Ψηφιακή αποκατάσταση των τοιχογραφιών του ακρωτηρίου Θήρας

Abstract

Σκοπός μας είναι η αποκατάσταση των τοιχογραφιών του Ακρωτηρίου Θήρας, όπως περίπου θα το έκανε ένας ειδικός τεχνίτης, με ημι-αυτοματοποιημένο όμως τρόπο. Η ψηφιακή επιδιόρθωση ξεκινά με την αυτόματη αναγνώριση των φθαρμένων και ελλειπουσών περιοχών και συνεχίζει με την ενδοσυμπλήρωσή τους. Παρουσιάζονται αποτελέσματα πειραμάτων τόσο ενδοσυμπλήρωσης περιεχομένου με το μοντέλο ολικής μεταβολής όσο και ενδοσυμπλήρωσης υφής με τον αλγόριθμο Efros-Leung. Για εκτεταμένες ελλείψεις ο χρήστης ανασύρει πληροφορία αντίστοιχης σημασιολογίας και γεωμετρίας από άλλες περιοχές των τοιχογραφιών, η οποία επικολλάται στα κενά με αλγορίθμους οπτικά βέλτιστης συνένωσης εικόνων. Μελετώνται πρόσφατοι αλγόριθμοι σύνθεσης μωσαϊκού και για την εφαρμογή μας αξιοποιείται ο Tao et al.

Ένας αλγόριθμος που χρησιμοποιεί στοιχεία μαθηματικής μορφολογίας προτείνεται για μία αδρή ανίχνευση των ελλείψεων. Στη συνέχεια ενσωματώνεται η πληροφορία των ακμών για πληρέστερη κάλυψη των ελλειπουσών περιοχών, με παράλληλη ελαφρά αύξηση της ακρίβειας της ανίχνευσής τους. Ο αλγόριθμος αυτός οδήγησε στην υλοποίηση μίας αρκετά αποτελεσματικής μεθόδου για την εξαγωγή της μάσκας των φθορών. Σε κάποιες περιπτώσεις σε μία προσπάθεια ακόμη πιο ακριβούς προσαρμογής της μάσκας πάνω στις ελλείψεις χρησιμοποιούνται επιπλέον τομές γράφων και συγκεκριμένα ο επαναληπτικός αλγόριθμος "GrabCut".

We present a semi-automatic method for high quality restoration of Theran wall paintings, which is very close to the work of a specialist. Digital restoration begins with the automatic recognition of damaged and missing areas followed by their inpainting. We demonstrate the results of experiments doing structure inpainting with the Total Variation model and texture inpainting with the Efros-Leung algorithm. In the case of significant information loss, the user selects an area of similar semantics and geometry from a different location in the wall paintings, which is then stitched into the missing area seamlessly. We present an analysis of recent image compositing algorithms and demonstrate the results of Tao et al. on our problem.

An algorithm based on mathematical morphology elements is proposed in order to do rough detection of damaged areas. We improve upon this approach by incorporating edge information, leading to more complete detection of damage, achieving higher recall, and usually higher precision. Our results using this approach lead to excellent identification of missing areas in the wall paintings. In some cases we further improve the extracted mask by using iterated graph cuts, specifically with the "GrabCut'' algorithm.