摘要: 图像修复是利用受损区域周围的图像信息给对损区域像素进行填充的一种技术。在旧电影和旧照片的恢复以及其它方面有着广泛的应用。要修复彩色图像，首先就要确定待修复区域，然后再进行受损区域的修复。 本文对使用聚类算法进行图像边缘识别从三个... 展开 图像修复是利用受损区域周围的图像信息给对损区域像素进行填充的一种技术。在旧电影和旧照片的恢复以及其它方面有着广泛的应用。要修复彩色图像，首先就要确定待修复区域，然后再进行受损区域的修复。 本文对使用聚类算法进行图像边缘识别从三个方面进行了由浅入深的研究。首先是基于灰度值的欧式距离简单聚类，将图片转为灰度图，选取若干个聚类中心，根据各个坐标点的灰度值与选取的聚类中心的灰度值的绝对差进行聚类。再次是基于欧式距离的动态聚类，对选择的若干个聚类中心进行依次迭代，每次迭代出范围聚类的欧式距离的平均值作为新的聚类中心，直至得到最终的聚类中心。最后是基于彩色图像的K-means均值聚类，设K值为8，然后随机获得8个颜色值作为聚类中心，依次对每个像素点进行迭代计算，迭代后计算各个颜色区域的平均值作为新的聚类中心进行下一次的迭代计算。本文先进性之一是采用了聚类分析，聚类分析作为一种图像边缘提取方法，其简单易行，运行速度快，效率高等优点使其成为十分常用的算法之一，因此对聚类算法的研究具有十分重大的现实意义。 本文采用基于卷积核算法对图像进行了自动修复，深入地研究了利用卷积核算法对受损图像进行修复的过程，并取得了很好的效果。卷积是一种线性运算,是一种微元相乘的累加形式，图像处理中常见的mask运算都属于卷积运算，广泛应用于图像滤波。本文先进性之二采用了imageboard图像处理软件。在用卷积算法对受损区域进行修复时，先用imageboard图像处理软件对图像中受损区域进行处理得到受损区域的相关坐标，然后根据卷积的微元相乘的累加形式，利用相关坐标和受损区域边缘没有受损的像素信息对受损区域像素进行填充，实现图像修复。 收起