如何使用opencv修复图像的褪色部分[重复]答案

【问题标题】：How do I fix the faded part of an image using opencv [duplicate]如何使用opencv修复图像的褪色部分[重复]
【发布时间】：2021-10-30 19:30:37
【问题描述】：

我有一张褪色方块的图片。我需要褪色的正方形恢复到可以在图像边缘看到的原始颜色。如何只处理图像的中心正方形以匹配边缘。

我尝试使用直方图均衡，但没有成功，因为差异只是增强了。

原图：

直方图均衡后：

【问题讨论】：

在过去的一个月里，我们已经多次遇到过这个问题。你们都在同一个班吗？

标签： python opencv image-processing

【解决方案1】：

您可以尝试应用保边高斯过滤而不是直方图。

例如，你可以尝试双边过滤器或引导过滤器

有 OpenCV 实现，但我从未尝试过。

以下 MATLAB 代码演示了过滤器：

I = rgb2gray(im2double(imread('I.jpg')));

G = imguidedfilter(I, 'DegreeOfSmoothing', 0.005);
J = imsharpen(G, 'Amount', 2);

figure;imshow(J)

B = imbilatfilt(I);
K = imsharpen(B, 'Amount', 2);
figure;imshow(K)

如果这似乎不起作用，

尝试这种方法，使用直方图：

from matplotlib import pyplot as plt
import cv2

# Load in image as grayscale
image = cv2.imread('1.jpg', 0)

plt.hist(image.ravel(), 256, [0,256])

像素聚集在中等强度附近。为了增加图像的对比度，直方图均衡化在整个范围内拉伸强度值以获得更宽和更均匀的分布。你可以使用内置函数cv2.equalizeHist()

equalize = cv2.equalizeHist(image)
plt.hist(equalize.ravel(), 256, [0,256])

强度范围现在均匀分布。直方图均衡考虑了图像的全局对比度，当图像的直方图被限制在特定区域时效果很好。这是结果

在某些情况下，如果大区域存在强度变化，CLAHE（对比度受限自适应直方图均衡）可能会更好。 CLAHE 在 OpenCV 中实现为 cv2.createCLAHE()

clahe = cv2.createCLAHE().apply(image)
plt.hist(clahe.ravel(), 256, [0,256])

【讨论】：

我按照您建议的方式使用了直方图，但是，结果如上图所示。在您提出建议后，我尝试了 clahe，但似乎直方图均衡化不适用于此类问题。如果有办法检测褪色部分，并可能使用图像数学将褪色部分与原始部分均衡，它可以解决问题