【opencv】示例-inpaint.cpp 图像修复是通过填充损坏图像部分从而修复这些损坏的过程...

原始图像

这段代码展示了一个使用OpenCV库进行图像修复的例子。它首先包含了处理图像编码、解码、显示、处理和照片处理所必要的OpenCV模块的头文件。然后利用cv和std命名空间下的类和方法。通过定义一个鼠标回调函数onMouse来处理图像上的绘图操作,并通过主函数main处理图像读取,修复与显示。

整体功能是:程序允许用户用鼠标在图像上绘制区域,然后用指定的修复算法(图像修复算法)来修复这些区域。用户可以通过按键来选择恢复原始图像或者运行修复算法,最后显示修复后的结果。

cpp 复制代码
#include "opencv2/imgcodecs.hpp" // 包含OpenCV模块中处理图像编码和解码的头文件
#include "opencv2/highgui.hpp" // 包含OpenCV模块中用于创建界面以显示和保存图像和视频的头文件
#include "opencv2/imgproc.hpp" // 包含OpenCV模块中处理图像处理的头文件
#include "opencv2/photo.hpp" // 包含OpenCV模块中处理照片的头文件


#include <iostream> // 包含标准输入输出流的头文件


using namespace cv; // 使用命名空间cv,这样就可以直接使用OpenCV中定义的类和方法,而不需要加cv::前缀
using namespace std; // 使用命名空间std,便于使用标准库中的功能


static void help( char** argv ) // 定义帮助函数,打印程序使用方法
{
    cout << "\nCool inpainging demo. Inpainting repairs damage to images by floodfilling the damage \n"
            << "with surrounding image areas.\n"
            "Using OpenCV version %s\n" << CV_VERSION << "\n"
            "Usage:\n" << argv[0] <<" [image_name -- Default fruits.jpg]\n" << endl;


    cout << "Hot keys: \n"
        "\tESC - quit the program\n"
        "\tr - restore the original image\n"
        "\ti or SPACE - run inpainting algorithm\n"
        "\t\t(before running it, paint something on the image)\n" << endl;
}


Mat img, inpaintMask; // 声明Mat类变量img和inpaintMask,分别用于存储图像和绘制修复区域的掩码
Point prevPt(-1,-1); // 声明Point类变量prevPt,并初始化为(-1,-1),用于存储上一个绘图点的位置


static void onMouse( int event, int x, int y, int flags, void* ) // 定义鼠标回调函数,用于处理鼠标事件
{
    if( event == EVENT_LBUTTONUP || !(flags & EVENT_FLAG_LBUTTON) )
        prevPt = Point(-1,-1);
    else if( event == EVENT_LBUTTONDOWN )
        prevPt = Point(x,y);
    else if( event == EVENT_MOUSEMOVE && (flags & EVENT_FLAG_LBUTTON) )
    {
        Point pt(x,y);
        if( prevPt.x < 0 )
            prevPt = pt;
        line( inpaintMask, prevPt, pt, Scalar::all(255), 5, 8, 0 ); // 在掩码图像上绘制白色线条
        line( img, prevPt, pt, Scalar::all(255), 5, 8, 0 ); // 在原图上绘制白色线条
        prevPt = pt;
        imshow("image", img); // 显示图像
    }
}


int main( int argc, char** argv ) // 主函数入口
{
    cv::CommandLineParser parser(argc, argv, "{@image|fruits.jpg|}"); // 解析命令行参数
    help(argv); // 调用帮助函数显示使用方法


    string filename = samples::findFile(parser.get<string>("@image")); // 获取图像文件的路径
    Mat img0 = imread(filename, IMREAD_COLOR); // 读取图像文件
    if(img0.empty()) // 如果图像为空,则显示错误信息并返回
    {
        cout << "Couldn't open the image " << filename << ". Usage: inpaint <image_name>\n" << endl;
        return 0;
    }


    namedWindow("image", WINDOW_AUTOSIZE); // 创建显示图像的窗口


    img = img0.clone(); // 克隆原始图像
    inpaintMask = Mat::zeros(img.size(), CV_8U); // 创建掩码图像,并初始化所有像素为0


    imshow("image", img); // 显示原始图像
    setMouseCallback( "image", onMouse, NULL); // 设置鼠标回调函数


    for(;;) // 无限循环,等待用户输入
    {
        char c = (char)waitKey(); // 等待键盘输入


        if( c == 27 ) // 如果按下ESC键,则退出程序
            break;


        if( c == 'r' ) // 如果按下'r'键,则恢复原始图像
        {
            inpaintMask = Scalar::all(0);
            img0.copyTo(img);
            imshow("image", img);
        }


        if( c == 'i' || c == ' ' ) // 如果按下'i'键或空格键,则运行修复算法
        {
            Mat inpainted;
            inpaint(img, inpaintMask, inpainted, 3, INPAINT_TELEA); // 运行修复算法
            imshow("inpainted image", inpainted); // 显示修复后的图像
        }
    }


    return 0; // 程序结束
}
go 复制代码
inpaint(img, inpaintMask, inpainted, 3, INPAINT_TELEA);
相关推荐
Codebee28 分钟前
能力中心 (Agent SkillCenter):开启AI技能管理新时代
人工智能
聆风吟º1 小时前
CANN runtime 全链路拆解:AI 异构计算运行时的任务管理与功能适配技术路径
人工智能·深度学习·神经网络·cann
uesowys1 小时前
Apache Spark算法开发指导-One-vs-Rest classifier
人工智能·算法·spark
AI_56781 小时前
AWS EC2新手入门:6步带你从零启动实例
大数据·数据库·人工智能·机器学习·aws
User_芊芊君子1 小时前
CANN大模型推理加速引擎ascend-transformer-boost深度解析:毫秒级响应的Transformer优化方案
人工智能·深度学习·transformer
智驱力人工智能2 小时前
小区高空抛物AI实时预警方案 筑牢社区头顶安全的实践 高空抛物检测 高空抛物监控安装教程 高空抛物误报率优化方案 高空抛物监控案例分享
人工智能·深度学习·opencv·算法·安全·yolo·边缘计算
qq_160144872 小时前
亲测!2026年零基础学AI的入门干货,新手照做就能上手
人工智能
Howie Zphile2 小时前
全面预算管理难以落地的核心真相:“完美模型幻觉”的认知误区
人工智能·全面预算
人工不智能5772 小时前
拆解 BERT:Output 中的 Hidden States 到底藏了什么秘密?
人工智能·深度学习·bert
盟接之桥2 小时前
盟接之桥说制造:引流品 × 利润品,全球电商平台高效产品组合策略(供讨论)
大数据·linux·服务器·网络·人工智能·制造