cv2.INPAINT_NS

### OpenCV 中 INPAINT_NS 修复算法详解 #### 方法签名与参数说明 `inpaint()` 函数用于基于指定的掩膜来修复图像中的缺陷区域。对于 `INPAINT_NS` 参数，表示采用基于 Navier-Stokes 方程的修复算法[^1]。 ```cpp void inpaint( InputArray src, // 输入待修复的原图，支持8位三通道或单通道图像 InputArray inpaintMask, // 掩膜图片，指示哪些像素需要被修复；非零值标记需修复位置 OutputArray dst, // 输出修复后的图像 double inpaintRadius, // 定义每个受损点周围考虑重建的圆邻域大小 int flags // 选择修复模式：INPAINT_NS 或者 INPAINT_TELEA ); ``` #### Python 实现示例 下面是一个简单的Python代码片段展示如何利用OpenCV库调用此功能： ```python import cv2 import numpy as np # 加载原始图像和对应的损坏区域掩码 image = cv2.imread('damaged_image.jpg') mask = cv2.imread('damage_mask.png', 0) # 执行修复操作 restored_image = cv2.inpaint(image, mask, 3, cv2.INPAINT_NS) # 展示结果 cv2.imshow("Original Image", image) cv2.imshow("Restoration Result with NS Method", restored_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这段程序首先读取了一张有损伤的照片及其相应的二值化掩码文件（白色代表破损区），接着通过设置合理的半径参数并选用Navier-Stokes方法完成了自动填充处理，最后显示对比效果图以便观察效果差异。 #### C++实现示例 同样的逻辑也可以很容易地转换成C++版本: ```cpp #include <opencv2/opencv.hpp> using namespace cv; int main(){ Mat img = imread("damaged_image.jpg"); Mat damagedArea = imread("damage_mask.png", IMREAD_GRAYSCALE); Mat result; inpaint(img, damagedArea, result, 3, INPAINT_NS); imshow("Before Restoration", img); imshow("After Restoration Using NS Algorithm", result); waitKey(); } ``` 上述例子中，同样加载了两张输入图像——一张是有瑕疵的目标照片以及另一张定义了哪些部分应该被替换掉的地图。之后应用了相同的修复过程，并展示了前后变化的结果窗口。