[opencv-python]学习-图像修复
你们中的大多数人家里都会有一些退化的旧照片，上面有一些黑点、一些笔触等。你有没有想过把它恢复回来？我们不能简单地在绘画工具中擦除它们，因为它只会用无用的白色结构替换黑色结构。在这些情况下，使用称为图像修复的技术。基本思想很简单：用相邻像素替换那些坏标记，使其看起来像邻域。
为此设计了几种算法，OpenCV 提供了其中的两种。两者都可以通过同一个函数cv2.inpaint() 访问
第一个算法基于论文“An Image Inpainting Technique Based on the Fast Marching Method”由 Alexandru Telea 于 2004 年编写。它基于快速行进方法。考虑图像中要修复的区域。算法从该区域的边界开始，向区域内部逐渐填充边界内的所有内容。需要修复邻域上像素周围的一个小邻域。该像素被邻域中所有已知像素的归一化加权和代替。权重的选择很重要。对靠近点、靠近边界法线和位于边界轮廓上的那些像素给予更多权重。一旦像素被修复，它就会使用快速行进方法移动到下一个最近的像素。FMM 确保已知像素附近的那些像素首先被修复，因此它就像手动启发式操作一样工作。cv2.INPAINT_TELEA.
第二种算法基于Bertalmio、Marcelo、Andrea L. Bertozzi 和 Guillermo Sapiro 在 2001年发表的论文“Navier-Stokes、流体动力学和图像和视频修复”。该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传播到未知区域（因为边缘是连续的）。它继续等高线（连接具有相同强度的点的线，就像轮廓连接具有相同高程的点一样），同时在修复区域的边界匹配梯度向量。为此，使用了流体动力学的一些方法。一旦获得它们，就会填充颜色以减少该区域的最小差异。该算法通过使用标志启用cv2.INPAINT_NS。
我们需要创建一个与输入图像大小相同的蒙版，其中非零像素对应于要修复的区域。其他一切都很简单。我的图像因一些黑色笔触而降级（我手动添加）。我用画图工具创建了相应的笔触。
import numpy as np
import cv2
img = cv2.imread('messi_2.jpg')
mask = cv2.imread('mask2.png',0)
dst = cv2.inpaint(img,mask,3,cv2.INPAINT_TELEA)
cv2.imshow('dst',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()
参考
Image Inpainting