奇妙的图像处理算法

本文转自：http://www.wtoutiao.com/p/17bqT6G.html

图像处理知识库：http://www.wtoutiao.com/author/imageKB.html

导读

图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。

Scriptol列出了几种神奇的图像处理算法，让我们一起来看一下。

http://www.scriptol.com/programming/graphic-algorithms.php

一、像素图生成向量图的算法

数字时代早期的图片，分辨率很低。尤其是一些电子游戏的图片，放大后就是一个个像素方块。Depixelizing算法可以让低分辨率的像素图转化为高质量的向量图。

http://research.microsoft.com/en-us/um/people/kopf/pixelart/

（上面的图就是像素图和转换后的向量图，可见，生成的向量图/矢量图的效果更好）

像素图，也就是我们通常讲的1280*720什么的，就是每行多少个像素，每列多少个像素图片的像素数越多，颜色就越连贯美，图像就越清晰。这种图片被实际广泛应用于1990年代中期以前所有的电脑和电子游戏。另外，较老的桌面环境里的图标、小显示屏设备例如手机，都应用这类图片。由于那时的硬件条件限制，美工们被强迫用只有很少颜色分类的画板作图，并且要机械地手工设定每个像素的位置，而不是从更高分辨率作品自动缩放。

这些像素图实际上成为了一整代人的文化符号，如今虽然已经很少出现，但是由于每个像素手工布局使得每个像素都承载丰富的意义，是值得怀念的，情怀啊。如果能够将其重现至现在的各个分辨率的电子设备，岂不是也是一种乐趣？

这就引出了另外一种图：矢量图，也称为面向对象的图像或绘图图像。矢量文件中的图形元素称为对象。每个对象都是一个自成一体的实体，具有颜色、形状、轮廓、大小和位置等属性。

也就是说，矢量图是由很多独立的图像拼接起来的。放大后图像不会失真，和分辨率无关。

我们平常拍摄的图像，如果放大就会模糊。而一些条码里面的文字，logo打印出来的图像非常大，仍然非常清晰，就是因为我们拍摄的图像是位图，而一些设计出来的图像是矢量图。需要说明的是，矢量图只能通过软件设计来生成，因为设备拍照获取的图像是一个整体，不可能是相互独立分离的一些元素拼接成一幅图像。

矢量图是通过多个对象的组合生成的，对其中的每一个对象的纪录方式，都是以数学函数来实现的，也就是说，矢量图实际上并不是象位图那样纪录画面上每一点的信息，而是纪录了元素形状及颜色的算法，

当你打开一幅矢量图的时候，软件对图形象对应的函数进行运算，将运算结果[图形的形状和颜色]显示给你看。无论显示画面是大还是小，画面上的对象对应的算法是不变的，所以，即使对画面进行倍数相当大的缩放，其显示效果仍然相同[不失真]。

矢量图的主要格式有EPS，CDR，WMF，emf等，通常用到的jpg，bmp，png通通不是矢量图，而写论文杂志社肯定是要求矢量图的。

换言之：你只要知道矢量图可以任意放大，不变色，不模糊就行了。而位图是由无数的色彩点组成的图案，当被无限放大时会看到一块一块的像素色块，效果会失真。

   那怎么从像素图导出一张光滑、与分辨率无关的矢量图，它可以任意放大而不会失真。先来看看效果吧，就是这样的。有没有觉得很神奇？其实原理就一句话，检测边界并曲线拟合，但是过程是非常具有挑战性的。

此处简要介绍一下算法的原理，结合例子来简要说明，特意将英文子图说明注释保留。

上图从左至右就是基本的流程，中间四幅图展现的是放大的耳朵部位。有几个部分需要注意：

1 保留有意义的像素。当有些像素与周围像素的颜色信息不同时，它是图像的典型特征，需要保留，如找出图中的耳朵部位。

2 区分需要进行连续处理的部分，与不需要进行连续处理的部分。如图嘴巴是不需要进行连续处理的，要保持波动。而脑袋的轮廓需要进行连续光滑处理。

3 区分哪些相似像素应该被联系起来，哪些不需要。如图嘴巴处，考虑2*2四个像素，比如嘴巴部位下面的四个像素，红色应该被连接起来构成特征曲线的部分，而白色不应该。（具体是采用启发的方法，过于复杂不提）

解决了上面的问题后，就得到了一些线条，对这些线条进行样条插值可以得到最终的结果。（中间省略N多技术难题）。

二、黑白图片的着色算法

让老照片自动变成彩色的算法。

http://www.cs.huji.ac.il/~yweiss/Colorization/index.html

当年一张黑白照片就珍贵的不行，现在手机拍出来的都是高清彩色图了。

好吧，那就当那当年的黑白图片，重新着个色可好？《Colorization using Optimization》。

该文章基于最简单的原理，那就是灰度值差不多的像素，应该具有差不多的颜色。既然在灰度空间相似，在彩色空间也应该相似。

有没有觉得很神奇，几乎是全自动的，用户只需要一些很简单的交互，就能将各个区域分割开来，然后分别上色。

比如下图，在需要上相同颜色的区域，用相同的笔触简要画出，就能识别各个区域，然后分别上色，毫无失真感有没有？!

当然，如果将各个区域平滑地分割出去，避免出现不连续的颜色边界，是问题的难点。那是图像分割的问题，堪称图像处理领域最难的几个方向之一。

三、图像自动合成

可以把许多图自动拼接成一幅图：《Sketch2Photo: Internet Image Montage》，绝逼的黑科技。

根据一张草图，选择原始照片，然后把它们合成在一起，生成新照片。这是清华大学的科研成果。

http://cg.cs.tsinghua.edu.cn/montage/main.htm

四、消除阴影的算法

不留痕迹地去掉照片上某件东西的阴影的算法。

Pyramid-Based Shadow Removal

http://www.cs.huji.ac.il/~danix/ShadowRemoval/index.html

五、HDR照片的算法

所谓"HDR照片"，就是扩大亮部与暗部的对比效果，亮的地方变得非常亮，暗的地方变得非常暗，亮暗部的细节都很明显。

实现HDR的软件有很多，这里推荐G'MIC。它是GIMP图像编辑软件的一个插件，代码全部开源。

http://gmic.sourceforge.net/

六、消除杂物的算法

所谓"消除杂物"，就是在照片上划出一块区域，然后用背景自动填补。Resynthesizer可以做到这一点，它也是GIMP的一个插件。

http://www.logarithmic.net/pfh/resynthesizer

七、美颜的算法

自动对容貌进行"美化"的算法。

http://www.leyvand.com/beautification2008/