图像修复系列资料
通过图像分割和显著性检测这两个系列，我认为在开始写算法之前先放一篇综述整理会更好一些。
综述整理文会包含对该系列大体的介绍，介绍将会分析哪几个经典算法，以及在学习这些算法时我所参考的所有文章资源，我觉的一个算法靠一篇文章绝对无法使大家学会，所以大家可以看看我参考的那些博客，会事半功倍。
图像修复综述
首先辨别一下图像修复，图像复原，图像补全这仨的关系。
图像修复偏重修复划痕之类的这种小破损，而图像补全则偏重修复大块的缺损（包括物体移除之类的），图像复原则是提高图像的成像质量。
本系列的算法主要是图像修复/图像补全这种修复图像的算法。
图像修复(image restoration)包括很多任务，比如降噪/去噪(denoising)，超分辨率重建(super-resolution reconstruction)，图像填充(inpainting)，图像去模糊(deblurring)，JPEG去块(deblocking)等。
本图像修复系列涉及三个图像修复经典算法，分别是：
2003年，Criminisi等人提出的一种基于样本块的修补算法，Criminisi算法通过在待修复区域边缘上选取优先权最高的像素点p，以p为中心构造一个n×n大小的像素块，然后在完好区域寻找与该模板块最相似的样本块，用找到的样本块更新模板块中的待修复信息，最后更新已修复块中像素点的置信度，并开始下一次迭代修复，直至修复完成。
Telea在2004年提出的基于快速行进的修复算法（后面简称FMM算法），它基于快速行进方法。考虑图像中要修复的区域。算法从该区域的边界开始，并进入该区域内部，首先逐渐填充边界中的所有内容。
2009年Barnes提出了PatchMatch 算法。其核心思想是利用图像的连续性（consistence），一个图像patch块A附近的patch块的最近邻最有可能出现在A的最近邻附近，利用这种图像的连续性大量减少搜索范围，通过迭代的方式保证大多数点能尽快收敛。
图像修复博客整理
综述类：
【论文整理】图像修复(Image Inpainting)必读论文
Criminisi算法：
图像修复：Object Removal by Exemplar-Based Inpainting 学习笔记
Object Removal by Exemplar-Based Inpainting 翻译
复现《Region Filling and Object Removal by Exemplar-Based Image Inpainting》
图像修复一：Region Filling and Object Removal by Exemplar-Based Inpainting
Telea 的 FMM算法：
opencv图像修复算法cvInpaint(Telea的FMM算法）
PatchMatch块匹配算法
图像修复：PatchMatch与Space-Time completion
论文阅读笔记:《PatchMatch: A Randomized Correspondence Algorithm for Structural Image Editing》
THE END
今天就到这里啦，微信搜索【Opencv视觉实践】，对【计算机视觉/机器视觉】算法和软件开发感兴趣的小伙伴可以一起来学习呀。
关注后 后台回复
【电子书资源】可以领取10G计算机视觉/软件开发相关电子书
【手撕算法代码】可以领取手撕算法系列专栏的所有代码和PDF版论文
【加群】可以加入我们的视觉算法靓仔群~
2260
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
