Structure-preserving manipulation of photographs

保持原有结构信息的图像增强方法。把scale space analysis和gradient domain image editing两个技术结合到一起。

Figure 1: Our approach takes as input an image (left), and allows a user to manipulate its structure in order to create abstracted or enhanced output images. Here we show a line drawing with line thickness proportional to their structural importance (middle), and a reconstruction of color information that focuses on the bee and removes detail around it (right).

保持结构通过提取不同尺度下的边缘实现，如上面中间的图片，不同权重的边缘用不同粗细的线表示。处理中间的图像，即是否删掉某些的边缘信息，最后生成不同效果（抽象程度）的图像。如上面右图，保留蜜蜂部分的所有边缘，删掉周围的一些细节边缘（根据某个设定的阈值），就使蜜蜂清晰保留而删掉背景细节信息。

恢复图像用泊松方程求解，就是梯度域图像编辑技术。

整个算法的流程图

Figure 3: Overview of our method.

Gaussian scale space

利用不同尺度的高斯核，得到不同尺度的图像，用Canny算子提取这些图像边缘信息。不同尺度下的边缘信息不相同。如下图所示

Figure 4: Edge importance. (a) The input image. (b-d) Canny edges at increasing scales. (e) The lifetime measure re

Edge Importance

随着尺度的增大，某些边会消失，某两条边会合并到一起，会出现一些原来没有的错误的边。在计算边的重要性时，要考虑到这点。高斯尺度空间中，某层中消失的边不会再更高层中出现，作者引入一个概念，叫做边的lifetime，表示边在尺度空间中的最后出现的那一层，边存在层数越多，边就越重要。

计算边的重要性不容易，可以改为判断点在各个尺度下是否属于一个边（二值函数而已），点的lifetime就等于点不属于边的最小的那个sigma值。

图片编辑

保留不同lifetime的点，就可以实现对图像细节的控制。对不同区域可以进行不同的处理，最后根据处理过的边缘图，生成结果图。

代码下载

Matlab

 

转自：https://windrocblog.sinaapp.com/?p=388