基于鄰域信息配準(zhǔn)的計算機(jī)圖像修復(fù)技術(shù)

中圖分類號：G633.67 文獻(xiàn)標(biāo)志碼：A 文章編號：2095-2945（2025）21-0167-04

Abstract：ImagesareimportantcariersofinformationandplayacrucialroleintheinformationsocietyInordertoachieve effectiveestorationofdamagedareasinimages，thispaperproposesanewneighborhoodbasedrestorationmethod.Thismethod firstidentifiesthedamagedareaintheimageandcomparesthebrightnessdiferencebetweenthedamagedareaandthe surroundingarea.Furthermore，suitableneighboringimagesubblocksareselectedandcomparedwithneighboring imagesub blocksaround’thedamagedareatodeterminetheoptimalimagesubblock.Afterthat，thepixelsinthedamagedareaare repairedstepbysteptorestorethecompleteimagearea.Toverifytheefectivenessofthismethod，repairexperimentswere conductedonnetworkvideoimages，imagesofwomenwearingheadscarves，imagesofbabonfaces，andimagesofboardwalks. Theresultsshowedthattheproposedrepair methodcanefectivelyrepairdamagedareasinimagesandhasrobustness inrepair performance for different types of images.

Keywords： image inpainting; single frame inpainting; dynamic inpainting; robustnes;theoretical model

人類進(jìn)入信息時代以來，各種類型的信息呈現(xiàn)出爆炸式增長的態(tài)勢。從信息的承載方式來看，分別有文字、語音、圖像和視頻等手段。其中，圖像含有最為豐富的信息，包括圖像的內(nèi)容、圖像的紋理、圖像的特征、圖像的深層語義信息等等。不僅如此，圖像還是構(gòu)成視頻信息的基本單元。單幅圖像呈現(xiàn)的是靜態(tài)的二維視覺效果，而連續(xù)多幅圖像按照一定順序和規(guī)律播放出來，就會成為視頻。所以，視頻信息也可以看成是圖像序列的動態(tài)效果。在信息社會里，圖像及視頻以信息量大、表達(dá)信息豐富生動、能夠迅速引起瀏覽者的關(guān)注和共鳴，而成為最重要的信息載體。但是，圖像也會面臨著各種問題和攻擊。如在存儲過程中，圖像被惡意的編輯、篡改，或者在拍攝過程中，圖像出現(xiàn)模糊、清晰度不夠的問題。動態(tài)圖像序列則會因為丟幀，而表現(xiàn)出視頻效果不連續(xù)等。當(dāng)圖像信息出現(xiàn)不同程度的問題時，就需要圖像修復(fù)技術(shù)來修補(bǔ)缺失的局部、改善圖像的清晰度和對比度，以提升圖像質(zhì)量達(dá)到復(fù)原圖像原始信息的目的。本文中，就是以圖像修復(fù)為核心研究內(nèi)容，提出了一種基于鄰域信息配準(zhǔn)的修復(fù)方法。本文的方法主要針對的對象，是計算機(jī)存儲格式下的數(shù)字圖像，修復(fù)技術(shù)的效果將通過實驗加以驗證。

1基于鄰域信息配準(zhǔn)的修復(fù)方法

圖像修復(fù)在實際中有不同的分類，例如對于單幅的靜態(tài)圖像修復(fù)、對視頻的多幅圖像修復(fù)。其中，單幅圖像修復(fù)是視頻圖像修復(fù)的基礎(chǔ)。但是，單幅圖像的修復(fù)會相對比較局限，只能在圖像內(nèi)部尋找可用的信息完成破損或缺失區(qū)域的修復(fù)。相比較而言，視頻圖像修復(fù)就有了比較靈活的選擇。一方面，視頻圖像中的某一幀圖像出現(xiàn)破損，可以采用單幅圖像的修復(fù)方法進(jìn)行修復(fù)，稱之為幀內(nèi)修復(fù)。另一方面，某一幀圖像的修復(fù)，也可以根據(jù)該幀圖像的前一幀或后一幀，找到圖像間的關(guān)聯(lián)信息來完成修復(fù)，也就是幀間修復(fù)或者關(guān)聯(lián)修復(fù)。本文采取的是單幅圖像修復(fù)，即用缺失圖像的鄰域信息對缺失部分進(jìn)行補(bǔ)足。

1.1圖像修復(fù)方法的理論模型

圖像的基本構(gòu)成單位是像素，一幅 100×100 像素的圖像，總像素數(shù)就達(dá)到了 10000 。目前，高清圖像的分辨率都非常高，基本都可以達(dá)到 1028×768 像素級別，甚至是更高。這種圖像的像素規(guī)模達(dá)到70萬像素以上。對于這樣大的圖像，如果整體上進(jìn)行圖像處理就需要占用非常大的內(nèi)存空間，因此一般要進(jìn)行分塊處理。圖像的分塊處理也給圖像修復(fù)提供了基本思路。

如果一幅較大的圖像已經(jīng)被分割成多個不同的子塊，那么可以用 M×M 表示分割后的圖像子塊總數(shù)。為了便于標(biāo)記，設(shè)定原始圖像的左上角為基準(zhǔn)點，其橫縱坐標(biāo)用 （i，j） 表示。這樣，原始圖像的某一個局部映射到子塊圖像時，就存在下面的數(shù)學(xué)變化，如公式（1）所示

y_i+m，j+n?w（y_{i+m，j+n}），

式中： w 為原始圖像的某一個局部到子塊圖像的映射函數(shù)，這里的映射關(guān)系可以刻畫成如下的形式，如公式（2）所示

式中： R 為映射過程中的實數(shù)； p 為階。

進(jìn)一步用 y_i，j 表示 （i，j） 坐標(biāo)上缺失的像素，用 y_i，j^new 表示坐標(biāo)上修復(fù)的像素。再給每一個像素配置一個是否缺失的標(biāo)記函數(shù) Π_gi，j ，如果 （i，j） 坐標(biāo)上的像素缺失則有 g_i，j=1 ；如果 （i，j） 坐標(biāo)上的像素正常則有 g_i，j=0 。

至此，當(dāng)判斷出某一坐標(biāo)上的像素需要修復(fù)時，可以按照其周圍的鄰域信息進(jìn)行配準(zhǔn)修復(fù)，如公式（3）所示

式中： （k，l） 為配準(zhǔn)圖像子塊的左上角像素位置。

根據(jù)公式（3）可以納入修復(fù)的鄰域像素總數(shù)，如公式（4）所示

為了盡可能避免圖像修復(fù)效果的模糊，在所有可能的修復(fù)效果 S_M 中選擇最小的子塊進(jìn)行修復(fù)。如果缺失像素周圍鄰域信息也都缺失，則延續(xù)之前的修復(fù)結(jié)果進(jìn)行蔓延修復(fù)，如公式（5）所示

1.2 圖像修復(fù)方法的實現(xiàn)流程

在前面的工作中，給出了基于鄰域信息的圖像修復(fù)思路和方法，包括缺失像素和修復(fù)像素的標(biāo)記處理，如何從缺失邊緣區(qū)域向缺失內(nèi)部區(qū)域擴(kuò)展和蔓延，等等。為了便于圖像修復(fù)方法在實際中的運用，進(jìn)一步給出這種方法的修復(fù)流程，如下所示。

方法的第一階段：確定圖像中出現(xiàn)破損或像素缺失的區(qū)域，進(jìn)而確定這一區(qū)域各邊緣處的像素，再找到這些像素的鄰域。通過設(shè)定好鄰域的范圍大小，確定好算法執(zhí)行過程中的圖像子塊的大小。

方法的第二階段：取缺失區(qū)域邊緣的一個像素及其周圍的鄰域，形成第一個搜索圖像子塊，在整個圖像區(qū)域上進(jìn)行搜索和配準(zhǔn)，找到一系列相似的圖像子塊，等待進(jìn)一步的處理。

方法的第三階段：執(zhí)行公式（3）公式（4）公式（5）的操作和處理，在上一階段中選取出的各個候選圖像子塊中，排列出優(yōu)先級順序，從而得到和缺失破損區(qū)域最為相似的圖像子塊。

方法的第四階段：用上一個階段得到的最為合理、可信度最高、最為相似的圖像子塊，對圖像中缺失或破損的區(qū)域進(jìn)行修復(fù)，從而得到修復(fù)后的完整圖像。

在修復(fù)算法執(zhí)行的過程中，需要注意的關(guān)鍵點在于：像素缺失和區(qū)域破損以后，這部分區(qū)域一般呈現(xiàn)為白色，在亮度上體現(xiàn)為像素灰度為255的點。所以，實際上，整個修復(fù)過程中，圖像不同區(qū)域的亮度差異變化，就成為確定破損區(qū)域、確定相似圖像子塊的關(guān)鍵。因此，這里設(shè)置了一個亮度相關(guān)的映射函數(shù)，以偏導(dǎo)函數(shù)的計算來實現(xiàn)，如下

公式（6）中，部分參數(shù)的詳細(xì)計算如下所示

2計算機(jī)圖像修復(fù)實驗

2.1馬賽克圖像的修復(fù)效果

在前面的研究工作中，針對計算機(jī)圖像的修復(fù)問題，提出了一種修復(fù)方法。這種修復(fù)方法以破損區(qū)域像素的鄰域信息進(jìn)行修復(fù)，通過不斷地搜索、配準(zhǔn)尋找最為相似的圖像區(qū)域完成修復(fù)，進(jìn)而給出了這種修復(fù)方法的詳細(xì)實現(xiàn)流程和修復(fù)過程中的關(guān)鍵點。

為了驗證所提出的方法對于計算機(jī)圖像修復(fù)的有效性，接下來展開實驗研究。第一組實驗，主要是針對網(wǎng)絡(luò)視頻圖像中某一幀的修復(fù)。因為網(wǎng)絡(luò)中硬件資源的不同、帶寬和網(wǎng)速的差異，視頻圖像這樣的較大文件，在網(wǎng)絡(luò)中傳輸時面臨丟包的問題。這里的一個數(shù)據(jù)包，就對應(yīng)著圖像中的某個區(qū)域的像素。一但這個數(shù)據(jù)包丟失了，圖像中某一個區(qū)域就會出現(xiàn)模糊、花斑的情況，這也稱之為馬賽克效應(yīng)。

第一組實驗，就是針對網(wǎng)絡(luò)視頻圖像中的某一幀中出現(xiàn)的馬賽克區(qū)域，進(jìn)行修復(fù)的測試，結(jié)果如圖1、圖2、圖3所示。

如圖1所示，是網(wǎng)絡(luò)視頻圖像中某一幀含有馬賽克效應(yīng)的圖像。從圖像的整體內(nèi)容來看，這是一位運動員在進(jìn)行臺球比賽，并正在仔細(xì)觀察球臺上的情況，為出桿擊球做準(zhǔn)備。圖像大致分為3類區(qū)域，球臺區(qū)域、運動員、背景區(qū)域。出現(xiàn)馬賽克的區(qū)域正好是球員胳膊區(qū)域和球臺的交界處。

如圖2所示，是按照本文方法對馬賽克區(qū)域進(jìn)行修復(fù)的具體情況，在鄰域信息配準(zhǔn)的修復(fù)方法之下，修復(fù)算法從破損區(qū)域的邊緣不斷向內(nèi)進(jìn)行修復(fù)，修復(fù)過程中一直尋找最為相似的圖像子塊，相似性的判斷依據(jù)就是鄰域信息的總體相似性。從視覺效果來看，經(jīng)過修復(fù)取得了很好的效果。

如圖3所示，是用修復(fù)后的圖像子塊替代馬賽克區(qū)域，形成對臺球比賽圖像幀的完整修復(fù)效果。從修復(fù)后的效果可以看出，雖然修復(fù)區(qū)域存在一定的模糊，但是相比于原來的馬賽克效應(yīng)，已經(jīng)有了非常大的改善。這也從視覺效果上證實了所提出的修復(fù)方法的有效性。

2.2 其他圖像的修復(fù)效果

為了證實所提出的修復(fù)方法的有效性，進(jìn)一步針對其他類型的圖像進(jìn)行修復(fù)實驗，這也是本文中的第二組實驗。第二組實驗中，分別選擇了戴頭巾的女人、狒狒的臉、棧道3組圖像，這些圖像中存在一定破損，破損區(qū)域有大有小，然后分別按照本文所提出的方法進(jìn)行修復(fù)，取得的結(jié)果分別如下。

戴頭巾的女人的破損圖像和按照鄰域信息修復(fù)方法得到的修復(fù)結(jié)果圖像，分別如圖4、圖5所示。

狒狒的臉的破損圖像和按照鄰域信息修復(fù)方法得到的修復(fù)結(jié)果圖像，分別如圖6、圖7所示。

從上述3組圖像的修復(fù)實驗結(jié)果可以看出，戴頭巾的女人、狒狒的臉，這2組圖像的破損區(qū)域都比較小，選取周圍足夠多的鄰域信息，就取得了非常好的修復(fù)效果。修復(fù)后基本上很難區(qū)分原有的破損區(qū)域在什么位置。棧道圖像的破損區(qū)域則明顯較大，但是用鄰域信息的修復(fù)方法仍然得到了較好的修復(fù)效果，只是會存在一定程度的修復(fù)痕跡。

這一組實驗證實了所提出的修復(fù)方法的有效性，對于不同類別的修復(fù)都具有較好的效果。同時，要進(jìn)一步提升修復(fù)效果，應(yīng)該減少破損區(qū)域或增大修復(fù)鄰域。當(dāng)然，鄰域信息量的增大會增加修復(fù)算法的執(zhí)行時間，這就需要根據(jù)具體的情況進(jìn)行選定。

3 結(jié)束語

棧道破損圖像和按照鄰域信息修復(fù)方法得到的修復(fù)結(jié)果圖像，分別如圖8、圖9所示。

作為視覺信息的重要載體，圖像不僅包含直觀的視覺內(nèi)容與紋理特征，更蘊含著豐富的語義層次，其作為視頻構(gòu)成的基本單元，通過時序排列形成動態(tài)影像。在實際應(yīng)用中，靜態(tài)圖像常遭遇惡意篡改、壓縮失真或拍攝模糊等技術(shù)性損傷，而視頻序列則因傳輸丟幀導(dǎo)致畫面斷裂。這些信息損耗現(xiàn)象促使圖像修復(fù)技術(shù)不斷發(fā)展，通過智能算法對受損區(qū)域進(jìn)行內(nèi)容重建，優(yōu)化分辨率與色彩還原度，同時針對視頻流實施幀間補(bǔ)償與運動補(bǔ)償，最終實現(xiàn)視覺信息的完整性恢復(fù)與質(zhì)量提升，確保原始數(shù)據(jù)在數(shù)字環(huán)境中的真實再現(xiàn)。本文為了實現(xiàn)圖像修復(fù)提出了一種新的方法，并通過2組實驗進(jìn)行驗證，證實了所提出算法的修復(fù)能力及對不同類型圖像的修復(fù)性能的魯棒性。

參考文獻(xiàn)：

[1]胡正平，劉文，許成謙，等.局部自適應(yīng)學(xué)習(xí)基稀疏約束結(jié)合信息優(yōu)先權(quán)選擇擴(kuò)散的迭代圖像修復(fù)算法研究[J].儀器儀表學(xué)報，2010，31（3）：600-605.

[2]黃巧玲，鄭伯川，丁梓成，等.融合監(jiān)督注意力模塊和跨階段特征融合的圖像修復(fù)改進(jìn)網(wǎng)絡(luò)[J].計算機(jī)應(yīng)用，2024，44（2）：572-579.

[3]開志強(qiáng)，苗錫奎，馬天磊，等.基于全局語義學(xué)習(xí)和顯著目標(biāo)感知的激光干擾圖像修復(fù)[J].儀器儀表學(xué)報，2024，45（7）：38-51.

[4]豆遠(yuǎn)航，崔學(xué)習(xí)，鐘馨平，等.基于深度學(xué)習(xí)的非接觸應(yīng)變測量網(wǎng)格圖像修復(fù)技術(shù)[J].鍛壓技術(shù)，2024，49（8）：195-204，213.