【CPP114】讯：图像是人类从外界获得信息的主要来源。自从有了图像，也就有了对破损图像进行修复的技术。inpainting图像修复技术是一项古老的艺术。在欧洲文艺复兴时期，为了恢复美术作品中丢失或被损坏的部分，同时保持作品的整体效果，人们开始对美术作品进行修复，其主要是填补作品上所出现的裂痕或沟，这样的工作叫做inpainting。

    
　　现今，图像inpainting修复技术已成为图像工程领域的一个新的活跃研究方向，其目的就是研究和解决如何更好地实现检测图像上的受损部分，并根据受损图像周围的有效信息用图像修补算法自动进行恢复。虽然一些强大的数字图像处理软件，例如photoshop等，也可以对数字图像进行专业的特效处理和对受损图像进行修复处理，但却需要有经验的技术人员进行复杂的手工处理，无法达到“计算机智能”自动处理的目的。

    
　　我们首先看一个图像修复的例子，图1(b)是一个类似“@”的字母符号，其中的一部分被障碍物遮挡。根据人的视觉经验，参考被遮蔽物体的形状以及周围图像信息，做出一个猜测判断，认为在去除障碍物后，可能会出现如图1(a)所示的字符，也可能会出现如图1(c)所示的字符，并且图1(a)和图1(c)的修复结果可能都是正确的。计算机图像inpainting技术正是从人的视觉心理学角度模拟这种效果，根据被遮物体的边缘信息，按照一定的方向进行延伸扩散、边界连接，填充遮蔽部分，达到视觉上的连通。当然，由图中我们也看出图像的被损信息大小(障碍物大小)也直接影响人们视觉上的连通判断，从数学的角度看，这种由于被损图像周围信息不充分情况下导致的图像修复结果不唯一的现象属于病态问题，因此图像inpainting技术还需根据计算机视觉理论，通过一定假设条件的限定设计修复算法，来解决这个问题。

    
　　根据贝叶斯(bayesian)结构体系，我们由不完全和变形的数据中得出完全理想的图像是基于模拟人眼恢复图像所做出的“最佳假设”或者叫“最优猜测”，这个“最佳假设”是基于以下两个重要因素：

    
　　1．图像数据模型：我们怎样在原始图像中获取更多已有的图像数据信息。

    
　　2．图像预先模型：完好的原始图像应该是哪种图像模型。例如我们在修复一张在果盘中放有香蕉、苹果的图片，我们就会有一个预先的印象，应该是有光滑的形状，充满黄色和红色。

    
　　所以，“最优猜测”就是在贝叶斯概率模型中最大化后者的概率，按照一定的算法规则填补图像中遗失或者损坏的部分，使修复后的图像接近或达到原图的视觉效果。