28局部与分割-图像修补inpaint

28局部与分割-图像修补

inpaint算法的核心在于：提取带修补区域的边界，分别从最外层的边界到最里层的边界，然后依次进行修补。算法的思想如下：

δΩi = boundary of region to inpaint//修复区域的边缘
δΩ = δΩi
while (δΩ not empty)
{
    p = pixel of δΩ closest to δΩi//修复距离边缘最近的像素
    inpaint p using Eqn.2//利用公式2修复p点
    advance δΩ into Ω//把边缘向里行进
}

看到这里，就会有疑惑了，怎么确定像素与边缘的距离呢。

算法中为待修复区域边缘构建了一个窄边（narrowBand），就是上面所说的δΩ。在opencv里是利用先将mask膨胀得到mask2（结构元素是长为2*ε+1的十字形，以中心点为原点），再用mask2减去mask得到band图，则band中非0元素即narrowBand）。从这里可以看出最初的narrowBand（即δΩ1）是不需要修复的。确定窄边的目的就是为了找到下面要修复的像素。

首先将像素分为三类，用flag标识记录：BAND：其实就是δΩ上的像素； KNOWN:就是δΩ外部不需要修复的像素；INSIDE:就是δΩ内部的等待修复的像素。

另外，每个像素还需要存储两个值：T（该像素离到边缘 δΩ的距离）；I（灰度值）。

下面先说一下处理像素是按怎样的行进方式的：

1． 初始化。首先按上面说的方法找到narrowBand，flag记为BAND;窄边内部的待修复区域记为INSIDE，已知像素flag设为KNOWN。BAND和KNOWN类型的像素T值初始化为0（这里看opencv代码里好像把KNOWN也设为106），INSIDE类型像素T值设为无限大（实际中设为106）。

2． 定义一个数据结构NarrowBand（opencv中采用双向链表实现），将窄边中的像素按T值升序排列，依次加入到NarrowBand中，先处理T最小的像素。假设为p点，将p点类型改为KNOWN,然后依次处理p点的四邻域点Pi。如果Pi类型为INSIDE，若是则重新计算I，修复该点，并更新其T值,修改该点类型为BAND,加入NarrowBand（这里仍按顺序，即始终保持NarrowBand是按升序排列的）。依次进行，每次处理的都是NarrowBand中T最小的像素，直到NarrowBand中没有像素。

代码如下：

while (NarrowBand not empty)
{
    extract P(i,j) = head(NarrowBand); /* STEP 1 */