上位机图像处理和嵌入式模块部署（qmacvisual图像修复）

qmacvisual提供了一个图像修复的功能。所谓的图像修复，就是对图像中缺省的部分进行修补，它的操作，其实分成两个步骤，第一个就是找出需要修复的区域、设置修复区域的关联半径；第二个部分就是通过设定标志位的方式，确定采用什么样的修复算法来解决这个问题。目前opencv使用了两个算法来解决这个问题，其中一个是cv2.INPAINT_TELEA，另外一个是cv2.INPAINT_NS，两者的函数入口都是cv::inpaint。

1、创建工程和流程

要想使用qmacvisual的插件功能，首先需要依次创建工程和创建流程。

2、导入图像

这里导入的图像就是需要修复的图像。导入的方法，就是从【图像处理】-》【获取图像】中，把插件拖到流程窗口中，单击插件就可以看到这样的内容，

如图所示，图像中白色的部分就是我们需要修复的部分。最终，我们希望得到的效果就是将图像中白色的部分，变成和周边差不多的颜色，并且颜色的过度尽量自然逼真一点。

3、导入图像修复插件

图像修复插件的位置，也是位于【图像处理】下面，我们直接将插件拖到流程窗口就可以了。双击插件，就可以看到这样的窗口，

插件中有四个地方需要配置，第一个是图像的来源；第二个和第三个是阈值的大小，通过这两个参数可以设定修复的范围；第四个是关联的半径。最后单击执行按钮，就可以看到修复的效果。仅仅从参数可能还无法知道修复的细节，没有关系，可以进一步查找下相关的实现代码，

复制代码

bool frmImageRepair::Inpaint(const cv::Mat src_mat, cv::Mat& dst_mat, const int min_threshold, const int max_threshold, const double inpaint_radius)
{
	try
	{
		//创建掩码
		cv::Mat mask = cv::Mat();
		if (src_mat.channels() == 3)
		{
			cv::cvtColor(src_mat, mask, cv::COLOR_BGR2GRAY);
		}
		else if (src_mat.channels() == 4)
		{
			cv::cvtColor(src_mat, mask, cv::COLOR_RGBA2GRAY);
		}			
		cv::threshold(mask, mask, min_threshold, max_threshold, cv::ThresholdTypes::THRESH_BINARY);
		cv::Mat dst = cv::Mat();
		cv::inpaint(src_mat, mask, dst, inpaint_radius, cv::INPAINT_TELEA);
		dst_mat = dst;
		return true;
	}
	catch (...)
	{
		return false;
	}
}

通过代码，我们看到整个实现的过程还是比较清晰的。整个流程有这么三个步骤，首先将图像变成了灰度图mask。接着，将输入的参数配置到二值化函数cv::threshold当中，这是第二步。有了这两步之后，就可以通过源图像、二值化图像和关联半径范围，通过cv::inpaint函数实现最关键的第三步，即图像修复操作。

4、使用场景

在工业场景中，虽然图像修复用的不多。但是消费领域，这个功能还是很实用的，特别是在修复一些老照片方面，还是非常不错的。当然现在随着ai技术的引入，在图像修复领域也有很多ai实践的范例，有兴趣的同学可以去寻找一下相关的论文，应该会有不少的收获。