概念

修復(fù)是圖像插值。數(shù)字修復(fù)算法在圖像插值，照片恢復(fù)，縮放和超分辨率等方面具有廣泛的應(yīng)用。

大多數(shù)人會(huì)在家里放一些舊的退化照片，上面有一些黑點(diǎn)，一些筆畫等。你有沒有想過恢復(fù)它？我們不能簡(jiǎn)單地在繪畫工具中擦除它們，因?yàn)樗鼘⒑?jiǎn)單地用白色結(jié)構(gòu)替換黑色結(jié)構(gòu)，這是沒有用的。在這些情況下，使用稱為圖像修復(fù)的技術(shù)。基本思路很簡(jiǎn)單：用鄰近的像素替換那些壞標(biāo)記，使其看起來像是鄰居（取自維基百科），考慮下面顯示的圖像：

庫函數(shù)

dst = cv2.inpaint（src，mask, inpaintRadius，flags）

參數(shù)是：

• src：輸入8位1通道或3通道圖像。
• inpaintMask：修復(fù)掩碼，8位1通道圖像。非零像素表示需要修復(fù)的區(qū)域。
• dst：輸出與src具有相同大小和類型的圖像。
• inpaintRadius：算法考慮的每個(gè)點(diǎn)的圓形鄰域的半徑。
• flags：
  • INPAINT_NS基于Navier-Stokes的方法
  • Alexandru Telea的INPAINT_TELEA方法

實(shí)現(xiàn)

為此目的設(shè)計(jì)了幾種算法，OpenCV提供了兩種算法。兩者都可以通過相同的函數(shù)訪問，cv2.inpaint（）。

第一種算法基于Alexandru Telea于2004年發(fā)表的“基于快速行進(jìn)方法的圖像修復(fù)技術(shù)”。它基于快速行進(jìn)方法。考慮圖像中要修復(fù)的區(qū)域。算法從該區(qū)域的邊界開始，然后進(jìn)入?yún)^(qū)域內(nèi)，逐漸填充邊界中的所有內(nèi)容。它需要在鄰近的像素周圍的一個(gè)小鄰域進(jìn)行修復(fù)。該像素由鄰居中所有已知像素的歸一化加權(quán)和代替。選擇權(quán)重是一個(gè)重要的問題。對(duì)于靠近該點(diǎn)的那些像素，靠近邊界的法線和位于邊界輪廓上的像素，給予更多的權(quán)重。一旦像素被修復(fù)，它將使用快速行進(jìn)方法移動(dòng)到下一個(gè)最近的像素。 FMM確保首先修復(fù)已知像素附近的像素，這樣它就像手動(dòng)啟發(fā)式操作一樣工作。使用標(biāo)志cv2.INPAINT_TELEA啟用此算法。

第二種算法基于Bertalmio，Marcelo，Andrea L. Bertozzi和Guillermo Sapiro于2001年撰寫的“Navier-Stokes，流體動(dòng)力學(xué)和圖像和視頻修補(bǔ)”一文。該算法基于流體動(dòng)力學(xué)并利用偏微分方程?；驹瓌t是heurisitic。它首先沿著已知區(qū)域的邊緣行進(jìn)到未知區(qū)域（因?yàn)檫吘壥沁B續(xù)的）。它繼續(xù)等照片（連接具有相同強(qiáng)度的點(diǎn)的線，就像輪廓連接具有相同高度的點(diǎn)一樣），同時(shí)在修復(fù)區(qū)域的邊界處匹配漸變矢量。為此，使用來自流體動(dòng)力學(xué)的一些方法。獲得顏色后，填充顏色以減少該區(qū)域的最小差異。使用標(biāo)志cv2.INPAINT_NS啟用此算法。

代碼

我們需要?jiǎng)?chuàng)建一個(gè)與輸入圖像大小相同的掩碼，其中非零像素對(duì)應(yīng)于要修復(fù)的區(qū)域。其他一切都很簡(jiǎn)單。我的圖像因一些黑色筆畫而降級(jí)（我手動(dòng)添加）。我用Paint工具創(chuàng)建了相應(yīng)的筆觸，同時(shí)得到mask。

import numpy as np
from matplotlib import pyplot as plt
import cv2

img = cv2.imread('OpenCV_Logo_B.png')     # input
mask = cv2.imread('OpenCV_Logo_C.png',0)  # mask

dst_TELEA = cv2.inpaint(img,mask,3,cv2.INPAINT_TELEA)
dst_NS = cv2.inpaint(img,mask,3,cv2.INPAINT_NS)

plt.subplot(221), plt.imshow(img)
plt.title('degraded image')
plt.subplot(222), plt.imshow(mask, 'gray')
plt.title('mask image')
plt.subplot(223), plt.imshow(dst_TELEA)
plt.title('TELEA')
plt.subplot(224), plt.imshow(dst_NS)
plt.title('NS')

plt.tight_layout()
plt.show()

這是原圖文件和掩碼文件：Pictures

輸出：

這是輸出。第一個(gè)是降級(jí)的OpenCV徽標(biāo)，第二個(gè)圖片是運(yùn)行FMM所需的掩碼。最后兩張照片是修補(bǔ)的結(jié)果。不確定，但我認(rèn)為兩種修補(bǔ)方法之間沒有任何區(qū)別，至少對(duì)于當(dāng)前輸入而言。

參考鏈接：

1、OpenCV Image Inpainting官方文檔 https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_photo/py_inpainting/py_inpainting.html

2、https://www.bogotobogo.com/python/OpenCV_Python/python_opencv3_Image_reconstruction_Inpainting_Interpolation.php

到此這篇關(guān)于Python-OpenCV中的cv2.inpaint()函數(shù)的使用的文章就介紹到這了,更多相關(guān)OpenCV cv2.inpaint()函數(shù)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！