图像修复：Object Removal by Exemplar-Based Inpainting 学习笔记

Overview

这是一篇比较经典的exemplar-based的inpainting算法，算法思路比较简单，是一种贪心算法，主要分为以下几步：

1、在需要填充区域的轮廓上计算权重，选择权重最大的轮廓点作为待填充点

2、在该点周围领域取一个一定大小的patch块，在图像其他区域内找该patch快的最近邻patch

3、将最近邻patch块对应到需要填充区域的部分复制到等待填充的区域，再重复上述步骤，直至所有点都填充完毕。

从上述算法流程来看，算法比较简单，是一个基于填充区域轮廓优先级的算法，算法是一个贪心算法。存在的一个明显弊端就是无法保证最终整体填充效果。

Impletion Detail

1. filling order

paper中着重讲述了填充顺序的关键性，也是本片paper的主要创新点，轮廓点上的优先级由两部分组成，其中C（p）是confidence term, D§是data term.
$$P(p)=C(p)D(p)$$
1、confidence term： 表明该点的可靠度

2、data term: 根据patch周围数据进行计算的项

1.1 confidence term

condidence 项可视为围绕在点$p$周围点的可信度，目的是优先填充那些周围有更多已知点的patch快。

其计算公式如下,${\Psi }_p$表示以$p$点为中心的patch快，其中$|{\Psi }_p|$ 是整个patch的面积，
C ( p