很多時候，我們相中了一張圖片，怎奈圖片上面有水印，不會PS的我們該如何來處理圖片，這里小編介紹一下一下opencv的cv2.inpaint的圖片修復(fù)函數(shù)，使用此cv2.inpaint函數(shù)，可以完美匹配PS。

OpenCV提供了兩種算法。兩者都可以通過相同的函數(shù)訪問，cv2.inpaint()

圖片修復(fù)

opencv圖片修復(fù)算法

第一種算法基于Alexandru Telea于2004年發(fā)表的“基于快速行進方法的圖像修復(fù)技術(shù)”。它基于快速行進方法。考慮圖像中要修復(fù)的區(qū)域。算法從該區(qū)域的邊界開始，然后進入?yún)^(qū)域內(nèi)，逐漸填充邊界中的所有內(nèi)容。它需要在鄰近的像素周圍的一個小鄰域進行修復(fù)。該像素由鄰居中所有已知像素的歸一化加權(quán)和代替。選擇權(quán)重是一個重要的問題。對于靠近該點的那些像素，靠近邊界的法線和位于邊界輪廓上的像素，給予更多的權(quán)重。一旦像素被修復(fù)，它將使用快速行進方法移動到下一個最近的像素。 FMM確保首先修復(fù)已知像素附近的像素，這樣它就像手動啟發(fā)式操作一樣工作。使用標(biāo)志cv2.INPAINT_TELEA啟用此算法。

第二種算法基于Bertalmio，Marcelo，Andrea L. Bertozzi和Guillermo Sapiro于2001年撰寫的“Navier-Stokes，流體動力學(xué)和圖像和視頻修補”一文。該算法基于流體動力學(xué)并利用偏微分方程。基本原則是heurisitic。它首先沿著已知區(qū)域的邊緣行進到未知區(qū)域(因為邊緣是連續(xù)的)。它繼續(xù)等照片(連接具有相同強度的點的線，就像輪廓連接具有相同高度的點一樣)，同時在修復(fù)區(qū)域的邊界處匹配漸變矢量。為此，使用來自流體動力學(xué)的一些方法。獲得顏色后，填充顏色以減少該區(qū)域的最小差異。使用標(biāo)志cv2.INPAINT_NS啟用此算法。

PS

圖片修復(fù)代碼實現(xiàn)

opencv實現(xiàn)圖片的修復(fù)，主要使用cv2.inpaint()函數(shù)

output = cv2.inpaint(image, mask,inpaintRadius, flags=flags)

image：輸入8位1通道或3通道圖像

mask：修復(fù)掩碼，8位1通道圖像

output：輸出與image具有相同大小和類型的圖像

inpaintRadius：算法考慮的每個點的圓形鄰域的半徑

flags：

INPAINT_NS基于Navier-Stokes的方法

Alexandru Telea的INPAINT_TELEA方法

了解了cv2.inpaint的函數(shù)，就可以使用代碼來實現(xiàn)opencv圖片的修復(fù)了

import cv2

#flags = cv2.INPAINT_TELEA

flags = cv2.INPAINT_NS

image = cv2.imread('examples/1.png')

mask = cv2.imread('examples/mask1.png')

mask = cv2.cvtColor(mask, cv2.COLOR_BGR2GRAY)

output = cv2.inpaint(image, mask,3, flags=flags)

cv2.imshow("Image", image)

cv2.imshow("mask", mask)

cv2.imshow("Output", output)

cv2.waitKey(0)

首先我們設(shè)計cv2.inpaint函數(shù)的flags,這里有2種方式，可以自行嘗試

使用cv2.imread函數(shù)來讀取原始圖片以及圖片的mask圖片

利用cv2.cvtColor(mask, cv2.COLOR_BGR2GRAY)函數(shù)把圖片BGR空間轉(zhuǎn)換為灰度圖片

然后使用cv2.inpaint函數(shù)進行圖片的修復(fù)

最后我們顯示圖片

修復(fù)的照片

總結(jié)

以上是生活随笔為你收集整理的c++ opencv实现区域填充_帮你解锁一个新技能，opencv完美媲美PS，图片PS，我们代码实现...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，歡迎將生活随笔推薦給好友。