图像修复中PatchMatch纹理块匹配的搜索策略

用相似纹理块补回老照片缺损

老照片修复中的划痕、污渍和局部缺失，可以从同一张照片的完好区域寻找相似纹理，再复制或融合到缺损位置。PatchMatch 的核心不是逐个像素猜颜色，而是为每个目标图像块寻找源图像中的近似块，并记录这些对应关系。

这里的“图像块”是以某个像素为中心截取的小矩形区域；“最近邻场”（Nearest Neighbor Field，NNF）则是每个目标块对应的最佳源块位置集合。天空、墙面、衣物和砖墙通常存在重复纹理或相近结构，使用块匹配比逐像素搜索更容易保持纹理的连续性。

PatchMatch 的经典来源是 Connelly Barnes、Eli Shechtman、Adam Finkelstein 和 Dan B. Goldman 发表的《PatchMatch: A Randomized Correspondence Algorithm for Structural Image Editing》，论文发表于 ACM Transactions on Graphics，2009 年。它后来被用于图像编辑、纹理合成和内容感知填充。

随机搜索如何跳出局部相似区域

PatchMatch 会先为每个目标块分配一个候选源位置。这个位置可以随机初始化，也可以来自已有的估计；如果初始候选落在错误区域，算法再通过随机搜索尝试更远的位置。

一种典型的候选位置形式是 q_i + w R^k。其中，q_i 是当前匹配位置，R 表示随机方向或随机向量，w 是搜索窗口半径，k 控制半径逐步衰减。每次生成候选后，算法计算匹配误差，只有误差更低的位置才会替换当前结果。

• 较大的搜索半径负责寻找远处的相似纹理，避免被错误的局部区域困住。
• 半径缩小后，搜索集中在当前候选附近，用于做局部精修。
• 候选数量、迭代次数和窗口衰减比例共同决定搜索成本与结果质量。

因此，“随机”不等于随机复制几块图像就结束。它只是生成候选位置，最终结果仍由匹配误差、传播结果和迭代更新规则筛选。典型实现会进行正向和反向扫描，并交替执行传播与随机搜索；测试时可以先设置 5～10 轮，但这个范围不是所有照片的固定答案。

传播机制怎样让匹配结果快速收敛

传播利用了一个局部连续性假设：如果当前图像块在源图像中找到了较好的位置，那么它旁边的目标块，往往也能在该源位置附近找到相似块。这样，已经找到的好匹配可以快速传给邻居，减少重复搜索。

常见做法是按从左到右、从上到下的顺序扫描。处理当前块时，检查左侧和上方块推测出的候选位置；下一轮改为从右到左、从下到上扫描，用反向信息修正另一方向的结果。

• 目标块与候选源块逐像素比较，计算平方差、绝对差或带权颜色距离。
• 误差较低的候选位置被保留，误差较高的位置被丢弃。
• 在有缺损掩膜时，只使用已知像素计算误差，避免未知区域污染匹配结果。

块大小需要和纹理尺度匹配。7×7 块更容易保留细小细节，但对噪声敏感；11×11 是常见的折中起点；15×15 能观察更完整的墙面或砖墙结构，却可能跨过边缘，把人物轮廓和背景混在一起。缺损较窄时可从小块开始，纹理重复周期较大时再尝试更大的块。

把 PatchMatch 参数落到老照片修复流程

实际处理时，输入通常包括一张图像和一张二值缺损掩膜：已知像素标为有效，待修复像素标为缺损。掩膜边界如果画得过宽，算法会丢失可用于匹配的信息；画得过窄，则可能把划痕残留带入源纹理。

1. 先将图像转为灰度或合适的颜色空间。黑白照片可直接使用灰度；彩色照片若亮度和色度差异明显，可在 Lab 等颜色空间中计算距离。
2. 标记划痕、污渍和缺失区域，形成二值掩膜，并检查掩膜是否覆盖完整。
3. 限定源区域，尽量排除其他破损位置，以及与目标区域结构明显不同的人脸、文字和边缘。
4. 用 7×7、11×11 或 15×15 之一初始化候选位置，执行正向、反向扫描和随机搜索。
5. 对候选块进行融合，而不是简单硬拷贝。可按距缺损边缘的距离设置权重，减轻亮度突变。
6. 放大检查纹理方向、边缘连续性和重复图案，再决定是否调整块大小或增加迭代轮数。

候选块如果覆盖未知缺损区域，不能按普通像素直接计算误差。应跳过这些像素，或降低它们的权重；否则算法可能因为缺损形状相似而选中错误候选。

可以按下面的顺序调参：

• 出现噪声复制：增大块尺寸，或先做轻度去噪。
• 出现方块接缝：改用重叠块和渐变融合，必要时减小块尺寸。
• 纹理方向错位：扩大搜索范围，增加迭代轮数，并限制源区域。
• 亮度突然变化：在匹配代价中加入亮度归一化或颜色距离。

OpenCV 的 cv::inpaint 可以作为对照工具。它包含 Telea 快速行进法和 Navier–Stokes 方法，但这两种方法并不等同于 PatchMatch 的纹理块匹配：前者更适合细小划痕和局部连续区域，后者更依赖照片中存在可复用的相似纹理。

结果怎么判断，哪些情况不适合

修复后不要只看整体缩略图，应在原尺寸或放大视图下检查四类问题：

• 纹理方向是否连续，例如砖缝、衣物褶皱有没有突然转向。
• 亮度和颜色是否平滑，缺损边界是否出现明显色带。
• 重复纹理是否形成机械的周期，例如同一块砖或同一条云纹被反复复制。
• 边缘是否出现方块接缝，人物轮廓、文字笔画是否被错误拼接。

PatchMatch 的随机搜索不意味着结果完全不可控，也不意味着它能随机创造纹理。若源图像中不存在可用的相似区域，或缺损部分包含人脸、文字等独特结构，算法无法凭空恢复真实内容。此时应缩小修复目标，把 PatchMatch 用于背景纹理，再由人工绘制或其他模型处理关键结构。