OpenCV-Python 图像修复

在这一章当中,

  • 我们将学习如何通过一种称为修复的方法去除旧照片中的小噪音,笔画等
  • 我们将在 OpenCV 中看到修复功能。

图像修复基本原理

大多数人会在家里放一些旧的退化照片,上面有一些黑点,一些笔画等。你有没有想过恢复它?我们不能简单地在绘画工具中擦除它们,因为它将简单地用白色结构替换黑色结构,这是没有用的。在这些情况下,使用称为图像修复的技术。基本思路很简单:用相邻像素替换那些坏标记,使其看起来像邻域。考虑下面显示的图像(取自维基百科):

OpenCV图像修复

为此目的设计了几种算法,OpenCV 提供了两种算法。两者都可以通过相同的功能访问, cv.inpaint()

第一种算法基于 2004 年由 Alexandru Telea 撰写的“基于快速行进方法的图像修复技术”。它基于快速行进方法。考虑图像中要修复的区域。算法从该区域的边界开始,然后进入区域内,逐渐填充边界中的所有内容。它需要在邻域像素周围的一个小邻域进行修复。该像素由邻域中所有已知像素的归一化加权和代替。选择权重是一个重要的问题。对于靠近该点的那些像素,靠近边界的法线和位于边界轮廓上的那些像素,给予更多的权重。一旦像素被修复,它将使用快速行进方法移动到下一个最近的像素。 FMM 确保首先修复已知像素附近的像素,这样它就像手动启发式操作一样工作。使用标志 cv.INPAINT_TELEA 启用此算法。

第二种算法基于 Bertalmio,Marcelo,Andrea L. Bertozzi 和 Guillermo Sapiro 在 2001 年的论文“Navier-Stokes,流体动力学和图像和视频修补”。该算法基于流体动力学和利用偏微分方程。基本原则是 heurisitic。它首先沿着已知区域的边缘行进到未知区域(因为边缘是连续的)。它继续等照片(连接具有相同强度的点的线,就像轮廓连接具有相同高度的点一样),同时在修复区域的边界处匹配渐变矢量。为此,使用来自流体动力学的一些方法。获得颜色后,填充颜色以减少该区域的最小差异。使用标志 cv.INPAINT_NS 启用此算法。

OpenCV中的图像修复

我们需要创建一个与输入图像大小相同的掩码,其中非零像素对应于要修复的区域。其他一切都很简单。我的图像因一些黑色笔画而降级(我手动添加)。我用 Paint 工具创建了相应的笔触。

import numpy as np
import cv2 as cv

img = cv.imread('messi_2.jpg')
mask = cv.imread('mask2.png',0)
dst = cv.inpaint(img,mask,3,cv.INPAINT_TELEA)

cv.imshow('dst',dst)
cv.waitKey(0)
cv.destroyAllWindows()

请参阅下面的结果。第一张图像显示降级输入。第二个图像是面具。第三个图像是第一个算法的结果,最后一个图像是第二个算法的结果。

OpenCV图像修复

其他资源

  1. Bertalmio,Marcelo,Andrea L. Bertozzi 和 Guillermo Sapiro。 “Navier-stokes,流体动力学,图像和视频修复。”在计算机视觉和模式识别,2001 年.CVPR 2001. 2001 年 IEEE 计算机学会会议论文集,第一卷。 1,pp.I-355。 IEEE,2001。
  2. Telea,Alexandru。 “基于快速行进方法的图像修复技术。” Journal of graphics tools 9.1(2004):23-34。
赞(0)
未经允许不得转载:极客笔记 » OpenCV-Python 图像修复
分享到: 更多 (0)

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址