目标
使用修补技术去除老照片中小的噪音和划痕
使用 OpenCV 中与修补技术相关的函数
基础
在每个人的家中可能都会几张退化的老照片， 有时候上面不小心在上面弄上了点污渍或者是画了几笔。 有没有想过要修复这些照片呢？可以使用笔刷工具轻易在上面涂抹两下， 但这没用，只是用白色笔画取代了黑色笔画。 此时就要求助于图像修补技术了。这种技术的基本想法很简单： 使用坏点周围的像素取代坏点， 这样它看起来和周围像素就比较像了。如下图所示（照片来自维基百科）：
为了实现这个目的，科学家们已经提出了好几种算法，
OpenCV 提供了其中的两种。这两种算法都可以通过使用函数 cv2.inpaint() 来实施。
第一个算法是根据 Alexandru_Telea 在 2004 发表的文章实现的。
它是基于快速行进算法的。
以图像中一个要修补的区域为例。
算法从这个区域的边界开始向区域内部慢慢前进，首先填充区域边界像素。
它要选取待修补像素周围的一个小的邻域，
使用这个邻域内的归一化加权和更新待修复的像素值。
权重的选择是非常重要的。对于靠近带修复点的像素点，
靠近正常边界像素点和在轮廓上的像素点给予更高的权重。
当一个像素被修复之后，使用快速行进算法（FMM）移动到下一个最近的像素。
FMM 保证了靠近已知（没有退化的）像素点的坏点先被修复，
这与手工启发式操作比较类似。
可以通过设置标签参数为 cv2.INPAINT_TELEA 来使用此算法。
第二个算法是根据 Bertalmio,Marcelo,Andrea_L.Bertozzi, 和 Guillermo_Sapiro在 2001 年发表的文章实现的。 这个算法是基于流体动力学并使用了偏微分方程。基本原理是启发式的。 它首先沿着正常区域的边界向退化区域的前进（因为边界是连续的， 所以退化区域非边界与正常区域的边界应该也是连续的）。 它通过匹配待修复区域中的梯度向量来延伸等光强线（isophotes，由灰度值相等的点练成的线）。 为了实现这个目的，作者是用来流体动力学中的一些方法。
完成这一步之后，通过填充颜色来使这个区域内的灰度值变化最小。
可以通过设置标签参数为 cv2.INPAINT_NS 来使用此算法。
代码
要创建一个与输入图像大小相等的掩模图像， 将待修复区域的像素设置为 255（其他地方为 0）。 所有的操作都很简单。我要修复的图像中有几个黑色笔画， 是使用画笔工具添加的。
import numpy as np
import cv2
img = cv2.imread('/data/cvdata/messi_2.jpg')
# mask = cv2.imread('/cvdata/mask2.png',0)
mask = cv2.imread('/data/cvdata/mask2.png',0)
# dst = cv2.inpaint(img,mask,3,cv2.INPAINT_TELEA)
dst = cv2.inpaint(img,mask,3,cv2.INPAINT_TELEA)
# cv2.imshow('dst',dst)
# cv2.waitKey(0)
# cv2.destroyAllWindows()
结果如下。第一幅图是退化的输入图像，第二幅是掩模图像。 第三幅是使用第一个算法的结果，最后一副是使用第二个算法的结果。
