前言

今天我们将学习如何通过一种“修复”的方法消除旧照片中的小噪音，笔画等。当然，经过我的测试你也可以将其用于削弱混杂了其他的颜色的图像。

实验背景

大多数人家都会有一些旧的的旧化照片，上面有黑点，一些笔触等。你是否曾经想过将其还原？我们不能简单地在绘画工具中擦除它们，因为它将简单地用白色结构代替黑色结构，这是没有用的。在这些情况下，将使用一种称为图像修复的技术。基本思想很简单：用附近的像素替换那些不良区域，使其看起来和邻近的协调。考虑下面显示的图像（摘自Wikipedia）。

同样的，今天我在这里也要进行一些拓展，采用我的方法也可以用于削弱混入了图像中的其他颜色。

获取图像的掩膜图

下面的图片是经过人脸检测后的图片，现在我并不想要它这个框。

运行下面的脚本进行颜色提取

import cv2
import numpy as np
import pyps.pyzjr.utility as zjrdef empty(a):passpath = 'AI.png'
cv2.namedWindow("TrackBars")
cv2.resizeWindow("TrackBars",640,250)
cv2.createTrackbar("Hue Min","TrackBars",58,179,empty)
cv2.createTrackbar("Hue Max","TrackBars",60,179,empty)
cv2.createTrackbar("Sat Min","TrackBars",73,255,empty)
cv2.createTrackbar("Sat Max","TrackBars",255,255,empty)
cv2.createTrackbar("Val Min","TrackBars",36,255,empty)
cv2.createTrackbar("Val Max","TrackBars",255,255,empty)
#经过测试得到的掩码58 60 73 255 36 255
while True:img = cv2.imread(path)#图像转化为HSV格式，H:色调S:饱和度V:明度imgHSV = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)h_min = cv2.getTrackbarPos("Hue Min","TrackBars")h_max = cv2.getTrackbarPos("Hue Max", "TrackBars")s_min = cv2.getTrackbarPos("Sat Min", "TrackBars")s_max = cv2.getTrackbarPos("Sat Max", "TrackBars")v_min = cv2.getTrackbarPos("Val Min", "TrackBars")v_max = cv2.getTrackbarPos("Val Max", "TrackBars")print(h_min,h_max,s_min,s_max,v_min,v_max)#创建一个蒙版，提取需要的颜色为白色，不需要的颜色为白色lower = np.array([h_min,s_min,v_min])upper = np.array([h_max,s_max,v_max])mask = cv2.inRange(imgHSV,lower,upper)imgResult = cv2.bitwise_and(img,img,mask=mask)imgStack = zjr.stackImages(0.7,([img,imgHSV],[mask,imgResult]))cv2.imshow("Stacked Images", imgStack)cv2.waitKey(1)

注：import pyps.pyzjr.utility as zjr，此为我的私库函数，大家可以使用matplotlib.pyplot as plt代替此功能。

这里有关于HSV的一些介绍，下面是一些常见颜色的HSV值，大家可以参考着在轨迹栏中进行调整，顺序都是从上到下，具体还是要根据实际情况进行调整。

详解cv2.inpaint()

cv2.inpaint是用于图像修复的函数。它可以自动根据给定的掩膜(mask)来修复图像，即用图像中的其他部分来填充掩膜部分的像素。函数的语法如下：

dst = cv2.inpaint(src, inpaintMask, inpaintRadius, flags)

其中的参数的含义如下：

src: 要修复的原始图像
inpaintMask: 修复图像的掩膜，即需要被修复的像素区域
inpaintRadius: 修复半径，即掩膜的像素周围需要参考的区域半径
flags: 修复算法的标志。有两个可选值：cv2.INPAINT_TELEA和cv2.INPAINT_NS。默认为cv2.INPAINT_TELEA。

其中，cv2.INPAINT_TELEA和cv2.INPAINT_NS分别代表基于快速行进算法(Fast Marching Method)和基于Navier-Stokes方程(Navier-Stokes equation)的修复算法，前者更快、后者更准确。

修补图像

接着，我们需要将上面脚本的这几行放进下面的测试代码中。

lower = np.array([h_min,s_min,v_min])
upper = np.array([h_max,s_max,v_max])
mask = cv2.inRange(imgHSV,lower,upper)
imgResult = cv2.bitwise_and(img,img,mask=mask)

将调整好的值，从控制台中copy给h_min, h_max, s_min, s_max, v_min, v_max

import cv2
import numpy as np
import pyps.pyzjr.utility as zjrpath = 'AI.png'
img = cv2.imread(path)
Grayimg = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)h_min, h_max, s_min, s_max, v_min, v_max = 58, 60, 73, 255, 36, 255
lower = np.array([h_min,s_min,v_min])
upper = np.array([h_max,s_max,v_max])
imgHSV = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
mask_black = cv2.inRange(imgHSV, lower, upper)
imgResult = cv2.bitwise_and(img,img,mask=mask_black)
dst = cv2.inpaint(img, mask_black, 10, cv2.INPAINT_TELEA)
mask_white = cv2.bitwise_not(mask_black)stackimg=zjr.stackImages(0.7,([img,imgResult],[mask_white,dst]))
cv2.imshow("repair_img",stackimg)
cv2.imwrite("AI2.png",dst)
cv2.waitKey(0)

运行结果如下所示，效果比较不错，整体看来只有头发那里有些许模糊。

改进建议

如果你有现成的掩膜图，那么去除的效果会更好；如果你需要遍历文件进行修改，所获得的HSV值并不适用于每一张图，建议单独进行处理。

改进方式：

修改cv2.inpaint()参数，修复半径可以在合适的范围内进行修改，修复算法的标志，有两种方式可选cv2.INPAINT_TELEA和cv2.INPAINT_NS，其特点可以看看上面给出的详解，实际应用中，需要两种都试试，并不是cv2.INPAINT_NS就对这种图更准确。

使用颜色提取脚本，可以将HSV值稍微调整大一些，可能会包含了一些其他的颜色，但对于我们的目标颜色（绿色）能够提取的更加完整，尤其是面对颜色比较复杂的场景，比如热力图，这个可以后期个人去尝试。

使用np切片的方法，对掩膜图特定的区域进行保护。
x_threshold = 500
mask_black[:, x_threshold:] = 0
如果是用于检测，对于部分不是很理想的图像，可以使用ps细致修改，当然这是你在用来我这个方法后，作为压箱底的措施。

总结

效果是达到了我的预期，本来按照我个人的想法也是将目标颜色的附近颜色进行替换，那这不得不遍历图像得像素点，但还好有Opencv中有inpaint()函数，得以实现本次实验。在这里我们就不讨论它的实现原理了，大家在CSDN上可以搜索到很多得资料。

2023年5月7日修正

出现了一个bug，今天在测试时，文字为白色遮盖了我原本的图像，当我对图像进行上面的操作时，发现文字没有被消去，反而变为了黑色，如果要去消除，还需要再进行一次黑色文字的颜色提取，再用图像修补才达到我的预期。

图像处理：基于cv2.inpaint()图像修补相关推荐

matlab进行图片修补,Matlab基于样本的图像修补方法代码的一些问题！
% Compute confidences along the fill front------沿着填补前沿计算自信度 for k=dR' Hp = getpatch(sz,k); q = Hp(~( ...
Image inpainting 图像修补最新综述
点击我爱计算机视觉标星,更快获取CVML新技术前几天52CV发布了一篇图像修补(Image Inpainting)的文章:AI魔法手!用算法修复老照片,引起了不少朋友关注,有位朋友问有没有图像修补的 ...
cv2图像修补inpaint
本篇博客主要介绍cv2模块中的图像修补inpaint. cv2中主要提供了两种进行图像修补的算法: 1.基于快速行进算法 cv2.INPAINT_TELEA. 2.基于流体动力学并使用了偏微分方程 c ...
图像修复 python_Python OpenCV|cv2.inpaint()函数,图像修复
概念修复是图像插值.数字修复算法在图像插值,照片恢复,缩放和超分辨率等方面具有广泛的应用. 大多数人会在家里放一些旧的退化照片,上面有一些黑点,一些笔画等.你有没有想过恢复它?我们不能简单地在绘画工 ...
OpenCV学习笔记（十七）：图像修补：inpaint()
OpenCV学习笔记(十七):图像修补:inpaint() inpaint()函数使用区域邻域在图像中还原选定区域. void inpaint( InputArray src, // 表示要修复的图 ...
《OpenCv视觉之眼》Python图像处理十二 :Opencv图像轮廓提取之基于一阶导数的Roberts算法、Prewitt算法及Sobel算法
本专栏主要介绍如果通过OpenCv-Python进行图像处理,通过原理理解OpenCv-Python的函数处理原型,在具体情况中,针对不同的图像进行不同等级的.不同方法的处理,以达到对图像进行去噪.锐 ...
OpenCV4.5.5学习笔记（十七）：分水岭算法watershed()，图像修补inpaint()
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一.分水岭算法watershed() 二.图像修补inpaint() 总结前言笔者本科时候有幸接触了OpenCV3 ...
基于等照度线和窗口匹配的图像修补算法
作者:翟天保Steven 版权声明:著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处一.关于图像修补图像修补的目的是基于已有的图像信息或数据库内信息,对缺失区域进行合理地修复.在 ...
Python，OpenCV中的图像修复——cv2.inpaint()
Python,OpenCV中的图像修复--cv2.inpaint 1. 效果图 2. 原理 3. 源码参考 image inpainting 图像修改这篇博客将介绍如何通过OpenCV中图像修复的 ...

图像处理：基于cv2.inpaint()图像修补

前言