[发明专利]一种基于HSV色彩空间下的Criminisi图像修复方法

说明书

本发明提供一种基于HSV色彩空间下的Criminisi图像修复方法，包括如下步骤：1、判断是否存在待修复的图像破损区；2、取破损边缘像素点p，根据以点p为中心的9*9的正方形区域内的像素值计算出置信值C，并判断其大小，若大于阈值K，则根据优先权函数计算出正方形区域块的优先权值P；3、根据匹配原则，利用HSV颜色空间中色调H与亮度V的差值比较寻找未受损区域中最佳匹配块；4、将搜索到的最佳匹配块填充至待修复像素块中，并让其中心像素点重合；5、更新修复区的边界信息，同时更新修复完成区域的像素点的置信值；6、重复以上步骤，直至所有像素块修复完成。本发明弥补了Criminisi修复算法中优先权函数不准确性以及修复后图像质量下降的缺陷，性能优异。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于HSV(Hue,Saturation,Value，六角锥体模型)色彩空间下的Criminisi图像修复方法。

背景技术

图像及复原的研究在边缘检测、图像分割、机器视觉、模式识别等图像分析领域已成为重要的研究课题。图像的边缘结构纹理信息能够反映图像内容的基本特征及重要信息，然而在图像的获取、压缩或是传输过程中极易造成图像受损，从而影响后续的工作。图像修复技术即根据对当前图像结构信息的估计，将存在部分缺失或者有遮挡物问题的受损图像进行合理的复原，具有相当大的应用价值。由于先验信息的缺乏，修复问题常具有病态性，因此需要使用如偏微分方程(PDE)的数学方法，但对于受损较大的图像而言，修复效果并不理想。基于纹理合成的Criminisi图像修复算法中的数据项会随着破损区域的逐渐修补最终趋向于零，导致置信值与数据项出现一大一小的情况，会使得后期在计算像素优先权时会产生误差，这种误差会随着修复的进行而逐渐放大，从而影响最终的修复效果。

目前，对于图像修复的研究有很多，但是对于一些内部纹理特征及边缘角点信息仅靠梯度算子来扩散并不能完全达到理想的修复效果。所以急需对相关的内容进行研究，得到完善的结论，能够有效地为保证图像修复后的特征信息的完整性提供有效方法。

发明内容

为了解决上述问题，本发明提供一种基于HSV色彩空间下的Criminisi图像修复方法，使得在对图像进行修复处理的过程中，既能确保Criminisi算法优先权函数的确定性，又能减少修复误差。

一种基于HSV色彩空间下的Criminisi图像修复方法，包括如下步骤：

S1：将待处理图像中破损区和完好区交界处的所有像素点的置信值进行初始化，如果像素点落在完好区，置信值置为1，无需修复；如果像素点落在受损区，置信值置为0，需要修复；

S2：取图像破损边缘像素点p，根据以点p为中心的9*9的正方形区域块内的像素值计算出置信值，并判断其大小，若大于阈值K，则根据优先权函数计算出优先权值P，否则优先权值取0.001，该正方形区域块最后修复；计算当前图像破损边缘中所有9*9的正方形区域块的优先权，找出优先权最大的区域块作为最先修复的目标块；

S3：根据匹配原则，利用HSV颜色空间中色调H与亮度V的差值比较寻找未受损区域中最佳匹配块；

S4：将搜索到的最佳匹配块填充至待修复的像素块中，并让其中心像素点重合；

S5：更新修复区的边界信息，同时更新修复完成的区域的像素点的置信值，然后对下一个要修复的像素点进行修复；

S6：重复以上步骤，直至所有像素块修补完成。

进一步地，步骤S2的优先权函数为P(p)＝C(p)·D(p)+λ·D(p)，其中，C(p)为以点p为中心的正方形区域ψ_p中所有像素平均置信值，D(p)为数据项，代表的是正方形区域ψ_p中的结构特征，λ为常数值10。