法律状态公告日
法律状态信息
法律状态
2018-10-23
授权
授权
2015-03-25
实质审查的生效 IPC(主分类):G06T5/00 申请日:20141205
实质审查的生效
2015-02-18
公开
公开
技术领域
本发明涉及图像处理技术,特别是涉及一种乱涂画数字图像的内容自动检测与修复方法。
背景技术
图像修复就是对图像中的缺损区域进行填补,这在计算机视觉和图像处理领域是一个重要的主题。图像修复广泛应用于目标去除,图像恢复,图像编码和传输等方面。但是在修复之前,找到需要被修复的点的位置至关重要,对于小块区域,比如说比较细的线条,既可以通过手工标注进行修复,也可以使用数学工具进行自动检测后完成修复。如何运用有效的方法从图像中准确地自动检测出待修复的区域,是一个很重要的问题。由于受到图像中边缘信息的影响,一些传统的自动检测方法效果不是很理想,检测结果不太准确。
发明内容
本发明所要解决的技术问题是:提出一种乱涂画数字图像的内容自动检测与修复方法,有效提高检测准确度,完成对大部分图像的处理。
本发明技术方案如下:
(1)选出初始乱涂画点;
(2)根据颜色差异性过滤乱涂画点;
(3)根据颜色相似性扩充乱涂画点;
(4)根据空间分布性过滤乱涂画点;
(5)获取乱涂画点和图像边缘检测点的重叠部分;
(6)对是乱涂画点非边缘检测点的部分进行修复;
(7)对既是乱涂画点又是边缘检测点的部分进行修复。
附图说明
图1是乱涂画数字图像的内容自动检测与修复方法的流程图
图2是乱涂画数字图像的内容自动检测的过程说明图
图3是乱涂画数字图像的内容自动检测与修复方法的结果图
图4是乱涂画数字图像的内容自动检测与修复方法的结果图
具体实施方式
步骤1:选出初始乱涂画点。我们使用公式(1)筛选初始点。G表示像素点的高斯曲率值,i表示RGB颜色空间中的某一层,(x,y)表示图像中某一像素点坐标,v是人为设定阈值。
Gi(x,y)>v (1)
步骤2:根据颜色差异性过滤乱涂画点。求得步骤1中选出的所有点的颜色平均值以及它们的颜色标准差,那些与平均值差的绝对值不大于标准差的点被认为是过滤后的点。
步骤3:根据颜色相似性扩充乱涂画点。重新遍历全图,把那些和步骤2中选出的点颜色差异比较小的点看作是扩充后的乱涂画点。
步骤4:根据空间分布性过滤乱涂画点。考虑到乱涂画点所组成的区域应该是连续的,基本不会出现孤立的像素点,所以考察像素点的8领域对步骤3中选出的点进行再次过滤,有效去除其中的离散点,整个检测过程如图2所示。
步骤5:获取乱涂画点和图像边缘检测点的重叠部分。对乱涂画图像使用canny边缘算子,得到相应的边缘图像I1,对步骤4中选出的最终乱涂画点组成的图像进行二值化处理并进行适当膨胀得到I2,从I1中去除I2中的点形成图像I3,对I3中的断裂边缘进行连接得到图像I4,I4与I2相与得到它们的重叠部分,其既是乱涂画点,又是乱涂画之前图像的边缘检测点。
步骤6:对是乱涂画点非边缘检测点的部分进行修复。对步骤4中选出的点进行修复,使用乱涂画点上、下、左和右边的点进行线性差值处理,替换乱涂画点的像素值。
步骤7:对既是乱涂画点又是边缘检测点的部分进行修复。对步骤5中选出的重叠部分的点进行修复,使用这些点周围点的平均像素值替换这些点的原有像素值,最终修复完的结果如图3、4所示。
机译: 一种用于自动检测狭窄的数字图像的处理方法
机译: 一种自动检测数字图像灰度直方图中的峰值的方法。
机译: 内容管理系统中配置冲突的自动检测和修复方法