图像去水印/修复

实际应用中，我们的图像常常会被噪声腐蚀，这些噪声可能是划痕，涂鸦等。或者图像的部分本身已经损毁。这就需要对图片进行还原。

结合另一篇内容：OpenCV–0016:图像ROI与ROI操作

图像的修复原理：

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域的信息内容，然后对破坏区进行填补，以达到图像修补的目的。

OpenCV中的两种修复算法

1、inpaint函数

• 说明
  使用区域邻域恢复图像中的选定区域。

  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。

  该功能从区域边界附近的像素重建选定的图像区域。该功能可用于去除扫描照片上的灰尘和划痕，或去除静止图像或视频中不需要的物体。

• 声明

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

• 参数

  src	输入8位或16位无符号或32位浮点型1通道或8位3通道图像。
  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；
  dst	输出的经过修复的图像；
  inpaintRadius	修复算法取的邻域半径，用于计算当前像素点的差值；
  flag	修复算法，有两种：INPAINT_NS 和I NPAINT_TELEA；

2、OpenCV中实现的两种图像修复算法

2.1、INPAINT_NS : 基于Navier-Stokes的修复方法

在下图中，我们的目标是填充暗区并获得一个看起来像右边的图像。

我们如何填充这个黑色的区域？

• 第一个约束：边缘进入点A应该连接边缘离开点B。
• 另一个约束：连接A和B的曲线右边的区域应该是白色，而左边的区域应该是蓝色的。

以上两个约束基本上要求：保留渐变（即边缘特征）和继续在平滑区域中传播颜色信息。

基于Bertalmio，Marcelo，Andrea L. Bertozzi和Guillermo Sapiro于2001年撰写的“Navier-Stokes，流体动力学和图像和视频修补”一文。该算法基于流体动力学并利用偏微分方程。基本原则是heurisitic。它首先沿着已知区域的边缘行进到未知区域（因为边缘是连续的）。它继续等照片（连接具有相同强度的点的线，就像轮廓连接具有相同高度的点一样），同时在修复区域的边界处匹配渐变矢量。为此，使用来自流体动力学的一些方法。获得颜色后，填充颜色以减少该区域的最小差异。使用标志cv2.INPAINT_NS启用此算法。

2. INPAINT_TELEA : 基于图像梯度的快速匹配方法(Telea法)

该方法实现使用不同的技术解决了相同的约束。作者不使用图像拉普拉斯算子作为平滑度的估计，而是使用像素的已知图像邻域上的加权平均值来补绘。已知的邻域像素和梯度用于估计要修复的像素的颜色。

基于Alexandru Telea于2004年发表的“基于快速行进方法的图像修复技术”。它基于快速行进方法。考虑图像中要修复的区域。算法从该区域的边界开始，然后进入区域内，逐渐填充边界中的所有内容。它需要在邻近的像素周围的一个小邻域进行修复。该像素由邻居中所有已知像素的归一化加权和代替。选择权重是一个重要的问题。对于靠近该点的那些像素，靠近边界的法线和位于边界轮廓上的像素，给予更多的权重。一旦像素被修复，它将使用快速行进方法移动到下一个最近的像素。 FMM确保首先修复已知像素附近的像素，这样它就像手动启发式操作一样工作。使用标志cv2.INPAINT_TELEA启用此算法。

3、应用

3.1 应用一

1.图像转化成灰度图像
2.图像通过阈值处理生成Mask
3.对Mask进行膨胀处理，增加Mask面积
4.图像修复

void inpaintTest(Mat& src) {
   
	//1.图像转化成灰度图像
	Mat gray;
	cvtColor(src, gray