毕业论文：正文
学生姓名：何文俊 定稿时间：2012-05-24
图 4-12 输入一幅有纹理区域丢失的图像，图像大小336*210.
图 4-13 输出结果，图像大小336*210，模板25*25，用时41.86 s。
图 4-14 输出结果，图像大小336*210，模板5*5，用时43.63 s。
由于处理划痕耗费的算法复杂度较小，这允许我们采用的输入图像更大了，虽然相应的运行时间也仍旧变得更多了，但我们可以清晰地看到处理划痕时，采
- ２０ -
毕业论文：正文
学生姓名：何文俊 定稿时间：2012-05-24
用较小的模板，不仅耗时少，而且处理效果也较好，唯一的遗憾是出现轻微的模糊。
图 4-15 输入一幅待划痕的图像，图像大小480*300
图 4-16输出结果，图像大小480*300，模板25*25，用时210 s。
图 4-17 输出结果，图像大小480*300，模板9*9，用时145 s。
- ２１ -
毕业论文：正文
学生姓名：何文俊 定稿时间：2012-05-24
图 4-18 输出结果图像大小480*300，模板5*5，用时131 s。
4.3 本章总结
结合第3章的介绍，本章第一节简要地论述了本文算法的优越之处。首先，最惹人注目的是本章的样本模板大小是可调的，这比自适应样本大小的算法思想又向前迈进了一步。因为自适应样本大小的方法虽然已经选取了较为合适的样本尺寸，但由于真实世界的图片内容丰富多彩，图片大小并不固定，而且破损程度和破损位置也具有很大的随机性，因此，在自适应样本大小选取法则的固定限制下，这种算法很难找出最合适的样本大小。而对本算法采用的正方形样本，只要其大小在Int范围内，那么其边长可以选取自3开始的所有奇数。因而，我们总能找到最合适的样本尺寸以使修复后的图像更合理。
其次，本文在程序中增加RGB三种基色的控件响应事件，这样覆盖区域的初始填充颜色可以是RGB的任何一种颜色的纯色，这样就可以针对不同色彩分布的图像选取相应的纯色来做第一次的赋值处理，使得图像算法的匹配程度会更高。当然，（若脱离本次毕设的要求）我们还可以稍稍修改下算法，使得处理的对象不再是纯色，而是一定范围内的所有图像值，这样还能在处理划痕时避免因画笔颜色不纯而引起的误差。如此安排，虽然算不上是太多的创新，但显然使我们操作起来方便了许多。
第三，本文在现有基于样本的图像修复算法的基础上，在寻找匹配块的算法中，还增加了一条用于判断最优匹配块的运算（详见本文4.2节）。这样，既能增加匹配度，也不会对运算造成太大的负担。
当然，本文算法仍存在许多不足。比如，对于大图像的处理时间打几十秒甚至上百秒，这对于大多研究者来说都是不能接受的；其次，本文算法在计算纹理
- ２２ -
毕业论文：正文
学生姓名：何文俊 定稿时间：2012-05-24
结构信息时沿用了传统基于样本的算法（即梯度算法），因此，对于纹理结构特征突出的图像块区域处理时仍存在无力感，这是因为图像结构纹理、特征的丰富多变，而算法只能设定有限的规则，满足不了所有的结构信息变化。
- ２３ -
毕业论文：正文
学生姓名：何文俊 定稿时间：2012-05-24
第5章 全文总结和前景展望
5.1 全文总结
全文首先介绍了数字图像修复原理，产生和发展的历史背景，数字图像修复的应用；接着在第2章介绍了国内外数字图像修复算法的研究现状，并对基于像素和基于块区域的两大类算法中的几个分支的特点做了简单的介绍，并分析了它们的优缺点；在第3章中介绍了基于样本块修复算法的典型Criminisi算法的基本思想，紧接着又详细叙述了传统的基于样本块的修复算法的原理和计算方法，为第4章中的本文算法的导出做了铺垫；在第4章，又是先描述了其它研究者在Criminisi算法和传统基于样本块算法的基础上尝试的改进，在这一层渲染之后，最后论述了本文算法的思想和实现步骤，阐述本文算法的优越之处。而且，还通过不同类型的测试图像的处理结果对比，进一步验证了本文算法的优点和可行性，也总结出算法本身仍然存在的不足之处。
5.2 数字图像研究前景
数字图像修复技术是一门实践性和应用性都很强的现代技术，它涉及很多门学科领域的研究成果，有着广泛的应用空间。但是，纵观全文的论述，不难发现当前的图像修复技术尚未纯熟，都有着这样那样的不足之处。究其原因，是因为数字图像修复反映的结果是人们视觉上觉得合理、易于接受的图像形式，意即是对人类思维的模拟。因此，作者认为，到了科学技术发展的某一天，人类可以扫描大脑所期待的图像亦或是能够根据人类的思维认知模拟出结果，那么得出的结果必将是令人满意的。
- ２４ -