day12 - 图像修复

在图像处理的过程中，经常会遇到图像存在多余的线条或者噪声的情况，对于这种情况我们会先对图像进行预处理，去除掉对图形内容有影响的噪声，在进行后续的处理。

本节实验我们介绍使用图像膨胀来处理图形的多余线条，进行图像修复。

完成本期内容，你可以：

• 了解图像膨胀的原理和应用

• 掌握使用图像膨胀操作的使用

若要运行案例代码，你需要有：

• 操作系统：Ubuntu 16 以上 或者 Windows10

• 工具软件：VScode 或者其他源码编辑器

• 硬件环境：无特殊要求

• 核心库：python 3.6.13， opencv-contrib-python 3.4.11.39，opencv-python 3.4.2.16

点击下载源码

---

膨胀

OpenCV将膨胀操作封装成了cv2.dilate()方法。

函数原型：dst = cv2.dilate(src, kernel, anchor, iterations, borderType, borderValue)
dst为输出图像。

参数描述如下：

• src：被处理的图像
• kernel：膨胀使用的核
• anchor：可选参数，锚点的位置
• iterations：可选参数，膨胀操作的迭代次数，默认值为1
• borderType：可选参数，边界样式，建议采用默认值
• borderValue：可选参数，边界值，建议采用默认值

---

具体步骤

1. 创建项目结构

创建项目名为图像修复，项目根目录下新建code文件夹储存代码，新建dataset文件夹储存数据，项目结构如下：

图像修复                                # 项目名称
├── code                               # 储存代码文件
├── dataset                            # 储存数据文件

注：如项目结构已存在，无需再创建。

2. 对图像进行修复

1. 在 code文件夹下创建repair.py文件；
2. 导入所需的库，OpenCV、numpy；
3. 读取dataset文件夹下的repair.png图片，并进行展示；
4. 创建一个3*3的都为1 的数组作为滤波核；
5. 对图像进行膨胀处理，并展示结果；

代码实现

# 导入OpenCV、numpy
import cv2
import numpy as np

# 读取原图
img = cv2.imread("../dataset/repair.png")
cv2.imshow("original",img)

# 创建3*3的数组作为核
k = np.ones((3, 3), np.uint8)
# 膨胀操作
dst = cv2.dilate(img, k)
cv2.imshow("dilate",dst)

cv2.waitKey()
cv2.destroyAllWindows()

效果截图

经过膨胀操作之后，图像中的多余的线条都已经去掉了，虽然膨胀操作会造成图像原图模糊，边缘变粗，但是并没有改变图像的特征其他的处理来减弱图像模糊带来的影响。

点击下载源码