基于鄰域信息配準的計算機圖像修復技術

中圖分類號：G633.67 文獻標志碼：A 文章編號：2095-2945（2025）21-0167-04

Abstract：ImagesareimportantcariersofinformationandplayacrucialroleintheinformationsocietyInordertoachieve effectiveestorationofdamagedareasinimages，thispaperproposesanewneighborhoodbasedrestorationmethod.Thismethod firstidentifiesthedamagedareaintheimageandcomparesthebrightnessdiferencebetweenthedamagedareaandthe surroundingarea.Furthermore，suitableneighboringimagesubblocksareselectedandcomparedwithneighboring imagesub blocksaround’thedamagedareatodeterminetheoptimalimagesubblock.Afterthat，thepixelsinthedamagedareaare repairedstepbysteptorestorethecompleteimagearea.Toverifytheefectivenessofthismethod，repairexperimentswere conductedonnetworkvideoimages，imagesofwomenwearingheadscarves，imagesofbabonfaces，andimagesofboardwalks. Theresultsshowedthattheproposedrepair methodcanefectivelyrepairdamagedareasinimagesandhasrobustness inrepair performance for different types of images.

Keywords： image inpainting; single frame inpainting; dynamic inpainting; robustnes;theoretical model

人類進入信息時代以來，各種類型的信息呈現出爆炸式增長的態勢。從信息的承載方式來看，分別有文字、語音、圖像和視頻等手段。其中，圖像含有最為豐富的信息，包括圖像的內容、圖像的紋理、圖像的特征、圖像的深層語義信息等等。不僅如此，圖像還是構成視頻信息的基本單元。單幅圖像呈現的是靜態的二維視覺效果，而連續多幅圖像按照一定順序和規律播放出來，就會成為視頻。所以，視頻信息也可以看成是圖像序列的動態效果。在信息社會里，圖像及視頻以信息量大、表達信息豐富生動、能夠迅速引起瀏覽者的關注和共鳴，而成為最重要的信息載體。但是，圖像也會面臨著各種問題和攻擊。如在存儲過程中，圖像被惡意的編輯、篡改，或者在拍攝過程中，圖像出現模糊、清晰度不夠的問題。動態圖像序列則會因為丟幀，而表現出視頻效果不連續等。當圖像信息出現不同程度的問題時，就需要圖像修復技術來修補缺失的局部、改善圖像的清晰度和對比度，以提升圖像質量達到復原圖像原始信息的目的。本文中，就是以圖像修復為核心研究內容，提出了一種基于鄰域信息配準的修復方法。本文的方法主要針對的對象，是計算機存儲格式下的數字圖像，修復技術的效果將通過實驗加以驗證。

1基于鄰域信息配準的修復方法

圖像修復在實際中有不同的分類，例如對于單幅的靜態圖像修復、對視頻的多幅圖像修復。其中，單幅圖像修復是視頻圖像修復的基礎。但是，單幅圖像的修復會相對比較局限，只能在圖像內部尋找可用的信息完成破損或缺失區域的修復。相比較而言，視頻圖像修復就有了比較靈活的選擇。一方面，視頻圖像中的某一幀圖像出現破損，可以采用單幅圖像的修復方法進行修復，稱之為幀內修復。另一方面，某一幀圖像的修復，也可以根據該幀圖像的前一幀或后一幀，找到圖像間的關聯信息來完成修復，也就是幀間修復或者關聯修復。本文采取的是單幅圖像修復，即用缺失圖像的鄰域信息對缺失部分進行補足。

1.1圖像修復方法的理論模型

圖像的基本構成單位是像素，一幅 100×100 像素的圖像，總像素數就達到了 10000 。目前，高清圖像的分辨率都非常高，基本都可以達到 1028×768 像素級別，甚至是更高。這種圖像的像素規模達到70萬像素以上。對于這樣大的圖像，如果整體上進行圖像處理就需要占用非常大的內存空間，因此一般要進行分塊處理。圖像的分塊處理也給圖像修復提供了基本思路。

如果一幅較大的圖像已經被分割成多個不同的子塊，那么可以用 M×M 表示分割后的圖像子塊總數。為了便于標記，設定原始圖像的左上角為基準點，其橫縱坐標用 （i，j） 表示。這樣，原始圖像的某一個局部映射到子塊圖像時，就存在下面的數學變化，如公式（1）所示

y_i+m，j+n?w（y_i+m，j+n），

式中： w 為原始圖像的某一個局部到子塊圖像的映射函數，這里的映射關系可以刻畫成如下的形式，如公式（2）所示

式中： R 為映射過程中的實數； p 為階。

進一步用 y_i，j 表示 （i，j） 坐標上缺失的像素，用 y_i，j^new 表示坐標上修復的像素。再給每一個像素配置一個是否缺失的標記函數 Π_gi，j ，如果 （i，j） 坐標上的像素缺失則有 g_i，j=1 ；如果 （i，j） 坐標上的像素正常則有 g_i，j=0 。

至此，當判斷出某一坐標上的像素需要修復時，可以按照其周圍的鄰域信息進行配準修復，如公式（3）所示

式中： （k，l） 為配準圖像子塊的左上角像素位置。

根據公式（3）可以納入修復的鄰域像素總數，如公式（4）所示

為了盡可能避免圖像修復效果的模糊，在所有可能的修復效果 S_M 中選擇最小的子塊進行修復。如果缺失像素周圍鄰域信息也都缺失，則延續之前的修復結果進行蔓延修復，如公式（5）所示

1.2 圖像修復方法的實現流程

在前面的工作中，給出了基于鄰域信息的圖像修復思路和方法，包括缺失像素和修復像素的標記處理，如何從缺失邊緣區域向缺失內部區域擴展和蔓延，等等。為了便于圖像修復方法在實際中的運用，進一步給出這種方法的修復流程，如下所示。

方法的第一階段：確定圖像中出現破損或像素缺失的區域，進而確定這一區域各邊緣處的像素，再找到這些像素的鄰域。通過設定好鄰域的范圍大小，確定好算法執行過程中的圖像子塊的大小。

方法的第二階段：取缺失區域邊緣的一個像素及其周圍的鄰域，形成第一個搜索圖像子塊，在整個圖像區域上進行搜索和配準，找到一系列相似的圖像子塊，等待進一步的處理。

方法的第三階段：執行公式（3）公式（4）公式（5）的操作和處理，在上一階段中選取出的各個候選圖像子塊中，排列出優先級順序，從而得到和缺失破損區域最為相似的圖像子塊。

方法的第四階段：用上一個階段得到的最為合理、可信度最高、最為相似的圖像子塊，對圖像中缺失或破損的區域進行修復，從而得到修復后的完整圖像。

在修復算法執行的過程中，需要注意的關鍵點在于：像素缺失和區域破損以后，這部分區域一般呈現為白色，在亮度上體現為像素灰度為255的點。所以，實際上，整個修復過程中，圖像不同區域的亮度差異變化，就成為確定破損區域、確定相似圖像子塊的關鍵。因此，這里設置了一個亮度相關的映射函數，以偏導函數的計算來實現，如下

公式（6）中，部分參數的詳細計算如下所示

2計算機圖像修復實驗

2.1馬賽克圖像的修復效果

在前面的研究工作中，針對計算機圖像的修復問題，提出了一種修復方法。這種修復方法以破損區域像素的鄰域信息進行修復，通過不斷地搜索、配準尋找最為相似的圖像區域完成修復，進而給出了這種修復方法的詳細實現流程和修復過程中的關鍵點。

為了驗證所提出的方法對于計算機圖像修復的有效性，接下來展開實驗研究。第一組實驗，主要是針對網絡視頻圖像中某一幀的修復。因為網絡中硬件資源的不同、帶寬和網速的差異，視頻圖像這樣的較大文件，在網絡中傳輸時面臨丟包的問題。這里的一個數據包，就對應著圖像中的某個區域的像素。一但這個數據包丟失了，圖像中某一個區域就會出現模糊、花斑的情況，這也稱之為馬賽克效應。

第一組實驗，就是針對網絡視頻圖像中的某一幀中出現的馬賽克區域，進行修復的測試，結果如圖1、圖2、圖3所示。

如圖1所示，是網絡視頻圖像中某一幀含有馬賽克效應的圖像。從圖像的整體內容來看，這是一位運動員在進行臺球比賽，并正在仔細觀察球臺上的情況，為出桿擊球做準備。圖像大致分為3類區域，球臺區域、運動員、背景區域。出現馬賽克的區域正好是球員胳膊區域和球臺的交界處。

如圖2所示，是按照本文方法對馬賽克區域進行修復的具體情況，在鄰域信息配準的修復方法之下，修復算法從破損區域的邊緣不斷向內進行修復，修復過程中一直尋找最為相似的圖像子塊，相似性的判斷依據就是鄰域信息的總體相似性。從視覺效果來看，經過修復取得了很好的效果。

如圖3所示，是用修復后的圖像子塊替代馬賽克區域，形成對臺球比賽圖像幀的完整修復效果。從修復后的效果可以看出，雖然修復區域存在一定的模糊，但是相比于原來的馬賽克效應，已經有了非常大的改善。這也從視覺效果上證實了所提出的修復方法的有效性。

2.2 其他圖像的修復效果

為了證實所提出的修復方法的有效性，進一步針對其他類型的圖像進行修復實驗，這也是本文中的第二組實驗。第二組實驗中，分別選擇了戴頭巾的女人、狒狒的臉、棧道3組圖像，這些圖像中存在一定破損，破損區域有大有小，然后分別按照本文所提出的方法進行修復，取得的結果分別如下。

戴頭巾的女人的破損圖像和按照鄰域信息修復方法得到的修復結果圖像，分別如圖4、圖5所示。

狒狒的臉的破損圖像和按照鄰域信息修復方法得到的修復結果圖像，分別如圖6、圖7所示。

從上述3組圖像的修復實驗結果可以看出，戴頭巾的女人、狒狒的臉，這2組圖像的破損區域都比較小，選取周圍足夠多的鄰域信息，就取得了非常好的修復效果。修復后基本上很難區分原有的破損區域在什么位置。棧道圖像的破損區域則明顯較大，但是用鄰域信息的修復方法仍然得到了較好的修復效果，只是會存在一定程度的修復痕跡。

這一組實驗證實了所提出的修復方法的有效性，對于不同類別的修復都具有較好的效果。同時，要進一步提升修復效果，應該減少破損區域或增大修復鄰域。當然，鄰域信息量的增大會增加修復算法的執行時間，這就需要根據具體的情況進行選定。

3 結束語

棧道破損圖像和按照鄰域信息修復方法得到的修復結果圖像，分別如圖8、圖9所示。

作為視覺信息的重要載體，圖像不僅包含直觀的視覺內容與紋理特征，更蘊含著豐富的語義層次，其作為視頻構成的基本單元，通過時序排列形成動態影像。在實際應用中，靜態圖像常遭遇惡意篡改、壓縮失真或拍攝模糊等技術性損傷，而視頻序列則因傳輸丟幀導致畫面斷裂。這些信息損耗現象促使圖像修復技術不斷發展，通過智能算法對受損區域進行內容重建，優化分辨率與色彩還原度，同時針對視頻流實施幀間補償與運動補償，最終實現視覺信息的完整性恢復與質量提升，確保原始數據在數字環境中的真實再現。本文為了實現圖像修復提出了一種新的方法，并通過2組實驗進行驗證，證實了所提出算法的修復能力及對不同類型圖像的修復性能的魯棒性。

參考文獻：

[1]胡正平，劉文，許成謙，等.局部自適應學習基稀疏約束結合信息優先權選擇擴散的迭代圖像修復算法研究[J].儀器儀表學報，2010，31（3）：600-605.

[2]黃巧玲，鄭伯川，丁梓成，等.融合監督注意力模塊和跨階段特征融合的圖像修復改進網絡[J].計算機應用，2024，44（2）：572-579.

[3]開志強，苗錫奎，馬天磊，等.基于全局語義學習和顯著目標感知的激光干擾圖像修復[J].儀器儀表學報，2024，45（7）：38-51.

[4]豆遠航，崔學習，鐘馨平，等.基于深度學習的非接觸應變測量網格圖像修復技術[J].鍛壓技術，2024，49（8）：195-204，213.