OpenCV图像修复实例讲解
OpenCV 提供了两种经典的图像修复算法，可以方便地去除照片中的水印、划痕、日期戳，或者移除不需要的物体。它的核心思想是利用图像中完好的区域，来填充被标记为“损坏”的区域。
🧠 两种内置算法
OpenCV 的 inpaint 函数支持两种算法，通过 flags 参数选择：
| 算法 | 原理简介 | 特点 |
|---|---|---|
cv2.INPAINT_NS |
基于 Navier-Stokes 方程，将图像强度看作流体，沿着边缘等照度线方向扩散信息进入待修复区域。 | 适合平滑连续的边缘，保持结构。 |
cv2.INPAINT_TELEA |
基于 快速行进法 (FMM)，从区域边界开始逐步向内填充，优先处理边界像素，利用邻近已知像素加权平均。 | 计算更快，对纹理较少的区域效果好。 |
📦 核心函数
dst = cv2.inpaint(src, mask, inpaintRadius, flags)
src：输入图像（8位单/三通道，修复时通常用彩色图）。
mask：修复掩膜，8位单通道，非零像素表示需要修复的区域（通常用 255 表示白）。
inpaintRadius：修复时考虑的邻域半径。值越大，参考范围越广，但也可能更模糊。
flags：cv2.INPAINT_TELEA 或 cv2.INPAINT_NS。
🛠️ 完整示例（Python）
# 图片修复，要求把一张图片上的测字擦除，代码如下：
import cv2
import numpy as np
from opencv_jupyter_ui import cv2_imshow
img = cv2.imread('./images/inpaint.png')
mask = cv2.imread('./images/inpaint_mask.png', 0)
dst1 = cv2.inpaint(img, mask, 5, cv2.INPAINT_TELEA)
dst2 = cv2.inpaint(img, mask, 5, cv2.INPAINT_NS)
# cv2_imshow('dst', np.hstack((img,mask,dst)))
cv2_imshow('dst', np.hstack((img,dst1,dst2)))
# cv2.imshow('dst', np.hstack((img,mask,dst)))
# cv2.waitKey(0)
# cv2.destroyAllWindows()
图像展示如下：
✨ 实用技巧
掩膜质量决定效果：修复区域必须精准覆盖缺陷，且边界最好稍微多包含几个像素（用膨胀操作），否则会在边缘留下模糊痕迹。
半径选择：
细划痕：半径可以小一些（3~5）
大块缺失：半径需要稍大（5~10），但过大会导致明显模糊。
可尝试不同值，观察修复痕迹。
两种算法比较：如果边界清晰、纹理简单，TELEA 够用且快；若希望更好保持边缘连贯性（比如移除线条），NS 有时更自然。
大物体移除：传统 inpaint 对大面积纹理区域效果有限，可能会出现模糊块，此时需要更高级的基于深度学习的修复方法（如 LaMa、Stable Diffusion Inpainting）。
全部评论