匹配追踪算法进行图像重建

电玩女神 2022-06-06 21:20 221阅读 0赞

匹配追踪的过程已经在[匹配追踪算法（MP）简介][MP]中进行了简单介绍，下面是使用Python进行图像重建的实践。

# MP算法Python版 #

MP算法原理：

算法假定输入信号与字典库中的原子在结构上具有一定的相关性，这种相关性通过信号与原子库中原子的内积表示，即内积越大，表示信号与字典库中的这个原子的相关性越大，因此可以使用这个原子来近似表示这个信号。当然这种表示会有误差，将表示误差称为信号残差，用原信号减去这个原子，得到残差，再通过计算相关性的方式从字典库中选出一个原子表示这个残差。迭代进行上述步骤，随着迭代次数的增加，信号残差将越来越小，当满足停止条件时终止迭代，得到一组原子，及残差，将这组原子进行线性组合就能重构输入信号。

MP算法的执行步骤如下：

输入：字典矩阵A，信号向量*y*，稀疏度*k*.

输出：*x*的*k*稀疏逼近*x*^.

初始化：生成字典矩阵A（这里使用离散余弦变换基DCT），残差*r*0=*y*，索引集Λ0=∅，*t*=1.

循环执行步骤1-5：

1.  找出残差*r*和字典矩阵的列A*i*积中最大值所对应的值*p*及脚标*λ*，即*p**t*=max*i*=1,⋯,*N*|<*r**t*−1,A*i*>|.
2.  更新索引集Λ*t*=Λ*t*−1∪\{ *λ**t*\}，记录找到的字典矩阵中的重建原子集合*A**t*=\[*A**t*−1,*A**λ**t*\].
3.  更新稀疏向量*x*^*t*=*x*^*t*∪\{ *p**t*\}.
4.  更新残差*r**t*=*y*−*A**t**x*^*t*，*t*=*t*\+1.
5.  判断是否满足*t*>*k*，若满足，则迭代停止；若不满足，则继续执行步骤1.

Python代码实现（针对二维图像）：

import numpy as np
    
    
    def bmp(mtx, codebook, threshold):
        """ :param mtx: 原始图像（mxn） :param codebook: 字典（mxk） :param threshold: 非零元素个数的最大值 :return: 稀疏编码系数 3 """
        n = mtx.shape[1] if len(mtx.shape) > 1 else 1  # 原始图像mtx中向量的个数
        k = codebook.shape[1]  # 字典dictionary中向量的个数
        result = np.zeros((k, n))  # 系数矩阵result中行数等于dictionary中向量的个数，列数等于mtx中向量的个数
    
        for i in range(n):
            indices = []  # 记录选中字典中原子的位置
            coefficients = []  # 存储系数向量
            residual = mtx[:, i]
            for j in range(threshold):
                projection = np.dot(codebook.T, residual)
                # 获取内积向量中元素绝对值的最大值
                max_value = projection.max()
                if abs(projection.min()) >= abs(projection.max()):
                    max_value = projection.min()
                pos = np.where(projection == max_value)[0]
                indices.append(pos.tolist()[0])  # 只存储在字典中的列（因为计算过程中对codebook进行了转置，所以这里取第一个元素）
                coefficients.append(max_value)
                residual = mtx[:, i] - np.dot(codebook[:, indices[0: j + 1]], np.array(coefficients))
                if (residual ** 2).sum() < 1e-6:
                    break
            for t, s in zip(indices, coefficients):
                result[t][i] = s
        return result

# 基于MP的图像重建 #

对于较大的图像，进行分块处理，使用im2col和col2im函数进行图像的分块和分块后的重建（参考：[Python中如何实现im2col和col2im函数][Python_im2col_col2im]）。

这样字典矩阵的行数就仅仅和分块矩阵的大小有关，和原始图像的大小没有关系了。我们可以使用规模较小的字典矩阵表征较大的图像。

Python代码实现：

import numpy as np
    from scipy import fftpack
    import math
    import mahotas as mh
    import matplotlib.pyplot as plt
    import mp.mpalg
    
    
    def dct2(mtx):
        return fftpack.dct(fftpack.dct(mtx.T, norm='ortho').T, norm='ortho')
    
    
    def idct2(mtx):
        return fftpack.idct(fftpack.idct(mtx.T, norm='ortho').T, norm='ortho')
    
    
    def dctmtx(n):
        basis = np.zeros((n, n))
        for i in range(n):
            c = math.sqrt(2 / n) if i != 0 else math.sqrt(1 / n)
            for j in range(n):
                basis[i, j] = c * math.cos((j + 0.5) * math.pi * i / n)
        return basis
    
    
    def im2col(mtx, block_size):
        mtx_shape = mtx.shape
        sx = mtx_shape[0] - block_size[0] + 1
        sy = mtx_shape[1] - block_size[1] + 1
        # 如果设A为m×n的，对于[p q]的块划分，最后矩阵的行数为p×q，列数为(m−p+1)×(n−q+1)。
        result = np.empty((block_size[0] * block_size[1], sx * sy))
        # 沿着行移动，所以先保持列（i）不动，沿着行（j）走
        for i in range(sy):
            for j in range(sx):
                result[:, i * sx + j] = mtx[j:j + block_size[0], i:i + block_size[1]].ravel(order='F')
        return result
    
    
    def col2im(mtx, image_size, block_size):
        p, q = block_size
        sx = image_size[0] - p + 1
        sy = image_size[1] - q + 1
        result = np.zeros(image_size)
        weight = np.zeros(image_size)  # weight记录每个单元格的数字重复加了多少遍
        col = 0
        # 沿着行移动，所以先保持列（i）不动，沿着行（j）走
        for i in range(sy):
            for j in range(sx):
                result[j:j + p, i:i + q] += mtx[:, col].reshape(block_size, order='F')
                weight[j:j + p, i:i + q] += np.ones(block_size)
                col += 1
        return result / weight
    
    
    def sparse_encode(image, block_size, codebook, threshold):
        blocks = im2col(image, block_size)
        return mp.mpalg.bmp(blocks, codebook, threshold)
    
    
    def sparse_decode(coefficients, codebook, image_size, block_size):
        blocks = np.dot(codebook, coefficients)
        return col2im(blocks, image_size, block_size)
    
    
    if __name__ == '__main__':
        image = mh.imread('Lenna.jpg')
        image = mh.colors.rgb2gray(image)
        image_size = image.shape
        block_size = (8, 8)
    
        codebook = dctmtx(block_size[0] * block_size[1])
        threshold = 30
        coefficients = sparse_encode(image, block_size, codebook, threshold)
        reconstructed = sparse_decode(coefficients, codebook, image_size, block_size)
    
        plt.gray()
        plt.subplot(121)
        plt.title('原始图像')
        plt.imshow(image)
        plt.subplot(122)
        plt.title('稀疏重建')
        plt.imshow(reconstructed)
        plt.show()

下面是分别设置threshold为10，20和30的运行结果：  
![稀疏系数设置为10的结果][10]

稀疏系数设置为10的重建结果

![稀疏系数设置为20的结果][20]

稀疏系数设置为20的重建结果

![稀疏系数设置为30的结果][30]

稀疏系数设置为30的重建结果

可以看到随着稀疏值的增大，重建的的结果会越来越好，但是稀疏度降低。这中间需要一个平衡。

# 参考资料 #

1.  [匹配追踪算法原理（GitHub）][GitHub]
2.  [匹配追踪算法原理（简书）][Link 1]

[MP]: http://blog.csdn.net/theonegis/article/details/78209711
[Python_im2col_col2im]: http://blog.csdn.net/theonegis/article/details/78199292
[10]: /images/20220607/0b4e2cfbd4db4c3b9451ccf59299d4c1.png
[20]: /images/20220607/c83c7f667b46454eacb25d1cc66e46ec.png
[30]: /images/20220607/041a93cbaa1d42e5ac4ab894941a89b4.png
[GitHub]: https://github.com/supertab/gcode/tree/mp
[Link 1]: http://www.jianshu.com/p/411681f26848