摘  要： 利用灰度共生矩陣提取圖像紋理特征值，然后根據熵值的大小來實現模塊大小的選擇。另外，在尋找最佳匹配塊時，同時考慮了顏色信息的差異和空間距離的因素。最后，給出了客觀評價圖像修復質量的PSNR度量。實驗表明，與Criminisi算法相比，該方法得到的修復效果更自然，更符合人的視覺感知。
關鍵詞： 圖像修復；紋理合成；灰度共生矩陣；熵；模塊大?。蛔罴哑ヅ鋲K

　圖像修復是針對有信息缺損的圖像，利用圖像中已知區域的信息按照一定的規則填充缺損區域的過程，并使觀察者察覺不出圖像曾經缺損或已被修復[1]。其對文物保護、影視特技制作、老照片修復、圖像中文本及障礙物的去除等都具有重要的應用價值。
　在基于紋理合成的圖像修復算法中，具有代表性的是Criminisi算法[2]，它使用優先權函數來確定待修復塊的填充順序，較好地修復了圖像的結構和紋理信息，取得了不錯的效果。但無論圖像紋理是否復雜，其模塊大小始終為固定值，不能根據圖像的紋理是否復雜進行合理的選擇，這對于某些圖像的修復，效果不佳。目前，對于Criminisi算法中存在的上述不足，已經有不少學者對其進行了各種改進[3-8]，實現了模塊大小的自適應選擇，得到了較好的修復結果。
　考慮到模塊大小的選擇跟紋理的復雜程度有關，本文首先利用灰度共生矩陣提取圖像紋理特征值，然后根據熵值的大小來實現模塊大小的選擇。另外，為了解決當最佳匹配塊存在多個時，Criminisi算法可能由于選擇不當而導致修復效果不佳的問題，本文在尋找最佳匹配塊的同時，考慮了顏色信息的差異和空間距離的因素。實驗結果表明，該算法合理有效，得到的修復效果更令人滿意。

2.3 改進算法主要步驟
　初始時置i=0；
?。?）抽取用戶選定的待修復區域?贅（=?贅°）的邊界δ?贅（=δ?贅°）；
　（2）設Ng=8，d=5，夾角θ=0°，45°，90°，135°，計算圖像已知區域在4個方向上的Ng×Ng矩陣P1、P2、P3、P4，然后分別進行歸一化；
?。?）分別計算4個矩陣的熵特征值，并進行歸一化；
　（4）對步驟（3）中得到的4個值進行加權平均，再根據如下對應關系選擇模塊大小；

　從以上實驗對比中可以看出，相比于Criminisi算法，本文得到的修復結果更自然，更符合人的視覺感知。從圖3看到，雖然本文算法所選模塊大小與Criminisi算法一樣，但是本算法避免了最佳匹配塊的選擇不當問題，因而得到的修復結果更理想。以圖4可以看到，本算法所選模塊較小，包含的紋理單元也較少，則較容易找到與之相似度高的匹配塊，從而增強了圖像的修復效果。在圖5與圖6中，本算法的模塊都較大，確保了紋理結構的完整性。其中，圖5中得到的修復結果對三角形內部修復得很好，不再出現白色區域，保證了三角形紋理結構的完整性；圖6結果顯示本文對弧線結構修復得更好，不存在斷裂的現象。通過以上的實驗分析，說明了本算法的可行性及有效性。
為進一步分析本文算法的修復質量，表1給出了利用峰值信噪比測度PSNR（Peak Signal to Noise Ratio）對　本文算法及Criminisi算法得到的修復結果進行客觀評價。從表1可以看出，本算法修復結果的峰值信噪比比Criminisi算法來得高，即說明了本文修復的效果較好。
　通過圖7進一步說明了本方法可避免當最佳匹配塊存在多個時，由于選擇不當而使修復效果不好的問題。其中，圖7（a）為原圖像；圖7（b）為待修復圖像；圖7（c）為Criminisi算法，winsize=4；圖7（d）為只采用本文中模塊大小的選擇的方法，winsize=9；圖7（e）為本算法，結合模塊大小的選擇及最佳匹配塊的選擇的方法，winsize=9，比較圖7（c）和圖7（d）發現，采用模塊大小的選擇的方法在一定程度上改善了圖像的修復質量，但仍存在一定的缺陷；從圖7（e）相較于圖7（c）和圖7（d）容易發現，采用方法得到的修復效果最好。

　本文分析了Criminisi算法，并針對其存在的某些不足，提出了一種新的改進方法。實驗表明，本算法可根據圖像的紋理是否復雜來靈活地選擇合適的模塊大小，同時可避免由于最佳匹配塊選擇不當而使修復效果不好的問題。然而本算法給模塊大小winsize只提供了6個可選值，即winsize=2、3、4、5、7、9。雖然這幾個值在一般情況下能適用于大多數缺損圖像的修復，但是對于一些個別的圖像，其修復效果仍不夠理想，還需對其做進一步的改進。
參考文獻
[1] 張紅英，彭啟琮.數字圖像修復技術綜述[J].中國圖象圖形學報，2007，12（1）：1-10.
[2] CRIMINISI A， PEREZ P， TOYAMA K. Region filling and object removal by exemplar-based image inpainting[J]. IEEE Transactions on Image Processing， 2004，13（9）：1200-1212.
[3] 屈磊，韋穗，梁棟，等.快速自適應模板圖像修復算法[M].中國圖象圖形學報，2008，13（1）：24-28.
[4] 楊秀紅，王慧琴，李蘇莉.基于自適應模板和置信度更新的圖像修復算法[J].電子科技，2009，22（12）：69-72．
[5] 付紹春，樓順天.基于區域紋理合成的圖像修補算法[J].電子與信息學報，2009，31（6）：1319-1322．
[6] Zhou H L， Zheng J M. Adaptive patch size determination for patch-based image completion[C]. Proceedings of 2010 17th IEEE International Conference on Image Processing，2010：421-424．
[7] 孟春芝，何凱，焦青蘭.自適應樣本塊大小的圖像修復方法[J].中國圖象圖形學報，2012，7（3）：337-341.
[8] 張偉偉，何凱，孟春芝.自適應選取樣本塊大小的紋理合成方法.計算機工程與應用，2012，48（17）：170-173．