OpenCV计算摄影学(1)图像修复(Inpainting)的函数inpaint()

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

使用图像中选定区域的邻域来恢复该选定区域。

cv::inpaint 函数是 OpenCV 中用于图像修复(Inpainting)的一个重要函数。它可以根据指定的方法和参数来修复图像中被遮罩区域的内容,通常用于去除图像中的划痕、污点或其他不需要的标记。

函数原型

cpp 复制代码
void cv::inpaint	
(
	InputArray 	src,
	InputArray 	inpaintMask,
	OutputArray 	dst,
	double 	inpaintRadius,
	int 	flags 
)		

参数

  • 参数src 输入8位、16位无符号或32位浮点单通道图像,或者是8位三通道图像。
  • 参数inpaintMask 修复掩码,8位单通道图像。非零像素表示需要进行修复的区域。
  • 参数dst 输出图像,与src具有相同的大小和类型。
  • 参数inpaintRadius 算法考虑的每个修复点的圆形邻域半径。
  • 参数flags 可以是 cv::INPAINT_NS 或 cv::INPAINT_TELEA 的修复方法。

该函数通过边界附近的像素重建选定的图像区域。此功能可用于从扫描的照片中去除灰尘和划痕,或者从静态图像或视频中移除不需要的对象。更多详情请参见 http://en.wikipedia.org/wiki/Inpainting

代码示例

cpp 复制代码
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    // 加载 OpenCV 自带的示例图像
    Mat src = imread( String( "/media/dingxin/data/study/OpenCV/sources/images/lenna.png" ), IMREAD_COLOR );  // 确保 "lena.jpg" 存在于 OpenCV 的示例目录下

    if ( src.empty() )
    {
        cout << "Could not open or find the image!" << endl;
        return -1;
    }

    // 创建一个掩码图像,并在其上绘制需要修复的区域
    Mat inpaintMask = Mat::zeros( src.size(), CV_8UC1 );
    rectangle( inpaintMask, Point( 231, 83 ), Point( 331, 172 ), Scalar( 255, 255, 255 ), FILLED );  // 示例矩形

    Mat dst;

    // 使用 INPAINT_TELEA 方法进行图像修复
    inpaint( src, inpaintMask, dst, 3, INPAINT_TELEA );

    // 显示原图、掩码和修复后的图像
    imshow( "Original Image", src );
    imshow( "Inpaint Mask", inpaintMask );
    imshow( "Inpainted Image", dst );

    waitKey( 0 );
    return 0;
}

运行结果

处理的不大理想,有待于进一步研究使用方法。

相关推荐
明志数科6 小时前
机器人商业化验证中 真工业场景数据与训练场数据的差异分析
人工智能·机器学习
Mr数据杨6 小时前
公寓价格预测实战案例 从 Kaggle 房价回归到可落地估值建模
人工智能·数据分析·kaggle竞赛
人工智能AI技术6 小时前
基于定时器的手搓任务调度器:树莓派Pico实战
人工智能
程序员cxuan6 小时前
ChatGPT 开启无限 token
人工智能·后端·程序员
机核研创社6 小时前
HN 慧拿 HN-06 全自动上橡筋机|圆筒扩张结构与三针五线绷缝原理
人工智能·自动化
AI增长技术研究院6 小时前
品牌官网没有被AI引用,怎样区分页面发现问题与内容适用问题?
人工智能
xcLeigh6 小时前
AI写作的前世今生:从规则模板到大语言模型的演进之路
人工智能·ai·ai写作
前端.火鸡6 小时前
AI取代互联网开发者:冲击、优势与行业重构的深度分析
人工智能
DogDaoDao6 小时前
HYPERmotion 深度解析:当人形机器人学会“自己想招“——LLM 规划 + RL 技能库 + 全身优化的混合行为规划框架
人工智能·机器人·人形机器人·运动轨迹·自由度·运动估计·hypermotion
常山云栈7 小时前
axios和restful的区别是什么?
人工智能