十五天掌握OpenCV——图像修补

最新推荐文章于 2025-06-09 16:14:07 发布

原创最新推荐文章于 2025-06-09 16:14:07 发布 · 406 阅读

1 ·

CC 4.0 BY-SA版权

机器视觉专栏收录该内容

54 篇文章

订阅专栏

本文介绍使用OpenCV中的修补技术去除老照片噪音和划痕的方法。重点讲解了两种修补算法：基于快速行进算法的Telea算法和基于流体动力学的Navier-Stokes算法，通过代码演示了如何应用这些技术来修复图像。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

魏老师学生——Cecil：学习OpenCV-机器视觉之旅

基础
代码演示

Aim：使用修补技术去除老照片中小的噪音和划痕。
使用OpenCV中与修补技术有关的函数。

基础

如何修复退化的老照片？用坏点周围的像素取代坏点，使其和周围像素比较像。OpenCV中有两种算法：
**算法一：**基于快速行进算法。
算法从要修补的区域的边界开始，向区域内部慢慢前进。
首先填充区域边界像素。
选取待修补像素周围的一个小邻域，使用邻域内的归一化加权和更新待修复的像素值。
权重选择：靠近带修复点的像素点、靠近正常边界像素点和在轮廓上的像素点给与更高的权重。
当像素被修复后，使用快速行进算法移动到下一个最近像素。
FMM保证靠近已知像素点的坏点先被修复。标签参数：cv2.INPAINT_TELEA.
**算法二：**基于流体动力学并使用偏微分方程。
基本原理：启发式。
先沿着正常区域的边界向退化区域的边界前进。
通过匹配待修复区域中的梯度向量来延伸等光强线（isophotes，由灰度值相等的点连成的线）。使用流体动力学中的方法实现此目的，然后通过填充颜色来使这个区域内的灰度值变化最小。标签参数：cv2.INPAINT_NS.

代码演示

#coding=utf-8
import cv2
import numpy as np

img=cv2.imread('./image2/1234.jpg')
mask=cv2.imread('./image2/123.jpg',0)

dst=cv2.inpaint(img,mask,3,cv2.INPAINT_TELEA)
cv2.imshow('dst',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()