关于纹理合成最经典的论文应该就数Efros的Texture Synthesis by Non-parametric Sampling这篇论文了,引用量近2000。
这里的合成是基于样例的,就是先有一个小的纹理图像,然后合成一个大的。
我个人的理解是,先产生一个大的随机图像,然后对随机图像中每个像素及其邻域像素和小的纹理图像做对比,找出随机图像当前邻域和小的纹理图像最接近的邻域,然后将小的纹理图像最接近的像素赋值给大的随机图像。这样每处理一个随机图像中的像素,就需要遍历小的纹理图像的所有像素,所以运行时间是很慢的。
先看下效果:
小的纹理图像:
合成的纹理图像:
matlab代码如下:
clear all;
close all;
clc;
mask=mat2gray(imread('wen.jpg')); %小的纹理图像
[m n]=size(mask);
imgn=mat2gray(rand(256,256)); %最终需要的大的纹理图像,现在是随机图像
w=2; %L邻域长的半径
I=[1 1 1 1 1;
1 1 1 1;
1 0 0 0]; %L邻域,这里是5*3的,当然也可以是7*4或9*5的
for i=1+w:256
for j=1+w:256-w
mi=inf;
for p=1+w:m
for q=1+w:n-w
tmp=mean2(abs(imgn(i-w:i,j-w:j+w).*I-mask(p-w:p,q-w:q+w).*I));
if tmp<mi %取差别最小的像素
mi=tmp;
ii=p;
jj=q;
end
end
end
imgn(i,j)=mask(ii,jj);
end
end
figure;
imshow(imgn,[]);