OpenCV圖像修復(fù)cv2.inpaint()的使用
這篇博客將介紹如何通過(guò)OpenCV中圖像修復(fù)的技術(shù)——cv2.inpaint() 去除舊照片中的小噪音、筆劃等。并提供一個(gè)可交互式的程序,利用OpenCV的快速行進(jìn)和流體力學(xué)倆種修復(fù)算法對(duì)自己的圖片進(jìn)行修復(fù)。
大多數(shù)人家里都會(huì)有一些舊的老化照片,上面有一些黑點(diǎn)、筆劃等。如何復(fù)原呢?
在繪制工具中擦除:將簡(jiǎn)單地用無(wú)用的白色結(jié)構(gòu)替換黑色結(jié)構(gòu),效果并不理想。OpenCV中圖像修復(fù)的技術(shù)——基本思想很簡(jiǎn)單:用相鄰像素替換這些壞標(biāo)記,使其看起來(lái)像鄰居。
- cv2.INPAINT_TELEA(Fast Marching Method 快速行進(jìn)算法)
- cv2.INPAINT_NS(Fluid Dynamics Method 流體力學(xué)算法)
- OpenCV未實(shí)現(xiàn)的:Content-Aware Fill 內(nèi)容感知填充算法,這是Adobe Photoshop中使用的一種高級(jí)修復(fù)技術(shù)。
cv2.inpaint() 優(yōu)點(diǎn):修復(fù)效果更加自然;
缺點(diǎn):修復(fù)時(shí)需要提供原圖以及mask圖(與原圖一致只有被污染的像素區(qū)域有值);
1. 效果圖
官方原始圖 VS mask圖 VS 快速行進(jìn)算法修復(fù)效果 VS 流體力學(xué)修復(fù)效果 如下:
接下來(lái)用可交互的例子實(shí)現(xiàn)自己的圖片修復(fù);
原始圖 VS Mask圖 VS 快速行進(jìn)算法修復(fù)效果圖如下:
原始圖隨意用鼠標(biāo)左鍵移動(dòng)繪制點(diǎn)、線(xiàn),右鍵移動(dòng)繪制矩形來(lái)隨機(jī)增加一些被污染的區(qū)域;
并根據(jù)原始圖生成mask圖,mask圖是與原始圖具有相同大小,并且只有被污染的區(qū)域是白色像素的圖??梢钥吹叫迯?fù)效果還是挺好的~
原始圖 VS Mask圖 VS 流體力學(xué)算法修復(fù)效果圖如下:
原始圖隨意用鼠標(biāo)左鍵移動(dòng)繪制點(diǎn)、線(xiàn),右鍵移動(dòng)繪制矩形來(lái)隨機(jī)增加一些被污染的區(qū)域;
mask圖是與原始圖具有相同大小,并且只有被污染的區(qū)域是白色像素的圖??梢钥吹叫迯?fù)效果還是挺好的~
快速行進(jìn)算法與流體力學(xué)算法修復(fù)的效果圖差別不太大;
2. 原理
- cv2.INPAINT_TELEA (Fast Marching Method 快速行進(jìn)算法),對(duì)位于點(diǎn)附近、邊界法線(xiàn)附近和邊界輪廓上的像素賦予更多權(quán)重。一旦一個(gè)像素被修復(fù),它將使用快速行進(jìn)的方法移動(dòng)到下一個(gè)最近的像素。
- cv2.INPAINT_NS(Fluid Dynamics Method 流體力學(xué)算法),使用了流體力學(xué)的一些方法,基本原則是啟發(fā)式的。首先沿著邊從已知區(qū)域移動(dòng)到未知區(qū)域(因?yàn)檫吺沁B續(xù)的)。它在匹配修復(fù)區(qū)域邊界處的漸變向量的同時(shí),繼續(xù)等高線(xiàn)(連接具有相同強(qiáng)度的點(diǎn)的線(xiàn),就像等高線(xiàn)連接具有相同高程的點(diǎn)一樣)。
- OpenCV未實(shí)現(xiàn)的:Content-Aware Fill 內(nèi)容感知填充算法,這是Adobe Photoshop中使用的一種高級(jí)修復(fù)技術(shù)。
3. 源碼
# 圖像修復(fù)交互式案例——通過(guò)水流填充算法來(lái)修復(fù)被破壞的圖像區(qū)域; # 使用倆種方法進(jìn)行修復(fù) # cv2.INPAINT_TELEA (Fast Marching Method 快速行進(jìn)算法),對(duì)位于點(diǎn)附近、邊界法線(xiàn)附近和邊界輪廓上的像素賦予更多權(quán)重。一旦一個(gè)像素被修復(fù),它將使用快速行進(jìn)的方法移動(dòng)到下一個(gè)最近的像素。 # cv2.INPAINT_NS 流體力學(xué)算法,使用了流體力學(xué)的一些方法,基本原則是啟發(fā)式的,首先沿著邊從已知區(qū)域移動(dòng)到未知區(qū)域(因?yàn)檫吺沁B續(xù)的)。它在匹配修復(fù)區(qū)域邊界處的漸變向量的同時(shí),繼續(xù)等高線(xiàn)(連接具有相同強(qiáng)度的點(diǎn)的線(xiàn),就像等高線(xiàn)連接具有相同高程的點(diǎn)一樣)。 # USAGE # python inpaint.py D:/deepLearning/py-demo/20210808/images/ml.jpg # 按下鼠標(biāo)左鍵,添加點(diǎn)、線(xiàn),按下鼠標(biāo)右鍵,添加矩形框,以制作被污染的需要修復(fù)圖像 # 按下空格鍵:執(zhí)行修復(fù)功能 # 按下r鍵:重置待修復(fù)的mask # 按下esc鍵,退出 import cv2 import numpy as np class Sketcher: def __init__(self, windowname, dests, colors_func): self.prev_pt = None # 線(xiàn)起始點(diǎn) self.drag_start = None # 矩形起點(diǎn) self.drag_rect = None # 矩形(左上角,右下角)坐標(biāo) self.windowname = windowname self.dests = dests self.colors_func = colors_func self.dirty = False self.drawing = False self.mode = False self.show() cv2.setMouseCallback(self.windowname, self.on_mouse) def show(self): cv2.imshow(self.windowname, self.dests[0]) def on_mouse(self, event, x, y, flags, param): pt = (x, y) if event == cv2.EVENT_LBUTTONDOWN: self.prev_pt = pt self.drawing = True elif event == cv2.EVENT_RBUTTONDOWN: # 第一次初始化時(shí)設(shè)定pt,往后保留上一個(gè)點(diǎn)作為矩形起點(diǎn) if self.drag_start == None: self.drag_start = pt if self.prev_pt and flags & cv2.EVENT_FLAG_LBUTTON: for dst, color in zip(self.dests, self.colors_func()): cv2.line(dst, self.prev_pt, pt, color, 5) self.dirty = True self.prev_pt = pt self.show() if self.drag_start and flags & cv2.EVENT_FLAG_RBUTTON: xo, yo = self.drag_start x0, y0 = np.minimum([xo, yo], [x, y]) x1, y1 = np.maximum([xo, yo], [x, y]) self.drag_rect = None if x1 - x0 > 0 and y1 - y0 > 0: self.drag_rect = (x0, y0, x1, y1) for dst, color in zip(self.dests, self.colors_func()): cv2.rectangle(dst, (x0, y0), (x1, y1), color, -1) self.dirty = True self.drag_start = None self.drag_rect = None self.show() else: self.drag_start = pt @property def dragging(self): return self.drag_rect is not None def main(): import sys try: fn = sys.argv[1] except: fn = 'images/ml_.jpg' img = cv2.imread(fn) if img is None: print('Failed to load image file:', fn) sys.exit(1) img_mark = img.copy() mark = np.zeros(img.shape[:2], np.uint8) sketch = Sketcher('img', [img_mark, mark], lambda: ((255, 255, 255), 255)) while True: ch = cv2.waitKey() if ch == 27: break if ch == ord(' '): cv2.imshow('mask', mark) fmmres = cv2.inpaint(img_mark, mark, 3, cv2.INPAINT_TELEA) nsres = cv2.inpaint(img_mark, mark, 3, cv2.INPAINT_NS) cv2.imshow('inpaint fmm res', fmmres) cv2.imshow('inpaint ns res', nsres) if ch == ord('r'): img_mark[:] = img mark[:] = 0 sketch.show() print('Done') if __name__ == '__main__': main() cv2.destroyAllWindows()
到此這篇關(guān)于OpenCV圖像修復(fù)cv2.inpaint()的使用的文章就介紹到這了,更多相關(guān)OpenCV圖像修復(fù)cv2.inpaint()內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Python 正則表達(dá)式實(shí)現(xiàn)計(jì)算器功能
本篇文章主要介紹了Python 正則表達(dá)式實(shí)現(xiàn)計(jì)算器功能的示例。具有很好的參考價(jià)值。下面跟著小編一起來(lái)看下吧2017-04-04Python字符串逆序的實(shí)現(xiàn)方法【一題多解】
今天小編就為大家分享一篇關(guān)于Python字符串逆序的實(shí)現(xiàn)方法【一題多解】,小編覺(jué)得內(nèi)容挺不錯(cuò)的,現(xiàn)在分享給大家,具有很好的參考價(jià)值,需要的朋友一起跟隨小編來(lái)看看吧2019-02-02