图像自动修复技术及其应用探讨

图像是人类从外界获得信息的主要来源。自从有了图像，也就有了对破损图像进行修复的技术。Inpainting图像修复技术是一项古老的艺术。

　　【慧聪印刷网】图像是人类从外界获得信息的主要来源。自从有了图像，也就有了对破损图像进行修复的技术。Inpainting图像修复技术是一项古老的艺术。在欧洲文艺复兴时期，为了恢复美术作品中丢失或被损坏的部分，同时保持作品的整体效果，人们开始对美术作品进行修复，其主要是填补作品上所出现的裂痕或沟，这样的工作叫做Inpainting。

　　现今，图像Inpainting修复技术已成为图像工程领域的一个新的活跃研究方向，其目的就是研究和解决如何更好地实现检测图像上的受损部分，并根据受损图像周围的有效信息用图像修补算法自动进行恢复。虽然一些强大的数字图像处理软件，例如Photoshop等，也可以对数字图像进行专业的特效处理和对受损图像进行修复处理，但却需要有经验的技术人员进行复杂的手工处理，无法达到“计算机智能”自动处理的目的。

　　我们首先看一个图像修复的例子，图1(b)是一个类似“@”的字母符号，其中的一部分被障碍物遮挡。根据人的视觉经验，参考被遮蔽物体的形状以及周围图像信息，做出一个猜测判断，认为在去除障碍物后，可能会出现如图1(a)所示的字符，也可能会出现如图1(c)所示的字符，并且图1(a)和图1(c)的修复结果可能都是正确的。计算机图像Inpainting技术正是从人的视觉心理学角度模拟这种效果，根据被遮物体的边缘信息，按照一定的方向进行延伸扩散、边界连接，填充遮蔽部分，达到视觉上的连通。当然，由图中我们也看出图像的被损信息大小(障碍物大小)也直接影响人们视觉上的连通判断，从数学的角度看，这种由于被损图像周围信息不充分情况下导致的图像修复结果不唯一的现象属于病态问题，因此图像Inpainting技术还需根据计算机视觉理论，通过一定假设条件的限定设计修复算法，来解决这个问题。

　　根据贝叶斯(Bayesian)结构体系，我们由不完全和变形的数据中得出完全理想的图像是基于模拟人眼恢复图像所做出的“最佳假设”或者叫“最优猜测”，这个“最佳假设”是基于以下两个重要因素：

　　1．图像数据模型：我们怎样在原始图像中获取更多已有的图像数据信息。

　　2．图像预先模型：完好的原始图像应该是哪种图像模型。例如我们在修复一张在果盘中放有香蕉、苹果的图片，我们就会有一个预先的印象，应该是有光滑的形状，充满黄色和红色。

　　所以，“最优猜测”就是在贝叶斯概率模型中最大化后者的概率，按照一定的算法规则填补图像中遗失或者损坏的部分，使修复后的图像接近或达到原图的视觉效果。

　　图像修复技术的发展主要集中在两个领域方向：基于纹理结构的图像修复和基于非纹理结构的图像修复，如图2所示。

　　对于纹理结构的图像Inpainting修复技术，如木纹、岩石花纹等，其核心思想是仿真并生成局部纹理进行填充。因为纹理是物质构成成分的分布或特征的反映，它的局部形状信息能够表现相同纹理的共性。对一张纹理图，任取其中两小块纹理都是相似的，所以利用纹理合成的方法修复图像，可以通过：(1)在一个设定范围内对每一个像素的颜色信息进行直方图统计；(2)创建权重表，计算相关像素颜色信息的确定程度；(3)评估选择最匹配的像素进行图像修复；(4)如此循环直至填满受损图像，如图3所示。在各种实现纹理合成的算法中，我们今后还应将研究范围从一般纹理推广到有方向性纹理，进一步推广到曲面的纹理合成，视频纹理合成等方面。

　　对于非纹理结构的图像Inpainting修复技术，目前研究者多采用基于高阶偏微分方程(PDE)模型的修补算法。其主要思想是利用待修补区域的边缘信息，确定扩散信息和扩散方向，从区域边界各向异性的向边界内扩散。该算法可同时填补多个包含不同结构和背景的区域，并且对待修补区的拓扑关系没有限制。另外，Manou等人根据上述思想提出了一种快速图像Inpainting技术，通过在待修复区域边界确定等光强线方向，用直线连接对应的等光强线，边界通过将待修补区邻域信息在等光强线范围内扩散来填补待修补区。这种方法对简单结构图像有较好的修复效果，而且修复时间大大缩短。

　　图像Inpainting修复技术有着广泛的应用，首先是对于静态图像的裂纹修复以及障碍物去除。在印刷行业，对于印前需要处理的不同类型的数字图像原稿，如破损老照片、有划痕的透射底片，或是在图像中去掉与图像内容无关的障碍物，都可以通过Inpainting技术简单地修复。用户只需要简单地选择修复范围，计算机就会自动完成对划痕、空白区域的填充，或是去掉障碍物后填充背景图案，可以很大程度减少印前图像处理的时间和手工工作量，也可根据修复的结果进行更进一步的图像处理，修复效果如图4所示。

　　其次是动态影像修复。图像Inpainting修复技术可应用于影视行业，例如对于影视拷贝，如果连续帧中其中的一帧有划痕、污点等需要修复的情况，我们通过将影片的连续帧转化成数字图像序列，然后根据其前后帧的信息比较，从相邻帧中提取有用信息进行拷贝修复。另外，对于影片中带有的不同语言的字幕，我们也可以通过Inpainting修复技术去除，如图5所示。

　　再次，在一些摄影领域，还可以通过Inpainting技术实现对数字照片中红眼现象的消除，或是分次拍摄的数字照片在拼接全景图像时，可通过Inpainting技术修复相邻照片中的重叠部分。

　　Inpainting技术目前在国内已有不少学者关注，在国外已经成为一个活跃的研究领域。总之，Inpainting的技术优势势必还会涉及到更多的图像应用领域，例如生物医学、遥感探测领域，并在不同领域中促进这项技术更科学的发展。