通过周围像素的平均值移除图像中的孔

Question

任何人都可以帮助我用相邻非零像素的值填充这些黑洞。 感谢

Answer 1

这样做的一个好方法是解决linear heat equation。你所做的是修复好区域中像素的“温度”（强度），让热量流入坏像素。一个可通过但有点慢的方法是重复对图像进行平均，然后使用newImage(~badPixels) = myData(~badPixels);将好像素设置回原始值。

我执行以下步骤：

1. 找出图像为零的坏像素，然后扩大以确保我们得到所有内容
2. 应用大模糊让我们更快开始
3. 平均图像，然后将好像素设置回原来的
4. 重复步骤3
5. 显示

您可以重复平均，直到图像停止变化，并且您可以使用较小的平均内核以获得更高的精度 - 但这会产生良好的结果：



代码如下：

numIterations = 30;
avgPrecisionSize = 16; % smaller is better, but takes longer

% Read in the image grayscale:
originalImage = double(rgb2gray(imread('c:\temp\testimage.jpg')));

% get the bad pixels where  = 0 and dilate to make sure they get everything:
badPixels = (originalImage == 0);
badPixels = imdilate(badPixels, ones(12));

%# Create a big gaussian and an averaging kernel to use:
G = fspecial('gaussian',[1 1]*100,50);
H = fspecial('average', [1,1]*avgPrecisionSize);

%# User a big filter to get started:
newImage = imfilter(originalImage,G,'same');
newImage(~badPixels) = originalImage(~badPixels);

% Now average to
for count = 1:numIterations
   newImage = imfilter(newImage, H, 'same');
   newImage(~badPixels) = originalImage(~badPixels);
end

%% Plot the results
figure(123);
clf;

% Display the mask:
subplot(1,2,1);
imagesc(badPixels);
axis image
title('Region Of the Bad Pixels');

% Display the result:
subplot(1,2,2);
imagesc(newImage);
axis image
set(gca,'clim', [0 255])
title('Infilled Image');

colormap gray

但是您可以使用图像处理工具箱中的roifill来获得类似的解决方案，如下所示：

newImage2 = roifill(originalImage, badPixels);

figure(44);
clf;
imagesc(newImage2);
colormap gray

注意我使用的是之前定义的相同badPixels。

Answer 2

Matlab文件交换上有一个文件， - inpaint_nans完全符合您的要求。作者解释了为什么以及在哪种情况下它优于Delaunay三角测量。

Answer 3

要填充一个黑色区域，请执行以下操作：

1）识别包含黑色区域的子区域越小越好。最好的情况只是黑洞的边界点。

2）通过以下方式创建子区域内非黑点的Delaunay三角剖分：

 tri = DelaunayTri(x,y); %# x, y (column vectors) are coordinates of the non-black points.

3）通过以下方式确定Delaunay三角形的黑点：

[t, bc] = pointLocation(tri, [x_b, y_b]); %# x_b, y_b (column vectors) are coordinates of the black points
tri = tri(t,:);

4）插值：

v_b = sum(v(tri).*bc,2); %# v contains the pixel values at the non-black points, and v_b are the interpolated values at the black points.