概念

修復是圖像插值。數字修復算法在圖像插值，照片恢復，縮放和超分辨率等方面具有廣泛的應用。

大多數人會在家里放一些舊的退化照片，上面有一些黑點，一些筆畫等。你有沒有想過恢復它？我們不能簡單地在繪畫工具中擦除它們，因為它將簡單地用白色結構替換黑色結構，這是沒有用的。在這些情況下，使用稱為圖像修復的技術。基本思路很簡單：用鄰近的像素替換那些壞標記，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

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

參數是：

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

實現

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

第一種算法基于Alexandru Telea于2004年發表的“基于快速行進方法的圖像修復技術”。它基于快速行進方法。考慮圖像中要修復的區域。算法從該區域的邊界開始，然后進入區域內，逐漸填充邊界中的所有內容。它需要在鄰近的像素周圍的一個小鄰域進行修復。該像素由鄰居中所有已知像素的歸一化加權和代替。選擇權重是一個重要的問題。對于靠近該點的那些像素，靠近邊界的法線和位于邊界輪廓上的像素，給予更多的權重。一旦像素被修復，它將使用快速行進方法移動到下一個最近的像素。 FMM確保首先修復已知像素附近的像素，這樣它就像手動啟發式操作一樣工作。使用標志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，流體動力學和圖像和視頻修補”一文。該算法基于流體動力學并利用偏微分方程。基本原則是heurisitic。它首先沿著已知區域的邊緣行進到未知區域（因為邊緣是連續的）。它繼續等照片（連接具有相同強度的點的線，就像輪廓連接具有相同高度的點一樣），同時在修復區域的邊界處匹配漸變矢量。為此，使用來自流體動力學的一些方法。獲得顏色后，填充顏色以減少該區域的最小差異。使用標志cv2.INPAINT_NS啟用此算法。

代碼

我們需要創建一個與輸入圖像大小相同的掩碼，其中非零像素對應于要修復的區域。其他一切都很簡單。我的圖像因一些黑色筆畫而降級（我手動添加）。我用Paint工具創建了相應的筆觸，同時得到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。第一個是降級的OpenCV徽標，第二個圖片是運行FMM所需的掩碼。最后兩張照片是修補的結果。不確定，但我認為兩種修補方法之間沒有任何區別，至少對于當前輸入而言。

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

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