2021SC@SDUSC 开源项目GFPGAN -11-图像处理修复拓展

最新推荐文章于 2024-07-26 09:45:05 发布

xu呀

最新推荐文章于 2024-07-26 09:45:05 发布

阅读量1.6k

点赞数

文章标签：图像处理

本文链接：https://blog.csdn.net/weixin_46915928/article/details/121757460

版权

2021SC@SDUSC

一、图像修复

1、定义

    图像修复（英语：Inpainting）指重建的图像和视频中丢失或损坏的部分的过程。
    例如在博物馆中，这项工作常由经验丰富的博物馆管理员或者艺术品修复师来进行。
    数码世界中，图像修复又称图像插值或视频插值，指利用复杂的算法来替换已丢失、损坏的图像数据，主要替换一些小区域和瑕疵。

2、基本原理

 如何填补缺口主要由图片全局情况决定，图像修复的目的是维持原图整体的和谐统一。
要把缺口四周原有的结构延续到缺口内部。
缺口内部可以被四周结构的延伸划分为若干区域，每个区域 与四周边界相似的颜色。
重新绘制缺口内的细节，即匹配纹理。
利用的技术：CNN网络结构、内容生成网络、纹理生成网络

相关论文：图像修复论文
1. CVPR 2016的Context-Encoders（CNN+GAN，鼻祖级的 NN修复方法，后面大多数补绘方法的爸爸，在DL+inpainting领域里，堪比大佬董超的SRCNN在DL+单张超分辨重建的地位）
2. CVPR 2017的High Resolution Inpainting(Context-Encoders+CNNMRF框架)，结合了风格迁移的思路。
3. SIGGRAPH 2017 (ACM ToG)的Globally and Locally Consistent Image Completi