图像纹理合成

最新推荐文章于 2021-07-07 19:54:22 发布

lolermidking

最新推荐文章于 2021-07-07 19:54:22 发布

阅读量4.7k

点赞数 3

本文深入探讨了纹理合成领域的经典论文《Texture Synthesis by Non-parametric Sampling》，阐述了其基于样例的合成方法，并通过MATLAB代码实现了一个简单的纹理合成过程。详细介绍了纹理合成的基本原理、算法流程及实现步骤，提供了直观的合成前后效果对比，帮助读者理解纹理合成的高效性和局限性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

关于纹理合成最经典的论文应该就数Efros的Texture Synthesis by Non-parametric Sampling这篇论文了，引用量近2000。

这里的合成是基于样例的，就是先有一个小的纹理图像，然后合成一个大的。

我个人的理解是，先产生一个大的随机图像，然后对随机图像中每个像素及其邻域像素和小的纹理图像做对比，找出随机图像当前邻域和小的纹理图像最接近的邻域，然后将小的纹理图像最接近的像素赋值给大的随机图像。这样每处理一个随机图像中的像素，就需要遍历小的纹理图像的所有像素，所以运行时间是很慢的。

先看下效果：

小的纹理图像：

合成的纹理图像：

matlab代码如下：

clear all;
close all;
clc;

mask=mat2gray(imread('wen.jpg')); %小的纹理图像
[m n]=size(mask);

imgn=mat2gray(rand(256,256)); %最终需要的大的纹理图像，现在是随机图像

w=2; %L邻域长的半径
I=[1 1 1 1 1;
1 1 1 1;
1 0 0 0]; %L邻域，这里是5*3的，当然也可以是7*4或9*5的
for i=1+w:256
for j=1+w:256-w

mi=inf;
for p=1+w:m
for q=1+w:n-w
tmp=mean2(abs(imgn(i-w:i,j-w:j+w).*I-mask(p-w:p,q-w:q+w).*I));
if tmp<mi %取差别最小的像素
mi=tmp;
ii=p;
jj=q;
end
end
end
imgn(i,j)=mask(ii,jj);

end
end

figure;
imshow(imgn,[]);