最近遇到一个小需求，给定的一张图像，需要擦除上面的字符和图案，就像用ps处理一样，但是我们不可能直接使用图像处理工具，这里用python-opencv实现自动化、批量处理。
思路很简单，无非就是一套形态学操作组合拳，主要思想是把希望擦除的区域识别出来。对字符和图案处理成连续斑块最好，最后通过图像插值函数进行修复擦除。本文简单记录下过程。原始图如下：
待处理图像
废话不多说，直接上代码（每步处理都保存下图像，便于查看）：
- 第一步，读取图像灰度化,candy边缘操作
import cv2
import numpy as np
img = cv2.imread('linzix.png', cv2.IMREAD_GRAYSCALE)
canny_img = cv2.Canny(img, 200, 200)
cv2.imwrite('canny_img.png', canny_img)
canny_img.png
- 第二步， 进行简单的闭运算，主要目的是对字符进行闭合连接
img2 = cv2.imread('canny_img.png', 1)
k = np.ones((5, 5), np.uint8)
img2x = cv2.morphologyEx(img2, cv2.MORPH_CLOSE, k) # 闭运算
cv2.imwrite('cavity2.png', img2x)
cavity2.png
- 第三步， 查找字符图案轮廓，进行填充；如上图所示主要就是处理那个小苹果，其他的小孔洞也可以顺带处理掉，不填充的话后面的插值是擦不掉的
imgcp = cv2.imread('cavity2.png', cv2.IMREAD_GRAYSCALE)
h, w = imgcp.shape
contours, hierarchy = cv2.findContours( imgcp, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
print(len(contours))
print(len(hierarchy))
c_max = []
for i in range(len(contours)):
cnt = contours[i]
area = cv2.contourArea(cnt)
if(area < (h/2*w/2)):
c_min = []
c_min.append(cnt)
cv2.drawContours(imgcp, c_min, -1, (255,255,255), thickness=-1)#用白色填充轮廓
continue
#
c_max.append(cnt)
cv2.imwrite('edge_result.png', imgcp)
edge_result.png
- 第四步，插值修复（擦除）图像，注意要在原图上进行
imgl = cv2.imread('linzix.png')
b = cv2.imread('edge_result.png',0)
print(b.shape)
dst = cv2.inpaint(imgl, b, 3, cv2.INPAINT_TELEA)
cv2.imwrite('last.png', dst)
last.png
ok，打完收工
