机器学习告诉你梵高眼里的《星空》究竟有多美？

梵高有一幅画叫《星夜》，是《星空》。我常常在想，梵高在精神病院完成这幅杰作时开发者_StackOverflow，他眼中(或脑海中)的浩瀚星空该有多美，或该有多悲伤。可惜的是，我们永远只能看到画框里的小方块。

近日，剑桥大学工程系举办年度摄影大赛“工程的艺术：来自科技前沿的影像”。大赛二等奖最终由机器学习组的Yarin Gal博士获得，他所做的非常有趣：利用机器学习算法对梵高名画《星夜》进行拓展，如下图所示。

Gal还专门建了一个网站来展示这种外推艺术，也就是用机器学习+图像处理来展开整幅画的整体画面，因为画往往只提供了部分图像。

数字修复技术最早是在2000年的SIGGRAPH会议上在一篇名为《图像修复》的文章中提出的。这项技术主要用于修复那些古画，但也广泛应用于其他图像领域。还有一种称为PatchMatch的图像修复算法，专门用于创建机器艺术

接下来，让我们看一个编程示例来实现这个著名的扩展。这个例子将使用Wolfram语言。在Wolfram语言中，修复是一种内置的功能，需要修复的图像区域可以由三种对象来分配：图像、图形对象和矩阵。

在修复中有五种不同的方法来实现不同的图像处理算法：扩散、全变分、快速行进、纳维尔-斯托克斯和纹理合成。纹理合成，最后的方法之一，是系统的默认值。纹理合成不同于其他算法，它不独立控制每个颜色通道，也不添加新的像素值。也就是说，每个面片像素值直接从输入图像的某些部分获得。在下图中，您可以清楚地看到，图像中较大的对象可以通过使用纹理合成直接“消失”。

纹理合成是基于一种改进的最优解算法，该算法在哈里森的博士论文《图像纹理工具》中有所介绍。纹理合成有两个参数。第一个参数是用于比较的邻居计数，第二个参数是用于找到最佳图像纹理的采样率(MaxSamples)。

回到梵高的画。首先，我们导入梵高的《星夜》，去掉边框。

然后，我们需要用白色像素扩展图像来扩展空白区域，以便以后可以用来修复。

然后，利用纹理合成方法生成最佳的相邻图像纹理，并对图像的全景图进行修复和扩展。

效果还不错。通过调整邻居计数和最大样本的值，可以实现不同的扩展效果。已经安装了Wolfram语言开发软件的同学可以点击这里下载工程文件，没有安装软件的同学也可以在Wolfram编程云中进行尝试。