基于块的快速图像混合方法

摘要

本发明涉及图像处理、特效制作、虚拟现实等。为提供一种快速图像混合方法，利用少量的图像样本在普通个人电脑上快速合成大量新的图像，能够自然地融合具有较大色差的样本图像，还能克服基于块的纹理合成在处理结构复杂的图片时不够精细的问题，为达上述目的，本发明采取的技术方案是，基于块的快速图像混合方法，包括以下步骤：1)纹理分析：将每个样本图像划分成N×N的规则网格的块，建立每个位置的候选集；2)基于块的纹理合成；3)边界优化；4)去模糊处理；本发明主要用于图像处理。

主权项

一种基于块的快速图像混合方法，其特征是，包括以下步骤：1)纹理分析：将每个样本图像划分成N×N的规则网格的块，建立每个位置的候选集；2)基于块的纹理合成：在当前位置的候选集中找到其边界区域与当前合成图像的边界区域最吻合的块，同时，由于很多图像具有较强的结构性，在合成过程中需要考虑到纹理整体结构特征的约束；3)边界优化：由于合成阶段产生的候选块的重叠区域不一定完全吻合，导致边界周围的颜色差异较大，采用泊松编辑技术对边界进行融合处理；4)去模糊处理：泊松编辑产生的边界容易模糊，采用去模糊处理方法进一步优化算法；纹理分析具体为：将每个样本划分成N×N的规则网格的块，每个块的大小相同，块与块之间有重叠的部分，为块大小的1/4到1/6，在为每一个位置选择候选集的时候，需要在每个样本图像的相应位置附近寻找候选者，进一步具体如下：记块的高度和宽度分别为H和W，由于除每个样本的第一个块，每个块都会有左邻居或上邻居，那么它和相邻块的重叠部分的大小是H×w或者W×h中的一个，其中w是和左邻居重叠部分的宽度，h是和上邻居重叠部分的高度，则对于每一个位置，对于所有样本图像在该位置周围的等大的区域内，把所有大小为H×W的块放入该位置的候选集ψpos，将这个区域大小设为：S＝(H+2h)×(W+2w)，  (1)能够在候选集的多样性和建立候选集的速度上达到平衡；基于块的纹理合成具体为：搜索合成过程中最重要的环节，即在当前位置的候选集ψpos中找到其边界区域与当前合成图像的边界区域较吻合的块，利用kd‑tree结构搜索当前合成图像的边界区域在当前位置的k个最近邻居，然后随机选择一块复制到结果图像对应位置上，此时的边界又发生了变化，按照此步骤，直到完成输出图像；边界优化是采用泊松编辑技术对边界进行融合处理，具体算法如下：计算图像的梯度[dx，dy]，在块与块之间的重叠部分进行梯度羽化处理，即：dx＝α×dx1+(1‑α)×dx2，0≤α≤1       (2)其中，α为混合系数，dx1和dx2分别为两个待处理的梯度值，由此，找一个梯度与合成图像梯度最接近的图像可转化为求解如下泊松方程：Δf＝Δg，(3)其中，Δ是拉普拉斯算子，f代表目标图像函数，g代表源图像函数；同时，令边界条件为：median(f)＝median(g)，(4)这里，median(f)和median(g)分别代表f和g的中值；去模糊处理具体如下：记Vbackground(r)为图像背景区域的颜色向量；Vblurred(r)和Vmax(r)分别为模糊区域的颜色向量及颜色向量的最大值，如果Vbackground(r)＞Vblurred(r)＞Vmax(r)，那么让Vblurred＝Vbackground，其中，Vmax采用下式计算：Vmax＝(1+ω)min(mean(Vsamples))，(5)这里，ω为用户指定的权值，Vsamples为采样点的颜色向量。