基于深度图像修复实验报告.docVIP

基于深度的图像修复 一.实验目的 1、学会单幅图像的修补 2、学会结合彩色图像和深度图像的图像修补 二.实验原理 1图像修补简介----单幅图像修补 图像中常有缺失或者损坏的部分，即空白区域或者有误的区域。图像修补就是根据这些区域周围的信息完成对空白区域的填充，以实现图像的恢复。 基本方法 图像修补的基本方法示例 示例方法2 选取空白点周围的一片区域，对区域内的参考点进行加权求和，其结果用于对空白点的修补。若所选窗口太小，即窗口中无参考点，则将窗口扩大。 2图像修补简介----利用深度图的图像修补 1图像的前景与背景 实际场景中存在前景与背景的区别，前景会遮挡背景，而且前景与背景往往差距比较大。 2深度图 用于表示3D空间中的点与成像平面距离的灰度图。0~255表示，灰度值越大，表示场景距离成像平面越近，反之，灰度值越小，表示场景距离成像平面越远。 前景的灰度值大，背景的灰度值小。 如下左彩色图，右深度图 3普通的图像修补区分不了图像的前景和背景，简单的加权求和填补空白点的方法会导致前景和背景的混杂。引入深度图之后，可以利用深度图区分图像的前景和背景，在对背景进行修补的时候，可以利用深度图滤除那些前景参考点的影响，从而使背景的空白点只由背景点加权求和得到，前景亦然。 三.实验步骤 1读入一个像素点，判断其是否为空白点。 2若不是空白点，则跳过该点，判断下一个点。 3若该点是空白点，则用前面所述的方法进行加权修补。 4对图像中的每一个点都进行如此处理，直至全图处理完毕，则图像修补完成。 四.实验要求 1独立编码完成实验单幅图像修补利用深度图的图像修补。 2 比较实验结果的差别，并分析原因，完成实验报告。 五.用MATLAB编写实验代码 对于单幅图像以及结合深度图像的修补，其实区别就是是否考虑了深度图像的灰度权重（其实就是0和1），虽然效果图区别很小，但是通过深度图还是可以反映出其立体三维空间的。为了能较好的对比，我把两种方法的比较融合在一条件语句中，在下面的深度图像代码中用红色字体标注。同时深度图像变量用绿色字体标注。 那么要变成单幅图像的修补代码就很简单了，只要将条件语句 depthpos=A(xstart:xend,ystart:yend)3abs(B(xstart:xend,ystart:yend)-basedepth)6; 改为 depthpos=A(xstart:xend,ystart:yend)3;即可 下面是完整的代码 利用深度图像的修补代码 clear all close all I=imread(pollutedim.bmp); B=imread(depth.bmp); B=rgb2gray(B); imshow(I),title(原始受污染的图像) [m,n,hh]=size(I); A=rgb2gray(I);%彩色图转换灰度图 I1=I; [rowind,columnind]=find(A4);%灰度图中小于4灰度值的认为是受到污染的像素,统计受污染像素的位置，rowind和columnind均是向量，并且两者一一对应组成位置坐标 pointnum=length(rowind);%受污染像素的个数 rowstart=rowind-20;rowend=rowind+20;%统计每个受污染像素修复模板的起，止行 rowstart(rowstart1)=1;rowend(rowendm)=m;%起始行不能小于1，终止行不能大于m columnstart=columnind-20;columnend=columnind+20;%统计模板的起，止列 columnstart(columnstart1)=1;columnend(columnendn)=n;%以基准点（受污染点）为中心41*41模板 for num=1:pointnum%对每个受污染的像素进行修复 x=rowind(num); y=columnind(num); basedepth=B(x,y);%深度图基准点灰度值 xstart=rowstart(num); xend=rowend(num); x1=x-xstart+1;%得到基点的相对坐标 ystart=columnstart(num); yend=columnend(num); y1=y-ystart+1;%得到基点的相对坐标 depthpos=A(xstart:xend,ystart:yend)3abs(B(xstart:xend,ystart:yend)-basedepth)6; %参与加权的像素与基准点相差小于6的深度图像素点且不能是受污染点 [locind1,locin