Opencv实战【3】——图像修复与图像锐化（darling in the franxx）

Opencv实战【3】——图像修复与图像锐化（darling in the franxx）

目录

​​前言​​​​图像修复​​​​图像锐化​​​​darling in the franxx图片​​​​总结​​

前言

前天，在群里看见有人发了这张表情包： 感觉女主有点好看，然后问室友是啥番剧（darling in the franxx），然后就去补番了，然后从晚上十二点看到早上五点多，睡了一觉下午接着看，看完脑子里面全是02，啊啊啊啊，这种番这的太对我的胃口了，墙裂推荐！！！ 在网站上截了几张图准备做壁纸的，但是这几张图片有几个缺点： 1、有两张手速不快，截图上有字 2、由于图像经过处理有点模糊，细节不够明显 于是查了查Opencv有没有相关的函数可以解决这种问题，发现是有的。 上述的两种问题分别对应着两种图像处理效果：1、图像修复 2、图像锐化

图像修复

图像修复，指对受到损坏的图像进行修复重建或者去除图像中的多余物体。 去除文字，是图像修复的一种应用。 Opencv自带inpaint函数：

CV_EXPORTS_W void inpaint( InputArray src, InputArray inpaintMask, OutputArray dst, double inpaintRadius, int flags );

其中 InputArray src 表示要修复的图像， InputArray inpaintMask表示修复模板， OutputArray dst 表示修复后的图像， double inpaintRadius 表示修复的半径， int flags 表示修复使用的算法 。 opencv提供了两种选择 CV_INPAINT_TELEA 和 CV_INPAINT_NS。 这里不详细讲解修复原理，百度或知乎都有相关的原理讲解的。调用inpaint()函数一个关键的点：确定修复掩膜。 修复掩膜只能为8位单通道的图像，其中非零像素表示需要修补的区域。 所以，用阈值法提取的文字图像作为修复掩膜。虽然阈值法的处理结果可能会导致一些误检点或者误检区域，但这些误检都在可容忍的错误范围之内。而且可用形态学方法中膨胀操作对阈值法提取的结果进行膨胀，膨胀操作的结果再作为修复掩膜。

代码： 1、确定修复掩膜图像，观察像素发现，文字为白色

Mat GetRedComponet(Mat srcImg){ //如果直接对srcImg处理会改变main()函数中的实参 Mat dstImg = srcImg.clone(); Mat_::iterator it = dstImg.begin(); Mat_::iterator itend = dstImg.end(); for (; it != itend; it++) { if ((*it)[2] > 230 && (*it)[1] > 230 && (*it)[2] > 230) { (*it)[0] = 255; (*it)[1] = 255; (*it)[2] = 255;//红色分量保持不变 } else { (*it)[0] = 0; (*it)[1] = 0; (*it)[2] = 0; } } return dstImg;}

2、确定膨胀参数以及修复半径

void Inpainting(Mat oriImg, Mat maskImg,Mat& inpaintedImage){ Mat grayMaskImg; Mat element = getStructuringElement(MORPH_ELLIPSE, Size(15, 15));//MORPH_RECT MORPH_CROSS;MORPH_ELLIPSE; dilate(maskImg, maskImg, element);//膨胀后结果作为修复掩膜 //将彩色图转换为单通道灰度图，最后一个参数为通道数 cvtColor(maskImg, grayMaskImg, COLOR_BGR2GRAY, 1); //修复图像的掩膜必须为8位单通道图像 inpaintedImage.create(oriImg.size(), oriImg.type()); inpaint(oriImg, grayMaskImg, inpaintedImage, 3, INPAINT_NS); //INPAINT_NS INPAINT_TELEA}

3、传入图片，展示图片

int main(int argc, char* argv[]){ Mat srcImg; srcImg=imread("D:\\opencv_picture_test\\darling in the franxx\\02字.png", 1); //获取掩膜大概区域，之后需要进行膨胀处理，扩大掩膜区域 Mat imgComponet = GetRedComponet(srcImg); Mat inpaintedImage; Mat result; //修复 Inpainting(srcImg, imgComponet, inpaintedImage); //namedWindow("原图", WINDOW_NORMAL); //imshow("原图", srcImg); namedWindow("图像复原结果图", WINDOW_NORMAL); imshow("图像复原结果图", inpaintedImage); waitKey(0); return 0;}

图像锐化

图像锐化，是使图像边缘更清晰的一种图像处理方法，细节增强（detail enhancement）。 常用的做法是提取图像的高频分量，将其叠加到原图上。 图像高频分量的提取有两种做法，一种是用高通滤波器，得到高频分量，另一种是通过低通滤波，用原图减低频得以高频。 直接提取高频的方法有sobel算法、laplcian算子，sobel算子是图像的一阶导数，提取的是梯度信息，分水平和垂直两种，常常用来做边缘检测、方向判别，sobel算子在斜坡处不为0，因此会产生较粗的边缘。laplcian算子是图像的二阶导，在图像开始变化和结束变化的地方值不为0，渐变时结果为0，因此laplacian比sobel算子更适合做sharpen。 除了直接提取高频的方法外，我们也可以先提取低频，原图减去低频得到高频。这种方法称为非锐化掩模（unsharpen mask），我们常使用低通滤波器（高斯、双边）对图像进行滤波，这种方法滤波器很好控制（包括大小和强弱），从而可以控制高频分量的强弱。

高频分量提取（滤波）

void sharpenImage( cv::Mat& image, cv::Mat& result){ //创建并初始化滤波模板,这里使用拉普拉斯模板 cv::Mat kernel(3, 3, CV_32F, cv::Scalar(0)); kernel.at(1, 1) = 5.0; kernel.at(0, 1) = -1.0; kernel.at(1, 0) = -1.0; kernel.at(1, 2) = -1.0; kernel.at(2, 1) = -1.0; result.create(image.size(), image.type()); //对图像进行滤波 cv::filter2D(image, result, image.depth(), kernel);}

darling in the franxx图片

总结

莓的那张由于字在树林背景那边，看起来效果还行。02的那张由于涉及到身体轮廓，以后还需要进行改进。 另外以后手速还是需要练，尽量截到不带字的图。 大爱02小宝贝！！！

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。