图像修复

图像修复者需要采取最恰当的方法恢复图像的原始状态，同时保证图像达到最理想的艺术效果。早在 文艺复兴时期，人们就开始修复一些中世纪 的 艺术品，其目的在于通过填补一些裂缝来使画面恢复原貌，这一工作就称之为“Inpainting”(修复，润饰)或“Retouching”。M.Bertalmio首次提出许多 图像修复能被简化为一个数学表达式，利用 计算机能自动加以实现。 图像修复现已是 计算机图形学和计算机视觉中的一个研究热点，在 文物保护、影视特技制作、 虚拟现实、多余物体剔除（如视频图像中删除部分人物、文字、小标题等）等方面有着重大的应用价值。

修复不完全的 图像、去除污物、去除文字、去除不想要的目标，最终达到完美的效果。

修复效果

偏微分方程 的方法：Bertalmio采用偏微分方程（PDE）的方法进行 图像修复，取得了较好的效果。用户需指定需要修复的区域， 算法将待修补的区域 边界的等值线外部的信息沿轮廓法向扩散到中间待修补的 象素上。该 算法利用局部颜色的光滑度沿着等值线扩散，考虑了各向异性的扩散，以保证边缘处的 边界连续，但该方法计算不稳定。

整体变分方法和基于曲率的扩散模型：整体变分方法(TV，TotalVariational)采用了欧拉－拉格朗日方程和各向异性的扩散，基于曲率的扩散模型(CDD，Curvature-DrivenDiffusion)方法是整体变分方的一种扩展，在扩散过程中考虑了轮廓的几何信息（曲率），可以处理较大的区域，但 边界处往往很模糊。

高斯卷积核对图像进行滤波的方法：利用了高斯卷积核对图像进行滤波，能快速地修复破损区域，但该 算法仅考虑了破损区域边缘一周的图像颜色值，使得其仅适用于破损区域为2-3个 象素宽度的情形。

纹理合成的方法：纹理合成的方法，能较好地去除 图像中的大块污斑，但由于 算法运行时间不是与掩模区域成正比，而是与图像大小成正比，因此修复时间相对较长。

图像修复是 计算机图形学和计算机视觉中的一个研究热点。将来的工作可以从以下几个方面考虑：1)对不同类型的破损区域自适应地选用不同连续阶的基函数重建；2）将 偏微分方程(PDE)的方法和纹理合成 算法综合起来，以便处理更大的破损区域，修补或者去除 图像中较大的物体。