[发明专利]一种图像补全方法、装置、设备及计算机可读存储介质

说明书

本发明公开了一种图像补全方法，包括：对待补全图像进行解析，得到待补全区域；获取待补全区域中各待补全像素点；分别确定各待补全像素点的上方最近邻像素点、下方最近邻像素点、左方最近邻像素点、右方最近邻像素点、两个主对角线方向最近邻像素点、以及两个副对角线方向最近邻像素点；针对每个待补全像素点，计算竖直像素梯度、水平像素梯度、主对角线像素梯度、以及副对角线像素梯度；针对每个待补全像素点，选取各梯度中最小值对应的插值方向作为目标像素插值方向；基于目标像素插值方向进行图像补全操作。本发明较大地降低了计算复杂度，提高了图像补全效率。本发明还公开了一种图像补全装置、设备及存储介质，具有相应技术效果。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种图像补全方法、装置、设备及计算机可读存储介质。

背景技术

网络传输、硬盘存储以及拍摄不当都会对数字图像造成损害，造成图像不全，像素模糊等情况。因此需要对残缺图片和受污染照片进行图片补全得到修复后的图像，以投入到实际的生产应用中。随着数字图像处理技术和深度学习技术的发展，图像补全技术也逐渐渗透到了各个领域，比如文物图片补全，卫星图像修复等。

现有的图像补全方法主要分为两种，一种是对图像的纹理进行分析，并通过匹配、滤波等传统的方法进行补全。这种方法的计算复杂度非常高，在实际的应用环境中运行效率低。另一种是利用基于深度学习的图像补全方法进行图像补全，但是模型训练需要海量的人工标注样本，模型结构和参数需要经过精心的设计和反复的尝试。同时深度学习模型参数量巨大，实际应用时，模型计算缓慢，需要经过模型压缩才能部署到需要实时响应的环境中。

综上所述，如何有效地解决现有的图像补全方式计算复杂度高，在实际的应用环境中运行效率低，模型结构和参数需要反复调整等问题，是目前本领域技术人员急需解决的问题。

发明内容

本发明的目的是提供一种图像补全方法，该方法较大地降低了计算复杂度，提高了图像补全效率；本发明的另一目的是提供一种图像补全装置、设备及计算机可读存储介质。

为解决上述技术问题，本发明提供如下技术方案：

一种图像补全方法，包括：

对接收到的待补全图像进行解析，得到待补全区域；

获取所述待补全区域中各待补全像素点；

分别确定各所述待补全像素点的上方最近邻像素点、下方最近邻像素点、左方最近邻像素点、右方最近邻像素点、两个主对角线方向最近邻像素点、以及两个副对角线方向最近邻像素点；

针对每个待补全像素点，根据所述上方最近邻像素点和所述下方最近邻像素点计算竖直像素梯度，根据所述左方最近邻像素点和所述右方最近邻像素点计算水平像素梯度，根据两个所述主对角线方向最近邻像素点计算主对角线像素梯度，根据两个所述副对角线方向最近邻像素点计算副对角线像素梯度；

针对每个待补全像素点，选取所述竖直像素梯度、所述水平像素梯度、所述主对角线像素梯度、以及所述副对角线像素梯度中最小值对应的插值方向作为目标像素插值方向；

利用与所述目标像素插值方向对应的预设插值方式分别对各所述待补全像素进行补全操作，得到补全后图像。

在本发明的一种具体实施方式中，对接收到的待补全图像进行解析，得到待补全区域，包括：

利用索贝尔算子计算所述待补全图像的梯度信息图；

利用倒角距离匹配算法对所述梯度信息图进行计算，得到所述待补全区域的边界位置信息；

根据所述边界位置信息确定所述待补全区域。

在本发明的一种具体实施方式中，选取竖直像素梯度、所述水平像素梯度、所述主对角线像素梯度、以及所述副对角线像素梯度中最小值对应的插值方向作为目标像素插值方向，包括：