Opencv图像处理学习（二十八）——图像污点修复

77 阅读 0 评论 51 点赞

我是靠谱客的博主炙热白开水，最近开发中收集的这篇文章主要介绍Opencv图像处理学习（二十八）——图像污点修复，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

图像通常伴随干扰噪声的存在，在某些场景下会出现局部区域图像污染的情形，因此需要对其进行修复。数字修复可用来解决图像中小区域污染以重构原始图像，近年来被广泛应用在去除文本和Logo图标等场景中，利用重构去除图像中的划痕和污点。常用的图像修复基于快速行进的修复算法（FMM）的原理思想是先处理待修复区域边缘上的像素点，然后扩大区域进行遍历，直到修复完所有待修复的图像像素。

Opencv中提供的inpaint函数可以实现图像修复操作，具体参数详细介绍如下：

void inpaint(src,inpaintMask,dst,inpaitRadius,flags)；

其中参数src表示源图像，inpaintMask为输入掩码图像，dst为输出图像，inpaintRadius用于设定像素点修复邻域半径；flag为修复算法类型选择，可选择INPAINT_NS或者INPAINT_TELEA。

图像污点修复的实现过程如下：

<1>计算边界内部区域上p点一阶导数，以p点为中心选取一个小邻域 $P_{varepsilon }$ ，根据给定的q点像素及其在该点的梯度值，可以计算出p点一阶导数：

$I_{q}(p)=I(p)+bigtriangledown I(q)(p-q)$

<2>计算p点新像素值，根据邻域作用差别性，引入权重函数 $w^{-}(p,q)$ ,权重函数的计算通过距离参数与水平集参数获得，然后通过下式来计算新的p点像素值：

$I(p)=frac{sum _{qepsilon p_{varepsilon }}w(p,q)[I(q)+bigtriangledown I(q)(p-q)]}{sum_{qepsilon p_{varepsilon }}w^{-}(p,q) }$

<3>对上述图像进行新像素值生成操作，先完成待修复区域边缘上的像素点，逐步收缩待修复区域的边界，直至完成整个区域的修复。