圖像邊緣檢測(cè)修復(fù)算法的技術(shù)研究.pdf

1、圖像修復(fù)是利用受損區(qū)域周圍的圖像信息給對(duì)損區(qū)域像素進(jìn)行填充的一種技術(shù)。在舊電影和舊照片的恢復(fù)以及其它方面有著廣泛的應(yīng)用。要修復(fù)彩色圖像，首先就要確定待修復(fù)區(qū)域，然后再進(jìn)行受損區(qū)域的修復(fù)。
　　本文對(duì)使用聚類算法進(jìn)行圖像邊緣識(shí)別從三個(gè)方面進(jìn)行了由淺入深的研究。首先是基于灰度值的歐式距離簡(jiǎn)單聚類，將圖片轉(zhuǎn)為灰度圖，選取若干個(gè)聚類中心，根據(jù)各個(gè)坐標(biāo)點(diǎn)的灰度值與選取的聚類中心的灰度值的絕對(duì)差進(jìn)行聚類。再次是基于歐式距離的動(dòng)態(tài)聚類，對(duì)選擇的

2、若干個(gè)聚類中心進(jìn)行依次迭代，每次迭代出范圍聚類的歐式距離的平均值作為新的聚類中心，直至得到最終的聚類中心。最后是基于彩色圖像的K-means均值聚類，設(shè)K值為8，然后隨機(jī)獲得8個(gè)顏色值作為聚類中心，依次對(duì)每個(gè)像素點(diǎn)進(jìn)行迭代計(jì)算，迭代后計(jì)算各個(gè)顏色區(qū)域的平均值作為新的聚類中心進(jìn)行下一次的迭代計(jì)算。本文先進(jìn)性之一是采用了聚類分析，聚類分析作為一種圖像邊緣提取方法，其簡(jiǎn)單易行，運(yùn)行速度快，效率高等優(yōu)點(diǎn)使其成為十分常用的算法之一，因此對(duì)聚類算法

3、的研究具有十分重大的現(xiàn)實(shí)意義。
　　本文采用基于卷積核算法對(duì)圖像進(jìn)行了自動(dòng)修復(fù)，深入地研究了利用卷積核算法對(duì)受損圖像進(jìn)行修復(fù)的過(guò)程，并取得了很好的效果。卷積是一種線性運(yùn)算,是一種微元相乘的累加形式，圖像處理中常見的mask運(yùn)算都屬于卷積運(yùn)算，廣泛應(yīng)用于圖像濾波。本文先進(jìn)性之二采用了imageboard圖像處理軟件。在用卷積算法對(duì)受損區(qū)域進(jìn)行修復(fù)時(shí)，先用imageboard圖像處理軟件對(duì)圖像中受損區(qū)域進(jìn)行處理得到受損區(qū)域的相關(guān)坐標(biāo)，