最近遇到一個需求，從相機獲取的數據局部區域存在空值，即那些地方沒有有效數據，如果直接賦值爲0，則很有可能得到錯誤的結果，如果不填充值，很多算法又無法進行，因此，需要一種填充算法把這些空白區域設置成合適的值。 我想了一下，有幾個算法可 能可以解決這個問題：
1、inpainting（修復）算法，Inpainting本身就是一種修復算法，可以從周邊領域的信息填充未知區域的值，這個開源的在Opencv裏有2種。
但是這個算法的步驟實際上都是迭代算法，一步一步由空值邊緣向空值內部慢慢填充，直到填充完成或者達到指定的迭代步數。
2、PS裏的智能填充算法或者類似效果，當然PS沒開源，不過一個類似的結果就是PatchMatch算法，這個在百度上可以搜到很多。
3、還有一個就是模糊算法，但是如果是直接模糊，很明顯一個會破壞那些正常的值，二是空值區域模糊後的值明顯偏低很多，因爲那個取樣可能很多去取到的都是空值。
所以要適當修改模糊算法，一個可行的方法就是當領域的像素是空值時，這個像素不參與模糊。這樣，只有那些有用的信息才參與計算。另外，爲了不影響正常的值或者說有效區域的數據，只有那些是空值的地方纔需要模糊。
通過這樣的修改，只要取適當的模糊半徑， 就可以利用空值周邊有用的信息來填充空值區域了，而且空值處的填充值也是和領域有關的，不是隨機值，體現了領域相關性。
帶來的問題時，原先高效的均值模糊算法，因爲有了空值區域判斷，無法在直接使用了，需要考慮適當的修改來解決這個問題。
這個問題的解決方案還是得靠積分圖技術：
我們首先可以從原始數據中根據空值的分佈得到一副只有0和1元素的蒙版圖（假定1表示有效值區域，0表示空值區域），接着我們計算兩幅積分圖像：
一是 原始數據的積分圖，但是注意在做積分圖累加時，如果遇到空值，則不進行累加或者說累加值爲0.
二是 蒙版圖的累加，同樣是遇到空值，不累加，遇到有效值累加1。
有了這個基礎，下面的求均值的部分和普通的用積分圖來求均值的方案是一樣的了，這是在求均值時還要加上目標區域是否是空值的判斷 。
如下圖所示，左圖中那些純黑色的部分（像素值爲0）即爲空值區域，右圖是模糊半徑爲20的時候的修復效果，無效區域均有了有效值（右圖有些邊界很明顯，這個其實可以通過適當的放款無效點的範圍來改進）。
在處理效率上，對於浮點的數據，一份大概1000*1000的單通道數據，任意半徑的處理耗時是在8ms左右，還是相當的快的。
感覺這個算法也可以用到小範圍的人臉祛痘算法上。
翻譯
搜索
複製