Opencv–圖像修復(fù)

前言

在實(shí)際應(yīng)用中，我們的圖像常常會被噪聲腐蝕，這些噪聲或是鏡頭上的灰塵或水滴，或是舊照片的劃痕，或者是圖像遭到人為的涂畫（比如馬賽克）或者圖像的部分本身已經(jīng)損壞。如果我們想讓這些受到破壞的額圖片盡可能恢復(fù)到原樣，Opencv能幫我們做到嗎？

OpenCV真的有這個(gè)妙手回春的功能！別以為圖像修補(bǔ)的工作只能用PS或者美圖秀秀那些軟件去做，其實(shí)由程序員自己寫代碼去做更加高效！

圖像修復(fù)技術(shù)的原理是什么呢？

簡而言之，就是利用那些已經(jīng)被破壞的區(qū)域的邊緣， 即邊緣的顏色和結(jié)構(gòu)，根據(jù)這些圖像留下的信息去推斷被破壞的信息區(qū)的信息內(nèi)容，然后對破壞區(qū)進(jìn)行填補(bǔ) ，以達(dá)到圖像修補(bǔ)的目的。

OpenCV中就是利用inpaint()這個(gè)函數(shù)來實(shí)現(xiàn)修復(fù)功能的。

void inpaint( InputArray src, InputArray inpaintMask,OutputArray dst, double inpaintRadius, int flags );

第一個(gè)參數(shù)src，輸入的單通道或三通道圖像；

第二個(gè)參數(shù)inpaintMask，圖像的掩碼，單通道圖像，大小跟原圖像一致，inpaintMask圖像上除了需要修復(fù)的部分之外其他部分的像素值全部為0；

第三個(gè)參數(shù)dst，輸出的經(jīng)過修復(fù)的圖像；

第四個(gè)參數(shù)inpaintRadius，修復(fù)算法取的鄰域半徑，用于計(jì)算當(dāng)前像素點(diǎn)的差值；

第五個(gè)參數(shù)flags，修復(fù)算法，有兩種：INPAINT_NS 和I NPAINT_TELEA；

函數(shù)實(shí)現(xiàn)關(guān)鍵是圖像掩碼的確定，可以通過閾值篩選或者手工選定，按照這個(gè)思路，用三種方法生成掩碼，對比圖像修復(fù)的效果。

示例：pandas 是基于NumPy 的一種工具，該工具是為了解決數(shù)據(jù)分析任務(wù)而創(chuàng)建的。

#include <imgproc\imgproc.hpp> #include <highgui\highgui.hpp> #include <photo\photo.hpp>using namespace cv;//全區(qū)域閾值處理+Mask膨脹處理 int main() {Mat imageSource = imread("lol17.png");if (!imageSource.data){return -1;}imshow("原圖", imageSource);Mat imageGray;//轉(zhuǎn)換為灰度圖cvtColor(imageSource, imageGray, CV_RGB2GRAY, 0);Mat imageMask = Mat(imageSource.size(), CV_8UC1, Scalar::all(0));//通過閾值處理生成Maskthreshold(imageGray, imageMask, 240, 255, CV_THRESH_BINARY);Mat Kernel = getStructuringElement(MORPH_RECT, Size(3, 3));//對Mask膨脹處理，增加Mask面積dilate(imageMask, imageMask, Kernel);//圖像修復(fù)inpaint(imageSource, imageMask, imageSource, 5, INPAINT_TELEA);imshow("Mask", imageMask);imshow("修復(fù)后", imageSource);waitKey(); }

下面就是修復(fù)效果，感覺很不錯(cuò)吧！不過仔細(xì)一看，感覺跟原圖還是發(fā)生了一些差異，比如圖中劍圣頭上的那顆亮點(diǎn)，顏色發(fā)生了變化。這個(gè)就是修復(fù)后的副作用！畢竟作出了修復(fù)，付點(diǎn)代價(jià)還是要的。受損是由于是圖像全區(qū)域做閾值處理獲得的掩碼，圖像上部分區(qū)域也被當(dāng)做掩碼對待，導(dǎo)致部分圖像受損。

有些圖片可能就會修復(fù)得很好，比如以下這幅，你根本看不出哪里有明顯的副作用。

是不是所有受損的圖片都能較好地還原呢？那當(dāng)然不是，有些圖片受損太嚴(yán)重的，或者在某些復(fù)雜區(qū)域受損的，OpenCV也很難幫你修復(fù)過來。

比如以下這幅，因?yàn)槭軗p有些區(qū)域在一些很復(fù)雜的位置，所以修復(fù)起來效果不怎么樣。

上面提到其他無辜的而區(qū)域會受損，這個(gè)問題能解決一下嗎？可以的，那就得自己定義一塊需要修復(fù)的而區(qū)域，不需要修復(fù)的區(qū)域我們不動它就是了。

#include <imgproc/imgproc.hpp> #include <highgui/highgui.hpp> #include <core/core.hpp> #include <photo/photo.hpp>using namespace cv;Point ptL, ptR; //鼠標(biāo)畫出矩形框的起點(diǎn)和終點(diǎn) Mat imageSource, imageSourceCopy; Mat ROI; //原圖需要修復(fù)區(qū)域的ROI//鼠標(biāo)回調(diào)函數(shù) void OnMouse(int event, int x, int y, int flag, void *ustg);//鼠標(biāo)圈定區(qū)域閾值處理+Mask膨脹處理 int main() {imageSource = imread("lol17.png");if (!imageSource.data){return -1;}imshow("原圖", imageSource);setMouseCallback("原圖", OnMouse);waitKey(); } void OnMouse(int event, int x, int y, int flag, void *ustg) {if (event == CV_EVENT_LBUTTONDOWN){ptL = Point(x, y);ptR = Point(x, y);}if (flag == CV_EVENT_FLAG_LBUTTON){ptR = Point(x, y);imageSourceCopy = imageSource.clone();rectangle(imageSourceCopy, ptL, ptR, Scalar(255, 0, 0));imshow("原圖", imageSourceCopy);}if (event == CV_EVENT_LBUTTONUP){if (ptL != ptR){ROI = imageSource(Rect(ptL, ptR));imshow("ROI", ROI);waitKey();}}//單擊鼠標(biāo)右鍵開始圖像修復(fù)if (event == CV_EVENT_RBUTTONDOWN){imageSourceCopy = ROI.clone();Mat imageGray;cvtColor(ROI, Gray, CV_RGB2GRAY); //轉(zhuǎn)換為灰度圖Mat imageMask = Mat(ROI.size(), CV_8UC1, Scalar::all(0));//通過閾值處理生成Maskthreshold(imageGray, imageMask, 235, 255, CV_THRESH_BINARY);Mat Kernel = getStructuringElement(MORPH_RECT, Size(3, 3));dilate(imageMask, imageMask, Kernel); //對Mask膨脹處理inpaint(ROI, imageMask, ROI, 9, INPAINT_TELEA); //圖像修復(fù)imshow("Mask", imageMask);imshow("修復(fù)后", imageSource);} }

這種方法就需要我們?nèi)藶榈禺嫵鲆迯?fù)的區(qū)域，這樣就不會影響區(qū)域之外的圖像了。

首先按住鼠標(biāo)左鍵將待修復(fù)區(qū)域框出來。

修復(fù)的而效果確實(shí)比上面的方法要好！

總而言之，圖像修復(fù)技術(shù)在一些簡單，顏色單調(diào)的圖像上進(jìn)行修復(fù)得到的而效果是相當(dāng)好的，而在一些細(xì)節(jié)或者復(fù)雜的部分進(jìn)行修復(fù)，得到的復(fù)原圖像的效果就比較一般了。比如在一些背景部分進(jìn)行修復(fù)效果都不錯(cuò)，而在邊緣細(xì)節(jié)上的修復(fù)就能看出問題了！

總結(jié)

以上是生活随笔為你收集整理的Opencv--图像修复的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。