目标

在本章中，

我们将学习如何通过一种称为修复的方法，去除旧照片中的轻微噪点、笔触等内容
我们将了解 OpenCV 中的修复功能。

基础知识

你们大多数人都会有一些陈旧、退化的照片，上面有一些黑点、笔触等内容。你有没有想过要修复这些照片？我们不能简单地使用绘图工具将其擦除，因为它只会将黑色结构替换为白色结构，这毫无用处。在这些情况下，可以使用一种称为图像修复的技术。基本思想很简单：用其相邻像素替换那些不好的标记，使其看起来像邻域。请考虑下面显示的图像（取自 Wikipedia）

图像

为此，设计了许多算法，而 OpenCV 提供了其中的两种。两者都可以通过同一个函数访问，cv.inpaint()

第一个算法基于 Alexandru Telea 在 2004 年发表的论文 **“一种基于快速行进法图像修复技术”**。它基于快速行进法。假设要修复图像中的某个区域。算法从该区域的边界开始，逐渐向区域内部移动，首先填充边界中的所有内容。它在要修复邻域中的像素周围选取一个较小的邻域。用邻域中所有已知像素的归一化加权和来替换该像素。权重的选择是一个重要问题。位于点附近、靠近边界法线和平躺在边界轮廓上的那些像素将获得更大的权重。一旦修复了一个像素，它将使用快速行进法移动到下一个最近的像素。FMM 可确保已知像素附近的那些像素首先得到修复，因此它就像一个手动启发式操作。通过使用标志 cv.INPAINT_TELEA 启用此算法。

第二种算法基于论文 **“Navier-Stokes、流体动力学以及图像和视频修复”**，该论文由 Bertalmio、马塞洛、安德里亚·L·贝托齐和吉列尔莫·萨皮罗在 2001 年发表。此算法基于流体动力学，并利用偏微分方程。基本原理是启发式的。它首先沿着边缘从已知区域移动到未知区域（因为边缘应该是连续的）。它会继续等光线（将具有相同亮度的点连接起来的线，就像等高线将具有相同高度的点连接起来一样），同时匹配修复区域边界上的梯度方向。为此，运用了流体动力学方面的一些方法。获得这些方法后，会填充颜色以减少该区域中的最小方差。此算法通过使用标记 cv.INPAINT_NS 启用。

代码

我们需要创建一个与输入图像相同大小的蒙版，其中非零像素对应于需要修复的区域。其他一切都很简单。我的图像被一些黑色笔画（我手动添加的）破坏了。我使用 Paint 工具创建了对应的笔画。

import numpy as np
import cv2 as cv
 
img = cv.imread('messi_2.jpg')
mask = cv.imread('mask2.png', cv.IMREAD_GRAYSCALE)
 
dst = cv.inpaint(img,mask,3,cv.INPAINT_TELEA)
 
cv.imshow('dst',dst)
cv.waitKey(0)
cv.destroyAllWindows()

在下页查看结果。第一幅图像显示损坏的输入。第二幅图像为蒙版。第三幅图像为第一种算法的结果，最后一幅图像为第二种算法的结果。

图像

其他资源

Bertalmio、Marcelo、Andrea L. Bertozzi 和 Guillermo Sapiro。“纳维-斯托克斯，流体动力学，图像和视频填补”。发表于计算机视觉和模式识别，2001 年。CVPR 2001. 2001 年 IEEE 计算机协会会议记录，卷 1，第 I-355 页。IEEE，2001 年。
Telea, Alexandru。“基于快速进行方法的图像修复技术”。Journal of graphics tools 9.1 (2004): 23-34.

练习

OpenCV 带有一个交互式修复样本，samples/python/inpaint.py，可以试一试。
几个月前，我在内容感知填充上观看了一段视频，这是一种在 Adobe Photoshop 中使用的先进修复技术。进一步搜索后，我发现 GIMP 中已经有了相同的技术，名称不同，“Resynthesizer”（你得装一个单独的插件）。我敢肯定你会喜欢这项技术。