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
答案 0 :(得分:8)
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:
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。
答案 1 :(得分:5)
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。
答案 2 :(得分:2)
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.