图像修复方法和计算机可读存储介质技术

一种图像修复方法和计算机可读存储介质，根据自适应缩小参数和滤波参数对待修复图像进行缩小和滤波处理，得到滤波后的待修复图像，获取滤波后的待修复图像中的待填充像素点，并获取到较好的待填充像素点的初始值，基于使得所有待填充像素点的梯度值的散度之和最小的约束条件以及待填充像素点的初始值，对待填充像素点的值进行第一迭代处理，得到待填充像素点的粗处理值，以待填充像素点的粗处理值重新作为待填充像素点的初始值，根据能量方程和待填充像素点的初始值，对待填充像素点的值进行第二迭代处理，得到待填充像素点的细处理值，将待填充像素点的细处理值作为待填充像素点的目标值，上采样得到修复后的图像，提高了图像处理的效率。了图像处理的效率。了图像处理的效率。

【技术实现步骤摘要】
图像修复方法和计算机可读存储介质


[0001]本申请涉及图像处理
，具体涉及图像修复方法和计算机可读存储介质。

技术介绍

[0002]在日常生活以及工业生产中，需要对一些图像进行修复，修复的过程可以是：消除图像上的日期、水印；移除图像中不需要的内容，并用合理的内容填补移除后的空缺区域；修复和填充老照片中的裂缝、划痕、瑕疵等；对黑白照片进行修复，以利于将其转换为彩色图像等。
[0003]目前主要的图像修复的方式是基于深度学习进行图像修复，生成的图像的局部（待填充区域），利用的是图像已知部分的纹理信息。深度学习方法主要基于编码
‑
解码器（Encoder+Decoder）或者生成对抗网络(Generative Adversarial Network, 简称GAN)建立模型，从而对输入到模型中的图像进行修复，输出修复后的图像。
[0004]然而，基于深度学习进行图像修复的方式的训练成本以及计算成本较大。

技术实现思路

[0005]本申请主要解决的技术问题是基于深度学习进行图像修复的方式的训练成本以及计算成本较大。
[0006]根据第一方面，一种实施例中提供一种图像修复方法，包括：获取自适应缩小参数和自适应滤波参数；根据所述自适应缩小参数和所述自适应滤波参数对待修复图像进行缩小和滤波处理，得到滤波后的待修复图像；获取所述滤波后的待修复图像中的待填充像素点以及所述待填充像素点的初始值；基于使得所有待填充像素点的梯度值的散度之和最小的约束条件以及所述待填充像素点的初始值，对所述待填充像素点的值进行第一迭代处理，得到所述待填充像素点的粗处理值；以所述待填充像素点的粗处理值重新作为所述待填充像素点的初始值，根据能量方程和所述待填充像素点的初始值，对所述待填充像素点的值进行第二迭代处理，得到所述待填充像素点的细处理值，并将所述待填充像素点的细处理值作为所述待填充像素点的目标值；根据所述待填充像素点的目标值和所述滤波后的待修复图像中除所述待填充像素点以外的其他像素点的值，得到修复后的缩小图像；对所述修复后的缩小图像进行上采样，得到修复后的图像，所述修复后的图像的尺寸与所述待修复图像的尺寸相同。
[0007]根据第二方面，一种实施例中提供一种图像修复方法，包括：获取自适应缩小参数和自适应滤波参数；
根据所述自适应缩小参数和所述自适应滤波参数对所述待修复图像进行缩小和滤波处理，得到滤波后的待修复图像；获取所述滤波后的待修复图像中的待填充像素点以及所述待填充像素点的初始值；对所述滤波后的待修复图像中的待填充像素点进行粗处理或者精细化处理，得到所述待填充像素点的目标值；所述粗处理包括：基于最小化所有待填充像素点的梯度值的散度之和的约束条件，根据所述待填充像素点的初始值进行第一迭代处理，得到所述待填充像素点的粗处理值，并将所述待填充像素点的粗处理值作为所述待填充像素点的目标值；所述精细化处理包括：根据能量方程以及所述待填充像素点的初始值，对所述待填充像素点的值进行第二迭代处理，得到所述待填充像素点的细处理值，并将所述待填充像素点的细处理值作为所述待填充像素点的目标值；根据所述待填充像素点的目标值和所述滤波后的待修复图像中除所述待填充像素点以外的其他像素点的值，得到修复后的缩小图像；对所述修复后的缩小图像进行上采样，得到修复后的图像，所述修复后的图像的尺寸与所述待修复图像的尺寸相同。
[0008]根据第三方面，一种实施例中提供一种计算机可读存储介质，所述介质上存储有程序，所述程序能够被处理器执行以实现如上述第一方面或者第二方面的方法。
[0009]根据第四方面，一种实施例中提供一种电子设备，包括：一个或多个处理器；存储器；以及一个或多个计算机程序；其中所述一个或多个计算机程序被存储在所述存储器中；所述一个或多个处理器在执行所述一个或多个计算机程序时，使得所述电子设备实现如上述第一方面或者第二方面的方法。
[0010]依据上述实施例的图像修复方法和计算机可读存储介质，通过获取自适应得到自适应缩小参数和自适应滤波参数，从而可以根据待修复图像中无效像素点所形成的区域的尺寸自动匹配出相应的缩小参数和滤波参数，基于该自适应缩小参数和滤波参数对待修复图像进行缩小和滤波处理，得到滤波后的待修复图像，获取滤波后的待修复图像中的待填充像素点，并获取到较好的待填充像素点的初始值，处理的准确率更高，且在保证准确率的情况下，将图像进行缩小和滤波都可以减小后续图像处理的计算量，从而减少后续处理过程中的计算量，提高图像修复处理的效率，基于使得所有待填充像素点的梯度值的散度之和最小的约束条件以及待填充像素点的初始值，对待填充像素点的值进行第一迭代处理，得到待填充像素点的粗处理值，从而通过迭代的方式快速得到了待填充像素点的粗处理值，提高图像修复处理的效率，以待填充像素点的粗处理值重新作为待填充像素点的初始值，根据能量方程和待填充像素点的初始值，对待填充像素点的值进行第二迭代处理，得到待填充像素点的细处理值，并将待填充像素点的细处理值作为待填充像素点的目标值，通过将物理学中的能量方程引入到图像处理领域中，进行迭代求解，提高了图像处理的效率，使得修复后的图像边缘连续性较好，修复后的图像较自然，更加适应实时处理的应用场景。
附图说明
[0011]图1为本申请实施例提供的一种图像修复方法的流程示意图；
图2为本申请实施例提供的另一种图像修复方法的流程示意图；图3为本申请实施例提供的再一种图像修复方法的流程示意图；图4为本申请实施例提供的一种待修复图像；图5为本申请实施例提供的一种由图4所示的待修复图像得到的滤波后的待修复图像；图6为本申请实施例提供的一种由图5所示的滤波后的待修复图像得到的粗处理后的图像；图7为本申请实施例提供的一种由图6所示的粗处理后的图像得到的修复后的图像；图8为本申请实施例提供的一种由图6所示的粗处理后的图像在进行精细化处理后的图像。
具体实施方式
[0012]下面通过具体实施方式结合附图对本申请作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
[0013]另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。
[0014]本文中为部件所编序号本身，例如“第一”、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像修复方法，其特征在于，包括：获取自适应缩小参数和自适应滤波参数；根据所述自适应缩小参数和所述自适应滤波参数对待修复图像进行缩小和滤波处理，得到滤波后的待修复图像；获取所述滤波后的待修复图像中的待填充像素点以及所述待填充像素点的初始值；基于使得所有待填充像素点的梯度值的散度之和最小的约束条件以及所述待填充像素点的初始值，对所述待填充像素点的值进行第一迭代处理，得到所述待填充像素点的粗处理值；以所述待填充像素点的粗处理值重新作为所述待填充像素点的初始值，根据能量方程和所述待填充像素点的初始值，对所述待填充像素点的值进行第二迭代处理，得到所述待填充像素点的细处理值，并将所述待填充像素点的细处理值作为所述待填充像素点的目标值；根据所述待填充像素点的目标值和所述滤波后的待修复图像中除所述待填充像素点以外的其他像素点的值，得到修复后的缩小图像；对所述修复后的缩小图像进行上采样，得到修复后的图像，所述修复后的图像的尺寸与所述待修复图像的尺寸相同。2.一种图像修复方法，其特征在于，包括：获取自适应缩小参数和自适应滤波参数；根据所述自适应缩小参数和所述自适应滤波参数对所述待修复图像进行缩小和滤波处理，得到滤波后的待修复图像；获取所述滤波后的待修复图像中的待填充像素点以及所述待填充像素点的初始值；对所述滤波后的待修复图像中的待填充像素点进行粗处理或者精细化处理，得到所述待填充像素点的目标值；所述粗处理包括：基于使得所有待填充像素点的梯度值的散度之和最小的约束条件，根据所述待填充像素点的初始值进行第一迭代处理，得到所述待填充像素点的粗处理值，并将所述待填充像素点的粗处理值作为所述待填充像素点的目标值；所述精细化处理包括：根据能量方程以及所述待填充像素点的初始值，对所述待填充像素点的值进行第二迭代处理，得到所述待填充像素点的细处理值，并将所述待填充像素点的细处理值作为所述待填充像素点的目标值；根据所述待填充像素点的目标值和所述滤波后的待修复图像中除所述待填充像素点以外的其他像素点的值，得到修复后的缩小图像；对所述修复后的缩小图像进行上采样，得到修复后的图像，所述修复后的图像的尺寸与所述待修复图像的尺寸相同。3.如权利要求1或2所述的方法，其特征在于，所述获取自适应缩小参数和自适应滤波参数，包括：获取预设的抽取参数；根据如下公式得到自适应滤波参数：
其中，M是滤波参数，S是抽取参数，符号表示向上取整运算，max( )表示取最大值运算；根据如下公式得到自适应缩小参数：其中，R是缩小参数，M是滤波参数，S是抽取参数，符号表示向上取整运算，符号表示向下取整运算。4.如权利要求1或2所述的方法，其特征在于，所述使得所有待填充像素点的梯度值的散度之和最小的约束条件包括：其中，p是待填充像素点，R是待填充像素点构成的集合，min表示取最小值运算，u
xx
(p)表示待填充像素点在x方向的二阶偏导数，u
yy
(p)表示待填充像素点在y方向的二阶偏导数。5.如权利要求1或2所述的方法，其特征在于，所述能量方程包括：其中，u
t
是待填充像素点在扩散时间为t时的值，u是待填充像素点的值，t为扩散的时间，是梯度算子，div是散度算子，g是梯度的权重函数，且g为梯度的单调递减函数，c为常数。6.如权利要求1或2所述的方法，其特征在于，所述获取所述滤波后的待修复图像中的待填充像素点以及所述待填充像素点的初始值，包括：获取所述滤波后的待修复图像中的待填充像素点；获取所述滤波后的待修复图像中的待填充像素点的当前值，或者基于均值滤波的图像填充算法对所述滤波...

【专利技术属性】
技术研发人员：魏宇明，杨洋，黄涛，黄淦，
申请(专利权)人：深圳市华汉伟业科技有限公司，
类型：发明
国别省市：