最近遇到一个需求，从相机获取的数据局部区域存在空值，即那些地方没有有效数据，如果直接赋值为0，则很有可能得到错误的结果，如果不填充值，很多算法又无法进行，因此，需要一种填充算法把这些空白区域设置成合适的值。 我想了一下，有几个算法可 能可以解决这个问题：
1、inpainting（修复）算法，Inpainting本身就是一种修复算法，可以从周边领域的信息填充未知区域的值，这个开源的在Opencv里有2种。
但是这个算法的步骤实际上都是迭代算法，一步一步由空值边缘向空值内部慢慢填充，直到填充完成或者达到指定的迭代步数。
2、PS里的智能填充算法或者类似效果，当然PS没开源，不过一个类似的结果就是PatchMatch算法，这个在百度上可以搜到很多。
3、还有一个就是模糊算法，但是如果是直接模糊，很明显一个会破坏那些正常的值，二是空值区域模糊后的值明显偏低很多，因为那个取样可能很多去取到的都是空值。
所以要适当修改模糊算法，一个可行的方法就是当领域的像素是空值时，这个像素不参与模糊。这样，只有那些有用的信息才参与计算。另外，为了不影响正常的值或者说有效区域的数据，只有那些是空值的地方才需要模糊。
通过这样的修改，只要取适当的模糊半径， 就可以利用空值周边有用的信息来填充空值区域了，而且空值处的填充值也是和领域有关的，不是随机值，体现了领域相关性。
带来的问题时，原先高效的均值模糊算法，因为有了空值区域判断，无法在直接使用了，需要考虑适当的修改来解决这个问题。
这个问题的解决方案还是得靠积分图技术：
我们首先可以从原始数据中根据空值的分布得到一副只有0和1元素的蒙版图（假定1表示有效值区域，0表示空值区域），接着我们计算两幅积分图像：
一是 原始数据的积分图，但是注意在做积分图累加时，如果遇到空值，则不进行累加或者说累加值为0.
二是 蒙版图的累加，同样是遇到空值，不累加，遇到有效值累加1。
有了这个基础，下面的求均值的部分和普通的用积分图来求均值的方案是一样的了，这是在求均值时还要加上目标区域是否是空值的判断 。
如下图所示，左图中那些纯黑色的部分（像素值为0）即为空值区域，右图是模糊半径为20的时候的修复效果，无效区域均有了有效值（右图有些边界很明显，这个其实可以通过适当的放款无效点的范围来改进）。
在处理效率上，对于浮点的数据，一份大概1000*1000的单通道数据，任意半径的处理耗时是在8ms左右，还是相当的快的。
感觉这个算法也可以用到小范围的人脸祛痘算法上。