我们将学习如何通过一种称为修复的方法去除旧照片中的小噪音，笔画等。基本思路很简单：用相邻像素替换那些坏标记，使其看起来像邻域。
cv2.inpaint（）
- cv2.INPAINT_TELEA
- cv2.INPAINT_NS
import numpy as np
import cv2 as cv
img = 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()
第一张图显示降级输入，第二个图像是面具，第三个图像是第一个算法的结果，最后一个图像是第二个算法的结果。
图像金字塔
通常，我们曾经使用恒定大小的图像.但在某些情况下，我们需要使用不同分辨率的（相同）图像.例如，在搜索图像中的某些内容时，如脸部，我们不确定该对象在所述图像中的大小.
具有不同分辨率的图像被称为图像金字塔（因为当它们保持在堆叠中，底部具有最高分辨率图像而顶部具有最低分辨率图像时，它看起来像金字塔）.
图像金字塔有两种:
- 高斯金字塔和
- 拉普拉斯金字塔
高斯金字塔的顶部是通过将底部图像中的连续的行和列去除得到的.顶部图像中的每个像素值等于下一层图像中 5 个像素的高斯加权平均值.这样操作一次一个 MxN 的图像就变成了一个 M/2xN/2 的图像。所以这幅图像的面积就变为原来图像面积的四分之一.这被称为an Octave（一个八度）。连续进行这样的操作就会得到一个分辨率不断下降的图像金字塔.
函数cv2.pyrDown()从一个高分辨率大尺寸的图像向上构建一个金子塔 （尺寸变小，分辨率降低）.
代码：
import cv2
img = cv2.imread('img.jpg')
lower_reso = cv2.pyrDown(img)
cv2.imshow('src',img)
cv2.imshow('HigherReso',lower_reso)
cv2.waitKey()
继续使用函数cv2.pyrUp()从一个低分辨率小尺寸的图像向下构建一个金子塔（尺寸变大，但分辨率不会增加）
代码：
import cv2
img = cv2.imread('img.jpg')
lower_reso = cv2.pyrDown(img)
higher_reso2 = cv2.pyrUp(lower_reso)
cv2.imshow('show',higher_reso2)
cv2.waitKey()
NOTE：
当用 cv2.pyrDown()，图像的分辨率就会降低，信息就会被丢失.如果先cv2.pyrDown()产生的中间图像再使用函数cv2.pyrUp()得到图像，与原图像相比分辨率差了很多.
可以修改代码：
import cv2
img = 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，用于图像压缩.
代码：
import cv2
img = 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实现图像修复和图像金字塔的详细内容，更多关于python 图像修复和图像金字塔的资料请关注其它相关文章！