.數(shù)字圖像修復(fù)技術(shù)的研究與應(yīng)用D.成andTechnologyofChina,2006.(i

34、nChinese)© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. 第5期王昊京,等:采用雙線性插值收縮的圖像修復(fù)方法12412CRIMINISIA,PEREZP,TOYAMAK.Objectremovalbyexemplar2basedinpaintingC.Com2puterVisionandPatternRecognition.USA:IEEEComputerSocietyConference,2003:72127陳良,高成敏.快速離散化雙線性插值算法J.計(jì)算

35、機(jī)工程與設(shè)計(jì),2007,28(15):378723790.CHENL,GAOCHM.Fastdiscretebilinearinter2polationalgorithmJ.ComputerEngineeringandDesign,2007,28(15):378723790.(inChinese)728.3CRIMINISIA,PEREZP,TOYAMAK.Regionfillingandobjectremovalbyexemplar2basedimageinpaintingJ.IEEETrans.ofImageProcessing,2004,13(9):120021212.4何金海,李薇,屈磊,等.一種改進(jìn)的基于樣本的圖8王森,楊克儉.基于雙線性插值的圖像縮放算法的研究與實(shí)現(xiàn)J.自動(dòng)化技術(shù)及應(yīng)用,2008,27(7):44235.WANGS,YANGKJ.AnimagescalingalgorithmbasedonbilinearinterpolationwithVC+J.TechniquesofAApplication,2008,