OpenCV之图片修复(inpaint)

图片修复基本原理: 我们自己标定噪声的特征,然后根据噪声周围区域的颜色特征修复噪声所在的区域。通俗一点就是用邻近的像素替换那些坏标记,使其看起来像是邻居。

如下图,需要将白色框框去掉:

标定噪声特征

先分析白色框框特征,白色区域的值大概处于[240, 240, 240]~[255, 255, 255]之间 图片中其他区域很少有这么高的像素值 所以我们可以把这个白色区域提取出来 表示为前景区域 然后对其膨胀

opencv给我们提供了一个api ,用cv2.inRange进行二值化处理,cv2.inRange 用法如下

把 low-up之间的值变为255 以外的值变成0

结果如下:

扩展噪声区域 优化处理效果

cv2.dliate

图像修复

直接用opencv的api cv2.inpaint函数 用法如下:

就是在原图基础上 把mask中前景区域部分的图像根据 flags指定的方法 进行修复

结果:

总的来说 这玩意主要是靠opencv里面cv2.inpaint这个函数实现.

代码

代码如下

复制代码
# 图片修复

import cv2
import numpy as np

path = "./6t.jpg"

img = cv2.imread(path)
hight, width, depth = img.shape[0:3]

# 图片二值化处理,把[240, 240, 240]~[255, 255, 255]以外的颜色变成0
thresh = cv2.inRange(img, np.array([240, 240, 240]), np.array([255, 255, 255]))
cv2.imshow("2", thresh)
# 创建形状和尺寸的结构元素
kernel = np.ones((5, 5), np.uint8)

# 扩张待修复区域
# dliate参数:原图 内核 腐蚀次数
hi_mask = cv2.dilate(thresh, kernel, iterations=1)
cv2.imshow("3", hi_mask)
# inpaint
specular = cv2.inpaint(img, hi_mask, 5, flags=cv2.INPAINT_TELEA)

cv2.namedWindow("Image", 0)
cv2.imshow("Image", img)

cv2.namedWindow("newImage", 0)
cv2.imshow("newImage", specular)
cv2.waitKey(0)
cv2.destroyAllWindows()
相关推荐
老坛程序员几秒前
Coze 与 n8n 深度对比:AI智能体平台与工作流自动化的核心博弈
运维·人工智能·自动化
AI人工智能+1 分钟前
药品经营许可证识别技术:通过深度学习算法实现资质文件的自动化识别与核验
人工智能·深度学习·ocr·药品经营许可证识别
IT_陈寒14 分钟前
Java性能调优:这5个被你忽略的JVM参数让你的应用吞吐量提升50%!
前端·人工智能·后端
国科安芯16 分钟前
高辐射环境下AS32S601ZIT2型MCU的抗辐照性能与应用潜力分析
网络·人工智能·单片机·嵌入式硬件·fpga开发
无风听海27 分钟前
神经网络之反向传播
人工智能·深度学习·神经网络
2501_930799242 小时前
访答知识库#Pdf转word#人工智能#Al编辑器#访答RAG#企业知识库私,私有知识库,访答编辑器,个人知识库,云知识库,……
人工智能
学好statistics和DS2 小时前
【CV】神经网络中哪些参数需要被学习?
人工智能·神经网络·学习
大千AI助手3 小时前
机器学习特征筛选中的IV值详解:原理、应用与实现
人工智能·机器学习·kl散度·roc·iv·信息值·woe
姜—姜3 小时前
通过构建神经网络实现项目预测
人工智能·pytorch·深度学习·神经网络
Ro Jace3 小时前
模式识别与机器学习课程笔记(4):线性判决函数
人工智能·笔记·机器学习