我們將學(xué)習(xí)如何通過一種稱為修復(fù)的方法去除舊照片中的小噪音，筆畫等。基本思路很簡(jiǎn)單：用相鄰像素替換那些壞標(biāo)記，使其看起來(lái)像鄰域。

cv2.inpaint（）

import numpy as npimport cv2 as cvimg = cv.imread(’messi_2.jpg’)mask = cv.imread(’mask2.png’,0)dst = cv.inpaint(img,mask,3,cv.INPAINT_TELEA)cv.imshow(’dst’,dst)cv.waitKey(0)cv.destroyAllWindows()

第一張圖顯示降級(jí)輸入，第二個(gè)圖像是面具，第三個(gè)圖像是第一個(gè)算法的結(jié)果，最后一個(gè)圖像是第二個(gè)算法的結(jié)果。

圖像金字塔

通常，我們?cè)?jīng)使用恒定大小的圖像.但在某些情況下，我們需要使用不同分辨率的（相同）圖像.例如，在搜索圖像中的某些內(nèi)容時(shí)，如臉部，我們不確定該對(duì)象在所述圖像中的大小.

具有不同分辨率的圖像被稱為圖像金字塔（因?yàn)楫?dāng)它們保持在堆疊中，底部具有最高分辨率圖像而頂部具有最低分辨率圖像時(shí)，它看起來(lái)像金字塔）.

圖像金字塔有兩種:

高斯金字塔的頂部是通過將底部圖像中的連續(xù)的行和列去除得到的.頂部圖像中的每個(gè)像素值等于下一層圖像中 5 個(gè)像素的高斯加權(quán)平均值.這樣操作一次一個(gè) MxN 的圖像就變成了一個(gè) M/2xN/2 的圖像。所以這幅圖像的面積就變?yōu)樵瓉?lái)圖像面積的四分之一.這被稱為an Octave（一個(gè)八度）。連續(xù)進(jìn)行這樣的操作就會(huì)得到一個(gè)分辨率不斷下降的圖像金字塔.

函數(shù)cv2.pyrDown()從一個(gè)高分辨率大尺寸的圖像向上構(gòu)建一個(gè)金子塔 （尺寸變小，分辨率降低）.代碼：

import cv2img = cv2.imread(’img.jpg’)lower_reso = cv2.pyrDown(img)cv2.imshow(’src’,img)cv2.imshow(’HigherReso’,lower_reso)cv2.waitKey()

繼續(xù)使用函數(shù)cv2.pyrUp()從一個(gè)低分辨率小尺寸的圖像向下構(gòu)建一個(gè)金子塔（尺寸變大，但分辨率不會(huì)增加）代碼：

import cv2img = cv2.imread(’img.jpg’)lower_reso = cv2.pyrDown(img)higher_reso2 = cv2.pyrUp(lower_reso)cv2.imshow(’show’,higher_reso2)cv2.waitKey()

NOTE：

當(dāng)用 cv2.pyrDown()，圖像的分辨率就會(huì)降低，信息就會(huì)被丟失.如果先cv2.pyrDown()產(chǎn)生的中間圖像再使用函數(shù)cv2.pyrUp()得到圖像，與原圖像相比分辨率差了很多.可以修改代碼：

import cv2img = cv2.imread(’img.jpg’)higher_reso2 = cv2.pyrUp(img)lower_reso = cv2.pyrDown(higher_reso2)cv2.imshow(’show’,lower_reso)cv2.waitKey()

拉普拉斯金字塔由高斯金字塔形成，大部分元素都是零，用于圖像壓縮.代碼：

import cv2img = cv2.imread(’img.jpg’)img = cv2.Canny(img, 100, 200)higher_reso2 = cv2.pyrUp(img)lower_reso = cv2.pyrDown(higher_reso2)cv2.imshow(’src’,img)cv2.imshow(’higher_reso2’,higher_reso2)cv2.imshow(’lower_reso’,lower_reso)cv2.waitKey()

以上就是python 用opencv實(shí)現(xiàn)圖像修復(fù)和圖像金字塔的詳細(xì)內(nèi)容，更多關(guān)于python 圖像修復(fù)和圖像金字塔的資料請(qǐng)關(guān)注好吧啦網(wǎng)其它相關(guān)文章！