【图像修复】GSR图像修复【含Matlab源码 3462期】

💥💥💥💥💥💥💥💥💞💞💞💞💞💞💞💞💞Matlab武动乾坤博客之家💞💞💞💞💞💞💞💞💞💥💥💥💥💥💥💥💥
🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀

🔊博主简介：985研究生，Matlab领域科研开发者；

🚅座右铭：行百里者，半于九十。

🏆代码获取方式：
优快云 Matlab武动乾坤—代码获取方式

更多Matlab图像处理仿真内容点击👇
①Matlab图像处理（进阶版）

⛳️关注优快云 Matlab武动乾坤，更多资源等你来！！

⛄一、GSR图像修复

1 前言
在实际应用中，我们的图像常常会被噪声腐蚀，这些噪声或是镜头上的灰尘或水滴，或是旧照片的划痕，或者是图像遭到人为的涂画（比如马赛克）或者图像的部分本身已经损坏。

2 图像修复技术的原理
简而言之，就是利用那些已经被破坏的区域的边缘， 即边缘的颜色和结构，根据这些图像留下的信息去推断被破坏的信息区的信息内容，然后对破坏区进行填补 ，以达到图像修补的目的。
第一个参数src，输入的单通道或三通道图像；
第二个参数inpaintMask，图像的掩码，单通道图像，大小跟原图像一致，inpaintMask图像上除了需要修复的部分之外其他部分的像素值全部为0；
第三个参数dst，输出的经过修复的图像；
第四个参数inpaintRadius，修复算法取的邻域半径，用于计算当前像素点的差值；
第五个参数flags，修复算法，有两种：INPAINT_NS 和I NPAINT_TELEA；

3 GSR图像修复步骤
GSR图像修复是指使用GSR（Gradient Self-Regularization）算法对图像进行修复，该算法可以通过学习图像的梯度信息来恢复图像的缺失部分。具体步骤如下：
（1）将待修复的图像分成若干个块，每个块的大小为$N\times N$。
（2）对于每个块，计算其梯度信息，并将其表示为一个向量。
（3）使用这些向量来训练一个神经网络，该神经网络可以预测缺失的梯度信息。
（4）使用预测的梯度信息来恢复缺失的像素值。
（5）将所有块拼接起来，得到修复后的完整图像。

⛄二、部分源代码

% These MATLAB programs implement the text removal algorithm using
% group-based sparse representation (GSR) model as described in paper:

%close all;
clear;
clc;
cur = cd;
addpath(genpath(cur));

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Parameter Set
% Set image and the ratio of reserving the original data
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

Ratio_Set = [0.2, 0.3, 0.5, 0.8, -1];

for ImgNo = 1
for ratio_num = 5
switch ImgNo
case 1
OrgName = ‘Barbara256rgb.png’;
case 2
OrgName = ‘House256rgb.png’;
end
ratio = Ratio_Set(ratio_num); % ratio of available data, Options: [0.2, 0.3, 0.5, 0.8]
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

    % Generally, the more the ratio, the less the IterNums.
    if (ratio == 0.2)
        IterNums =400;
    elseif (ratio == 0.3)
        IterNums =350;
    elseif (ratio == 0.5)
        IterNums =80;
    elseif (ratio == 0.8)
        IterNums = 80;
    elseif (ratio == -1)
        IterNums = 200;
    else
        disp('The ratio does not belong to [0.2, 0.3, 0.5, 0.8]');
        disp('Default IterNums is set to 300');
        IterNums = 300;
    end
    
    x_rgb = imread(OrgName); % Original True Image
    [N,M,dim]=size(x_rgb);
    
    x_yuv = rgb2ycbcr(x_rgb);
    
    x = double(x_yuv(:,:,1)); % Deal with Y Component
    x_org = x;
    x_inpaint_rgb = zeros(size(x_rgb));
    x_inpaint_yuv = zeros(size(x_yuv));
    x_inpaint_yuv(:,:,2) = x_yuv(:,:,2); % Copy U Componet
    x_inpaint_yuv(:,:,3) = x_yuv(:,:,3); % Copy V Componet
    
    
    % Fix random seed
    %rand('seed',0);
    % Generating Random Mask
    
    MaskType = 2; % 1 for random mask; 2 for text mask
    switch MaskType
        case 1
            rand('seed',0);
            O = double(rand(size(x)) > (1-ratio));
        case 2
            O = imread('TextMask256.png');
            O = double(O>128);
    end
    
    
    % Generate Missing Image
    y_missing_rgb = zeros(size(x_rgb));
    y_missing_rgb(:,:,1) = uint8(double(x_rgb(:,:,1)).*O);
    y_missing_rgb(:,:,2) = uint8(double(x_rgb(:,:,2)).*O);
    y_missing_rgb(:,:,3) = uint8(double(x_rgb(:,:,3)).*O);
    
    y= x.* O;
    
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    % Considering the Case with Gaussian White Noise.
    % When Noise_flag is zero, no noise is added.
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    Noise_flag = 0;
    if (Noise_flag)
        BSNR = 40;
        Py = var(x(:));
        sigma = sqrt((Py/10^(BSNR/10)));
        % Add noise
        y=y + sigma*randn(N,M);
    end

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]张汝峰,项璟,陈鹏,张亚娟,张喜英,薛瑞.基于FMM算法的深度图像修复研究[J].湖北农机化. 2020,(01)
[2]齐玲,王锦.一种基于Criminisi算法改进的图像修复技术[J].软件导刊. 2019,18(04)
[3]何埜,李光耀,肖莽,谢力,彭磊,唐可.基于深度信息的图像修复算法[J].计算机应用. 2015,35(10)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合