OpenCV图像修复
前言
在实际应用中，我们的图像常常会被噪声腐蚀，这些噪声或是镜头上的灰尘或水滴，或是旧照片的划痕，或者是图像遭到人为的涂画（比如马赛克）或者图像的部分本身已经损坏。如果我们想让这些受到破坏的额图片尽可能恢复到原样，opencv能帮我们做到吗？
opencv真的有这个妙手回春的功能！别以为图像修补的工作只能用ps或者美图秀秀那些软件去做，其实由程序员自己写代码去做更加高效！
图像修复技术的原理是什么呢？
简而言之，就是利用那些已经被破坏的区域的边缘， 即边缘的颜色和结构，根据这些图像留下的信息去推断被破坏的信息区的信息内容，然后对破坏区进行填补 ，以达到图像修补的目的。
在opencv的“photo.hpp”中定义了一个inpaint函数，可以用来实现图像的修复和复原功能，inpaint函数的原型如下：
void inpaint（ inputarray src， inputarray inpaintmask，
outputarray dst， double inpaintradius， int flags ）;
第一个参数src，输入的单通道或三通道图像；
第二个参数inpaintmask，图像的掩码，单通道图像，大小跟原图像一致，inpaintmask图像上除了需要修复的部分之外其他部分的像素值全部为0；
第三个参数dst，输出的经过修复的图像；
第四个参数inpaintradius，修复算法取的邻域半径，用于计算当前像素点的差值；
第五个参数flags，修复算法，有两种：inpaint_ns 和i npaint_telea；
函数实现关键是图像掩码的确定，可以通过阈值筛选或者手工选定，按照这个思路，用三种方法生成掩码，对比图像修复的效果。
方法一、全区域阈值处理+mask膨胀处理 ［cpp］ view plain copy print？
#include 《imgprocimgproc.hpp》
#include 《highguihighgui.hpp》
#include 《photophoto.hpp》
using namespace cv;
//全区域阈值处理+mask膨胀处理
int main（）
{
mat imagesource = imread（“test.jpg”）;
if （！imagesource.data）
{
return -1;
}
imshow（“原图”， imagesource）;
mat imagegray;
//转换为灰度图
cvtcolor（imagesource， imagegray， cv_rgb2gray， 0）;
mat imagemask = mat（imagesource.size（）， cv_8uc1， scalar：：all（0））;
//通过阈值处理生成mask
threshold（imagegray， imagemask， 240， 255， cv_thresh_binary）;
mat kernel = getstructuringelement（morph_rect， size（3， 3））;
//对mask膨胀处理，增加mask面积
dilate（imagemask， imagemask， kernel）;
//图像修复
inpaint（imagesource， imagemask， imagesource， 5， inpaint_telea）;
imshow（“mask”， imagemask）;
imshow（“修复后”， imagesource）;
waitkey（）;
}
原始图像：
根据阈值处理得到的图像掩码：
图像复原结果：
由于是图像全区域做阈值处理获得的掩码，图像上部分区域也被当做掩码对待，导致部分图像受损。
方法二、鼠标框选区域+阈值处理+mask膨胀处理 ［cpp］ view plain copy print？
#include 《imgproc/imgproc.hpp》
#include 《highgui/highgui.hpp》
#include 《core/core.hpp》
#include 《photo/photo.hpp》
using namespace cv;
point ptl， ptr; //鼠标画出矩形框的起点和终点
mat imagesource， imagesourcecopy;
mat roi; //原图需要修复区域的roi
//鼠标回调函数
void onmouse（int event， int x， int y， int flag， void *ustg）;
//鼠标圈定区域阈值处理+mask膨胀处理
int main（）
{
imagesource = imread（“test.jpg”）;
if （！imagesource.data）
{
return -1;
}
imshow（“原图”， imagesource）;
setmousecallback（“原图”， onmouse）;
waitkey（）;
}
void onmouse（int event， int x， int y， int flag， void *ustg）
{
if （event == cv_event_lbuttondown）
{
ptl = point（x， y）;
ptr = point（x， y）;
}
if （flag == cv_event_flag_lbutton）
{
ptr = point（x， y）;
imagesourcecopy = imagesource.clone（）;
rectangle（imagesourcecopy， ptl， ptr， scalar（255， 0， 0））;
imshow（“原图”， imagesourcecopy）;
}
if （event == cv_event_lbuttonup）
{
if （ptl ！= ptr）
{
roi = imagesource（rect（ptl， ptr））;
imshow（“roi”， roi）;
waitkey（）;
}
}
//单击鼠标右键开始图像修复
if （event == cv_event_rbuttondown）
{
imagesourcecopy = roi.clone（）;
mat imagegray;
cvtcolor（roi， imagegray， cv_rgb2gray）; //转换为灰度图
mat imagemask = mat（roi.size（）， cv_8uc1， scalar：：all（0））;
//通过阈值处理生成mask
threshold（imagegray， imagemask， 235， 255， cv_thresh_binary）;
mat kernel = getstructuringelement（morph_rect， size（3， 3））;
dilate（imagemask， imagemask， kernel）; //对mask膨胀处理
inpaint（roi， imagemask， roi， 9， inpaint_telea）; //图像修复
imshow（“mask”， imagemask）;
imshow（“修复后”， imagesource）;
}
}
鼠标圈定的roi：
图像复原结果：
选定区域之外的图像不受修复影响，没有额外的损伤。
方法三、鼠标划定整个区域作为修复对象 这个方法选定一个矩形区域，把整个矩形区域作为要修复的对象，该方法适用于图像结构比较简单，特别是纯色图像，并且选定区域面积占比不大的情况，效果较好。
［cpp］ view plain copy print？
#include 《imgproc/imgproc.hpp》
#include 《highgui/highgui.hpp》
#include 《core/core.hpp》
#include 《photo/photo.hpp》
using namespace cv;
point ptl， ptr; //鼠标画出矩形框的起点和终点
mat imagesource， imagesourcecopy;
mat roi; //原图需要修复区域的roi
//鼠标回调函数
void onmouse（int event， int x， int y， int flag， void *ustg）;
//鼠标圈定区域
int main（）
{
imagesource = imread（“test.jpg”）;
if （！imagesource.data）
{
return -1;
}
imshow（“原图”， imagesource）;
setmousecallback（“原图”， onmouse）;
waitkey（）;
}
void onmouse（int event， int x， int y， int flag， void *ustg）
{
if （event == cv_event_lbuttondown）
{
ptl = point（x， y）;
ptr = point（x， y）;
}
if （flag == cv_event_flag_lbutton）
{
ptr = point（x， y）;
imagesourcecopy = imagesource.clone（）;
rectangle（imagesourcecopy， ptl， ptr， scalar（255， 0， 0））;
imshow（“原图”， imagesourcecopy）;
}
if （event == cv_event_lbuttonup）
{
if （ptl ！= ptr）
{
roi = imagesource（rect（ptl， ptr））;
imshow（“roi”， roi）;
waitkey（）;
}
}
//单击鼠标右键开始图像修复
if （event == cv_event_rbuttondown）
{
imagesourcecopy = mat（imagesource.size（）， cv_8uc1， scalar：：all（0））;
mat imagemask = imagesourcecopy（rect（ptl， ptr））;
//生成一个跟roi大小一样的值全为1的区域
mat imagemaskcopy = mat（imagemask.size（）， cv_8uc1， scalar：：all（1））;
imagemaskcopy.copyto（imagemask）;
inpaint（imagesource， imagesourcecopy， imagesource， 9， inpaint_telea）; //图像修复
imshow（“mask”， imagesourcecopy）;
imshow（“修复后”， imagesource）;
}
}
原始图像：
图像复原结果：
贴片编程的原始资料
CAN总线通讯中终端电阻的作用
产品数据分析报告如何撰写
反激式适配器同步整流芯片U7710SG简介
机械变阻器的控制器设计原理及控制命令
OpenCV图像修复
到底什么是BRAS？
如何使用Ubuntu Linux使其物联网平台更安全更快
3D打印迷你CNC绘图机设计
TE线对板高性能互连（HPI）连接器建立可靠、安全的连接
铲雪机器人的设计具有自动化、智能化的特点
嵌入式工程师去面试可能被问到的问题集锦
道路纵横断面测量的高效方法来了！
电力电容器的维护与运行管理技术
英特尔用软件优化技术来带动硬件性能的提升
中国新能源汽车市场出现40%左右的“断崖式”下滑
垃圾处理设备远程调试远程运维系统
Linux中如何开启端口
设计超酷！苹果全新Mac Pro概念图曝光：垃圾桶变盒子
浅析继电器原理的特性和工作原理与技术参数及其测试与应用
图像修复技术的原理是什么呢？
简而言之，就是利用那些已经被破坏的区域的边缘， 即边缘的颜色和结构，根据这些图像留下的信息去推断被破坏的信息区的信息内容，然后对破坏区进行填补 ，以达到图像修补的目的。
在opencv的“photo.hpp”中定义了一个inpaint函数，可以用来实现图像的修复和复原功能，inpaint函数的原型如下：
void inpaint（ inputarray src， inputarray inpaintmask，
outputarray dst， double inpaintradius， int flags ）;
第一个参数src，输入的单通道或三通道图像；
第二个参数inpaintmask，图像的掩码，单通道图像，大小跟原图像一致，inpaintmask图像上除了需要修复的部分之外其他部分的像素值全部为0；
第三个参数dst，输出的经过修复的图像；
第四个参数inpaintradius，修复算法取的邻域半径，用于计算当前像素点的差值；
第五个参数flags，修复算法，有两种：inpaint_ns 和i npaint_telea；
函数实现关键是图像掩码的确定，可以通过阈值筛选或者手工选定，按照这个思路，用三种方法生成掩码，对比图像修复的效果。
方法一、全区域阈值处理+mask膨胀处理 ［cpp］ view plain copy print？
#include 《imgprocimgproc.hpp》
#include 《highguihighgui.hpp》
#include 《photophoto.hpp》
using namespace cv;
//全区域阈值处理+mask膨胀处理
int main（）
{
mat imagesource = imread（“test.jpg”）;
if （！imagesource.data）
{
return -1;
}
imshow（“原图”， imagesource）;
mat imagegray;
//转换为灰度图
cvtcolor（imagesource， imagegray， cv_rgb2gray， 0）;
mat imagemask = mat（imagesource.size（）， cv_8uc1， scalar：：all（0））;
//通过阈值处理生成mask
threshold（imagegray， imagemask， 240， 255， cv_thresh_binary）;
mat kernel = getstructuringelement（morph_rect， size（3， 3））;
//对mask膨胀处理，增加mask面积
dilate（imagemask， imagemask， kernel）;
//图像修复
inpaint（imagesource， imagemask， imagesource， 5， inpaint_telea）;
imshow（“mask”， imagemask）;
imshow（“修复后”， imagesource）;
waitkey（）;
}
原始图像：
根据阈值处理得到的图像掩码：
图像复原结果：
由于是图像全区域做阈值处理获得的掩码，图像上部分区域也被当做掩码对待，导致部分图像受损。
方法二、鼠标框选区域+阈值处理+mask膨胀处理 ［cpp］ view plain copy print？
#include 《imgproc/imgproc.hpp》
#include 《highgui/highgui.hpp》
#include 《core/core.hpp》
#include 《photo/photo.hpp》
using namespace cv;
point ptl， ptr; //鼠标画出矩形框的起点和终点
mat imagesource， imagesourcecopy;
mat roi; //原图需要修复区域的roi
//鼠标回调函数
void onmouse（int event， int x， int y， int flag， void *ustg）;
//鼠标圈定区域阈值处理+mask膨胀处理
int main（）
{
imagesource = imread（“test.jpg”）;
if （！imagesource.data）
{
return -1;
}
imshow（“原图”， imagesource）;
setmousecallback（“原图”， onmouse）;
waitkey（）;
}
void onmouse（int event， int x， int y， int flag， void *ustg）
{
if （event == cv_event_lbuttondown）
{
ptl = point（x， y）;
ptr = point（x， y）;
}
if （flag == cv_event_flag_lbutton）
{
ptr = point（x， y）;
imagesourcecopy = imagesource.clone（）;
rectangle（imagesourcecopy， ptl， ptr， scalar（255， 0， 0））;
imshow（“原图”， imagesourcecopy）;
}
if （event == cv_event_lbuttonup）
{
if （ptl ！= ptr）
{
roi = imagesource（rect（ptl， ptr））;
imshow（“roi”， roi）;
waitkey（）;
}
}
//单击鼠标右键开始图像修复
if （event == cv_event_rbuttondown）
{
imagesourcecopy = roi.clone（）;
mat imagegray;
cvtcolor（roi， imagegray， cv_rgb2gray）; //转换为灰度图
mat imagemask = mat（roi.size（）， cv_8uc1， scalar：：all（0））;
//通过阈值处理生成mask
threshold（imagegray， imagemask， 235， 255， cv_thresh_binary）;
mat kernel = getstructuringelement（morph_rect， size（3， 3））;
dilate（imagemask， imagemask， kernel）; //对mask膨胀处理
inpaint（roi， imagemask， roi， 9， inpaint_telea）; //图像修复
imshow（“mask”， imagemask）;
imshow（“修复后”， imagesource）;
}
}
鼠标圈定的roi：
图像复原结果：
选定区域之外的图像不受修复影响，没有额外的损伤。
方法三、鼠标划定整个区域作为修复对象 这个方法选定一个矩形区域，把整个矩形区域作为要修复的对象，该方法适用于图像结构比较简单，特别是纯色图像，并且选定区域面积占比不大的情况，效果较好。
［cpp］ view plain copy print？
#include 《imgproc/imgproc.hpp》
#include 《highgui/highgui.hpp》
#include 《core/core.hpp》
#include 《photo/photo.hpp》
using namespace cv;
point ptl， ptr; //鼠标画出矩形框的起点和终点
mat imagesource， imagesourcecopy;
mat roi; //原图需要修复区域的roi
//鼠标回调函数
void onmouse（int event， int x， int y， int flag， void *ustg）;
//鼠标圈定区域
int main（）
{
imagesource = imread（“test.jpg”）;
if （！imagesource.data）
{
return -1;
}
imshow（“原图”， imagesource）;
setmousecallback（“原图”， onmouse）;
waitkey（）;
}
void onmouse（int event， int x， int y， int flag， void *ustg）
{
if （event == cv_event_lbuttondown）
{
ptl = point（x， y）;
ptr = point（x， y）;
}
if （flag == cv_event_flag_lbutton）
{
ptr = point（x， y）;
imagesourcecopy = imagesource.clone（）;
rectangle（imagesourcecopy， ptl， ptr， scalar（255， 0， 0））;
imshow（“原图”， imagesourcecopy）;
}
if （event == cv_event_lbuttonup）
{
if （ptl ！= ptr）
{
roi = imagesource（rect（ptl， ptr））;
imshow（“roi”， roi）;
waitkey（）;
}
}
//单击鼠标右键开始图像修复
if （event == cv_event_rbuttondown）
{
imagesourcecopy = mat（imagesource.size（）， cv_8uc1， scalar：：all（0））;
mat imagemask = imagesourcecopy（rect（ptl， ptr））;
//生成一个跟roi大小一样的值全为1的区域
mat imagemaskcopy = mat（imagemask.size（）， cv_8uc1， scalar：：all（1））;
imagemaskcopy.copyto（imagemask）;
inpaint（imagesource， imagesourcecopy， imagesource， 9， inpaint_telea）; //图像修复
imshow（“mask”， imagesourcecopy）;
imshow（“修复后”， imagesource）;
}
}
原始图像：
图像复原结果：
贴片编程的原始资料
CAN总线通讯中终端电阻的作用
产品数据分析报告如何撰写
反激式适配器同步整流芯片U7710SG简介
机械变阻器的控制器设计原理及控制命令
OpenCV图像修复
到底什么是BRAS？
如何使用Ubuntu Linux使其物联网平台更安全更快
3D打印迷你CNC绘图机设计
TE线对板高性能互连（HPI）连接器建立可靠、安全的连接
铲雪机器人的设计具有自动化、智能化的特点
嵌入式工程师去面试可能被问到的问题集锦
道路纵横断面测量的高效方法来了！
电力电容器的维护与运行管理技术
英特尔用软件优化技术来带动硬件性能的提升
中国新能源汽车市场出现40%左右的“断崖式”下滑
垃圾处理设备远程调试远程运维系统
Linux中如何开启端口
设计超酷！苹果全新Mac Pro概念图曝光：垃圾桶变盒子
浅析继电器原理的特性和工作原理与技术参数及其测试与应用