如何解决OpenCV inpaint去字幕伪影问题，实现平滑图像修复？

1. 优化掩码（Mask）的精度 #

当前掩码给字幕区域过度扩展（上下左右各10像素），容易导致修复时引入无关区域的干扰，同时生硬的掩码边缘会造成修复边界的伪影。可以从两方面调整：

• 缩小扩展范围：将上下左右的扩展量改为2-5像素，减少对周围有效区域的覆盖
• 柔化掩码边缘：用高斯模糊处理掩码，让修复区域和正常区域的过渡更自然

优化后的代码示例：

def inpaint_remove(image: 'cv2.typing.MatLike',
                   chunks: 'typing.Iterable[Rect]') -> 'cv2.typing.MatLike':
    image_h, image_w, image_c = image.shape
    assert image_c == 3, 'input must be BGR'

    mask = np.zeros((image_h, image_w), dtype=np.uint8)
    for chunk in chunks:
        # 限制扩展范围，避免越界
        top = max(0, chunk.top - 3)
        bottom = min(image_h, chunk.bottom + 3)
        left = max(0, chunk.left - 3)
        right = min(image_w, chunk.right + 3)
        mask[top:bottom, left:right].fill(255)
    
    # 高斯模糊柔化掩码边缘
    mask = cv2.GaussianBlur(mask, (5,5), 0)
    return cv2.inpaint(image, mask, 5, cv2.INPAINT_TELEA)

2. 切换修复算法并调整半径参数 #

• 替换为cv2.INPAINT_NS（Navier-Stokes算法）：相比默认的TELEA算法，它在处理连续纹理区域时的修复效果更平滑，更适合字幕这类扁平色块的去除
• 调整修复半径：将原半径5增大到7-10，让算法能参考更多周围像素信息，减少线条状伪影

调整后的代码片段：

# 使用NS算法并增大修复半径
return cv2.inpaint(image, mask, 8, cv2.INPAINT_NS)

3. 增加后处理平滑步骤 #

修复完成后，用双边滤波做轻度处理，既能消除残留的伪影线条，又能保留原图像的纹理细节：

result = cv2.inpaint(image, mask, 8, cv2.INPAINT_NS)
# 双边滤波后处理，参数可根据实际效果微调
result = cv2.bilateralFilter(result, d=5, sigmaColor=75, sigmaSpace=75)
return result

4. 精细化字幕区域定位 #

如果字幕的Rect区域不够精准，会导致掩码覆盖无效区域或漏选字幕部分。可以通过二值化提取字幕的精确像素范围：

• 截取字幕所在行的灰度图，通过阈值分割生成仅包含字幕像素的掩码，再扩展少量像素作为修复范围，避免过度修复

内容的提问来源于stack exchange，提问作者younger027