基于Criminisi算法的图像修复系统实现

资 源 简 介

本系统利用MATLAB环境实现了经典的图像修复（Image Inpainting）功能，旨在通过算法自动填充和恢复图像中丢失、损坏或被故意遮挡的区域。系统核心采用了经典的基于样本块的Criminisi修复算法，能够有效处理较大的缺损区域并保持纹理的长程连贯性。主要功能模块包括图像读取与显示、掩码区域检测、修复边界提取、修复优先级计算。在修复过程中，系统会计算待修复块的优先级，该优先级由反映结构连续性的数据项和反映像素已知程度的置信度项共同决定。系统通过在图像已知区域内搜索与目标位置相似度最高（采用平方差之

详 情 说 明

基于MATLAB的经典图像修复系统

项目介绍

本系统是一款基于MATLAB环境开发的图像修复工具，专门用于自动填充图像中的缺失或受损区域。系统实现了经典的Criminisi（基于样本块）修复算法，该算法通过分析受损区域周边的纹理和结构信息，能够处理较大面积的破损，并保持图像在色彩和结构上的逻辑连贯性。

功能特性

• 自动测试数据生成：系统内置测试数据生成模块，可自动创建一个包含渐变背景、几何线条和特定形状的彩色合成图像，并添加模拟损坏掩码。
• 结构与纹理同步修复：通过计算修复优先级，兼顾了图像的线性结构（数据项）和已知像素的可信度（置信度项）。
• 智能样本块匹配：采用平方差之和（SSD）准则，在全局已知区域内搜索最匹配的样本块。
• 多维度结果分析：修复完成后，系统会自动展示原始图像、修复掩码、修复后的最终图像以及修复过程中产生的优先级分布分布图。
• 自适应边界更新：系统在每次迭代中都会动态更新受损区域边界（填充前沿），实现闭环修复。

系统要求

• 软件环境：MATLAB R2016a 或更高版本。
• 工具箱：基础MATLAB环境（无需额外的图像处理工具箱即可运行核心逻辑，代码中通过基础矩阵运算实现了卷积和梯度计算）。

实现逻辑与算法细节

#### 1. 系统主控流程 系统首先初始化图像数据和修复掩码（逻辑矩阵，其中1表示缺失区域）。修复过程采用迭代方式，核心逻辑循环执行，直到掩码中的所有受损像素被完全填满。每一轮迭代都包含边界提取、优先级计算、匹配块搜索和状态更新四个核心步骤。

#### 2. 修复边界提取 为了确定修复的顺序，系统利用卷积运算识别出当前待修复区域与已知区域的交界处。通过特定的核矩阵进行膨胀操作并与原掩码求并集，从而精确锁定“填充前沿”（Fill Front），即所有待修复块的中心点备选集。

#### 3. 修复优先级计算 这是Criminisi算法的核心。对于边界上的每一个像素点，系统计算其优先级 P = C * D：

• 置信度项 (C)：反映了目标块中已知像素所占的比例。越靠近已知区域的点，置信度越高。
• 数据项 (D)：反映了结构的连续性。系统通过计算图像梯度的正交向量（等值线方向）与待修复边界法向量的乘积，使得由已知区域指向目标区域的线性结构（如边缘、线条）获得更高的修复优先级。

#### 4. 相似样本块搜索 针对优先级最高的中心点，系统定义一个固定大小的局部窗口（默认9x9）。随后在全图的已知区域（不含缺失像素的部分）进行滑动窗口搜索。搜索准则采用平方差之和（SSD），仅计算目标块中“已知部分”与备选源块对应部分的像素差异。为了提升计算效率，搜索过程采用了步进式扫描。

#### 5. 状态迁移与参数更新 一旦找到最佳匹配块，系统将执行以下操作：

• 将最佳匹配块中的纹理信息精确拷贝到目标区域的缺失像素位置。
• 更新掩码矩阵，将已修复像素标记为已知状态。
• 更新置信度矩阵，将新填充区域的置信度设置为该块中心点的优先级值，为下一轮迭代提供参考。

#### 6. 结果可视化输出 系统最终通过四屏对比图展示修复效果：

• 展示修复前的原始受损视觉。
• 展示白色的修复掩码范围。
• 展示视觉上自然过渡的修复结果。
• 展示优先级分布热力图，用于分析算法在处理不同结构点时的操作顺序。

使用方法

1. 将系统代码保存在MATLAB的工作目录下。
2. 在命令行窗口直接调用主函数（main）。
3. 程序将自动生成测试图像并开始修复，命令行会实时显示剩余待修复像素的进度。
4. 修复完成后，程序会自动弹出图形界面展示最终对比结果。