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。
提出一个问题:
给定一张自然图像,该图像上已经写了一些文字(模拟图像遭到了破坏),则如何去掉文字,使得图像恢复原来的面目?
针对上述问题,本文提供两种思路:
方法一:先用阈值法提取图像中文字,然后用图像减法。即:
修复图 = 原图像 – 提取的文字图。
具体描述请看:http://blog.csdn.net/learn_sunzhuli/article/details/47791273
方法二:先用阈值法提取图像中文字,然后用OPENCV中inpaint()函数对图像修复。
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。
对于本文给出的图像,用方法二的效果更好。效果图如下:
该方法具体实现代码如下,且在vs2010测试通过。
#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/photo/photo.hpp"
#include <iostream>
using namespace std;
using namespace cv;
//该方法可能产生误检点,但在可容忍的错范围内
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_<Vec3b>::iterator it = dstImg.begin<Vec3b>();
Mat_<Vec3b>::iterator itend = dstImg.end<Vec3b>();
for(; it != itend; it++)
{
if((*it)[2] > 190)//对红色分量做阈值处理
{
(*it)[0] = 0;
(*it)[1] = 0;
//(*it)[2] = 255;//红色分量保持不变
}
else
{
(*it)[0] = 0;
(*it)[1] = 0;
(*it)[2] = 0;
}
}
return dstImg;
}
void Inpainting(Mat oriImg, Mat maskImg)
{
Mat grayMaskImg;
Mat element = getStructuringElement(MORPH_RECT, Size(7, 7));
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, CV_BGR2GRAY, 1);
//修复图像的掩膜必须为8位单通道图像
Mat inpaintedImage;
inpaint(oriImg, grayMaskImg, inpaintedImage, 3, INPAINT_TELEA);
imshow("原图", oriImg);
imshow("图像复原结果图", inpaintedImage);
waitKey(0);
}
int main(int argc, char* argv[])
{
Mat srcImg;
srcImg = imread("D:/openCV/data/naturalImage/data/opencv.jpg", 1);
Mat imgComponet = GetRedComponet(srcImg);
Inpainting(srcImg, imgComponet);
return 0;
}