matlab练习程序(TV模型图像修复).docVIP

matlab练习程序（TV模型图像修复） 曾经想要实现过Bertalmio图像修复算法，无奈自身实力不够，耗费两天时间也没能实现。昨天博客上有人问到TV模型，这个模型我过去是没听说过的，于是就找来相关论文研究了一下，发现TV模型也可以用来修复图像，于是就有了想实现的想法。用到的偏微分方程技巧和各项异性扩散很像。 先看看效果吧： 原lena: 随手截的噪声图： 合成的需要修复的图： 修复后的图（没有处理边界）： 对于从来没有接触过图像修复的我来说，效果真是惊艳了。 下面介绍运算步骤： 和各项异性扩散类似，整个算法也是基于迭代的，迭代公式如下： 其中Io代表当前处理的像素，Ip代表邻域像素，p就可以取news四邻域。H定义如下： 这里的lambda为自定义的平滑系数。wp的定义如下： 这里a同样是自定义。 结合上图在看up散度，将p取e来看ue定义如下： 这里的h就是1了。 如此上述所有公式倒着运算不断迭代就可以了，迭代次数可自定义，或是不断迭代直到某条件成立都是可以的。 matlab代码如下，并不长，变量名和公式名是一一对应的： close all; clear all; clc; img=double(imread(lena.jpg)); mask=rgb2gray(imread(ma.jpg))160; [m n]=size(img); for i=1:m for j=1:n if mask(i,j)==0 img(i,j)=0; end end end imshow(img,[]); %合成的需要修复的图像 lambda=0.2; a=0.5; imgn=img; for l=1:300 %迭代次数 for i=2:m-1 for j=2:n-1 if mask(i,j)==0 %如果当前像素是被污染的像素，则进行处理 Un=sqrt((img(i,j)-img(i-1,j))^2+((img(i-1,j-1)-img(i-1,j+1))/2)^2); Ue=sqrt((img(i,j)-img(i,j+1))^2+((img(i-1,j+1)-img(i+1,j+1))/2)^2); Uw=sqrt((img(i,j)-img(i,j-1))^2+((img(i-1,j-1)-img(i+1,j-1))/2)^2); Us=sqrt((img(i,j)-img(i+1,j))^2+((img(i+1,j-1)-img(i+1,j+1))/2)^2); Wn=1/sqrt(Un^2+a^2); We=1/sqrt(Ue^2+a^2); Ww=1/sqrt(Uw^2+a^2); Ws=1/sqrt(Us^2+a^2); Hon=Wn/((Wn+We+Ww+Ws)+lambda); Hoe=We/((Wn+We+Ww+Ws)+lambda); How=Ww/((Wn+We+Ww+Ws)+lambda); Hos=Ws/((Wn+We+Ww+Ws)+lambda); Hoo=lambda/((Wn+We+Ww+Ws)+lambda); imgn(i,j)=Hon*img(i-1,j)+Hoe*img(i,j+1)+How*img(i,j-1)+Hos*img(i+1,j)+Hoo*img(i,j); end end end img=imgn; end figure; imshow(img,[])