基于改进Criminisi算法的图像修复与目标移除系统

资 源 简 介

该项目旨在实现并进一步优化经典的Criminisi图像修复算法，主要用于解决数字图像中大区域受损或目标移除后的视觉重建问题。在应用背景上，传统的偏微分方程（PDE）修复模型虽能处理细窄区域，但在面对大面积损伤时容易产生模糊感；而普通的纹理合成技术则往往无法兼顾图像的结构特征。本项目算法通过基于样例的修复策略，实现了纹理与结构的同步处理。其核心功能流程包括：首先识别并定义待修复区域及其边缘边界；随后计算边界上各像素点的修复优先权。针对原始算法在等照度线与法向量垂直时优先权失效的问题，本项目不仅依赖置信度项，

详 情 说 明

基于改进Criminisi算法的图像修复系统

项目介绍

本项目实现并优化了经典的Criminisi图像修复算法，主要用于解决数字图像中大区域受损重建或目标移除后的视觉修复问题。传统的修复方法往往在处理大面积损伤时容易导致模糊或结构断裂。本项目通过基于样例的修复策略，实现了纹理与结构的同步处理。算法通过优先计算图像边缘的修复权值，确保重要的结构信息（如直线、边缘）能够优先延伸，并结合局部搜索优化策略，在保证修复质量的同时大幅提升了运行效率。

主要功能特性

• 结构优先修复：通过计算待修复区域边界的置信度和数据项，确保结构丰富的边缘区域优先得到填充，维持图像几何结构的自然延续。
• 改进的梯度项计算：引入了带偏置的数据项计算逻辑，防止在等照度线与法向量垂直时出现修复停滞，增强了算法的健壮性。
• 局部窗口搜索优化：将全局样本匹配改进为基于待修复点位置的局部窗口搜索，减少了计算量，显著缩短了大型图像的修复耗时。
• 双重相似性度量：在匹配样本块时，利用已知像素的颜色平方差（SSD）进行精细化筛选，寻找色彩与纹理最匹配的补丁。
• 实时进度监控与多维度分析：修复过程中动态监控迭代状态，并在完成后输出置信度演变图和修复效率报告。

系统要求

• 软件环境：MATLAB R2016b 或更高版本。
• 工具箱：需要安装 Image Processing Toolbox（图像处理工具箱）。
• 硬件要求：建议 8GB RAM 以上，以便处理高分辨率图像。

实现逻辑与核心算法

系统的运行遵循严格的迭代逻辑，主要包含以下四个关键环节：

1. 初始化与数据准备

系统首先定义模板块大小和搜索窗口半径。对于待修复图像，初始化置信度矩阵，将已知区域像素的置信度设为1，待修复区域（掩模覆盖区）设为0。

1. 边界识别与优先权计算

在每轮迭代中，系统利用形态学膨胀操作提取当前掩模的边缘。针对边缘上的每个点，计算其修复优先权：

• 置信度项 (C)：反映了当前块内已知信息的占比。
• 数据项 (D)：通过计算图像梯度获得的等照度线向量与边界法向量的点积，反映了结构信息流向边界的强度。算法特别加入了微小偏移值，避免优先权清零。

1. 最佳匹配块搜索

选定具有最高优先权的点作为中心点。算法在设定的局部搜索半径范围内，遍历所有不包含待修复像素的源区域块。通过计算候选块与目标块已知区域的像素颜色平方差（SSD），找到最相似的样本块。

1. 区域填充与参数更新

将最佳匹配块的颜色数据覆盖到目标块的掩模区域。随后更新该区域的置信度值（取自该块已知部分的平均置信度）并收缩掩模范围。此过程循环往复，直至所有受损像素被填充。

关键功能模块分析

• 测试数据生成：系统内置了自动生成测试图像的功能，可创建带有渐变背景和多条干扰直线结构的图像，用于模拟复杂的结构修复场景。
• 梯度与法向量计算：利用Sobel算子和梯度函数提取图像的结构方向。在计算过程中，系统通过屏蔽待修复区域来忽略噪声干扰。
• 局部寻优策略：相比传统的全局扫描，局部搜索极大地缩小了搜索空间，其时间复杂度由图像尺寸决定降低为由窗口半径决定。
• 可视化评估系统：修复结束后，系统会自动弹出多维视图，包括修复前后的对比图、掩模分布图、置信度空间映射图以及记录算法收敛过程的置信度演变曲线，并生成包含运行时间、迭代次数等指标的综合报告。

使用方法

1. 启动 MATLAB 软件，将工作目录切换至本项目代码所在路径。
2. 运行主函数脚本。
3. 系统将自动执行测试数据生成、边界提取、迭代修复及结果展示。
4. 在控制台窗口可以实时观察修复进度（待修复像素数的减少情况）。
5. 修复完成后，交互式窗口将展示最终修复图像及算法性能分析报表。