基于TV模型的image inpainting算法

前一段时间老师布置了一个image inpainting 的任务,在看了其他大牛的文章和一些论文的基础上,花了几天时间把算法搞懂了。所以也来回馈社会了。虽然TV模型是一个很基础的,但它所代表的基于由偏微分方差的图像修复算法,已经由它延伸出来的其他改进算法,在图像修复领域还是应用挺广泛的。所以,也有必要把基础的模型先搞懂。

TV(Total Variation),即全变分模型,它的历史什么的直接问度娘吧。简单起见,以下讨论我们都默认为边界是没有噪声的。主要问题是定义一个泛函

 Ω是待修复区域,目的是求出使这个泛函取得最小值的u(x,y,t)。那个著名的热传导公式,也就是把这个梯度模换成梯度模的平方。老师说一次方对图像处理后最能保留图像的边界信息,所以全变分模型受到很大的重视(大致意思,具体不记得了,反正这个模型很牛逼)。求泛函的极值,用的是欧拉-拉格朗日方法,求得梯度流为 


其实上面那个等式,其实就是各向异性扩散的一个特例。

接着,我们来讲具体实现。用的是半像素点中心插值法。有点懒,直接上我PPT吧。


应该讲得很清楚了。最后代码就是把(4)式表达出来就OK了。

上实验结果:



由于最近缺积分,想要代码的同学麻烦下载一下,2个积分,不贵

http://download.csdn.net/download/seatonqiu/10121784


已标记关键词 清除标记
©️2020 CSDN 皮肤主题: 大白 设计师:CSDN官方博客 返回首页