使用OpenCV Inpaint去除水印后修复区域模糊的问题求助

问题背景 #

使用OpenCV的Inpaint功能去除图片水印，但处理后水印区域呈现明显模糊效果，需要优化修复质量。

相关素材 #

原始图片 #

蒙版 #

当前处理结果 #

原实现代码 #

import cv2 
import matplotlib.pyplot as plt 
import numpy as np
import time 

start = time.time()

IMAGE = "images/img.jpg"
MASK = "images/mask.png"

image = cv2.imread(IMAGE)
mask = cv2.imread(MASK, 0)

img = cv2.inpaint(image, mask, 0, cv2.INPAINT_NS)

cv2.imwrite("output.jpg", img)

print(time.time()-start)

优化方案 #

1. 调整修复半径参数 #

原代码中修复半径设为0，算法无法获取足够的周围像素参考信息，导致修复区域细节缺失。根据水印区域大小，建议将半径调整为3~5（可根据实际效果微调）：

# 修改半径参数为3，使用Navier-Stokes算法
img = cv2.inpaint(image, mask, 3, cv2.INPAINT_NS)

半径值决定了算法修复时参考的周围像素范围，过小会导致模糊，过大可能引入无关纹理。

2. 切换修复算法 #

OpenCV提供两种Inpaint算法：INPAINT_NS和INPAINT_TELEA。INPAINT_TELEA基于快速行进法，在保留纹理细节上表现更优，适合处理这类水印修复场景：

# 切换为INPAINT_TELEA算法，半径设为3
img = cv2.inpaint(image, mask, 3, cv2.INPAINT_TELEA)

3. 优化蒙版精度 #

当前蒙版边缘可能存在冗余区域，导致算法误修复正常像素。通过形态学操作细化蒙版边缘：

# 先腐蚀缩小蒙版，再膨胀保留核心水印区域
kernel = np.ones((2,2), np.uint8)
mask = cv2.erode(mask, kernel, iterations=1)
mask = cv2.dilate(mask, kernel, iterations=1)

# 再进行修复
img = cv2.inpaint(image, mask, 3, cv2.INPAINT_TELEA)

精准的蒙版能让算法聚焦于水印区域，减少对正常图像部分的干扰。

4. 多尺度修复提升细节 #

通过下采样降低图像复杂度，修复后再放大融合，提升细节还原度：

scale = 0.5
# 下采样图像和蒙版
small_img = cv2.resize(image, None, fx=scale, fy=scale, interpolation=cv2.INTER_AREA)
small_mask = cv2.resize(mask, None, fx=scale, fy=scale, interpolation=cv2.INTER_NEAREST)

# 修复下采样后的图像
small_inpainted = cv2.inpaint(small_img, small_mask, 3, cv2.INPAINT_TELEA)

# 放大回原尺寸，仅替换蒙版区域
inpainted = cv2.resize(small_inpainted, (image.shape[1], image.shape[0]), interpolation=cv2.INTER_CUBIC)
result = image.copy()
result[mask > 0] = inpainted[mask > 0]

cv2.imwrite("output.jpg", result)

内容的提问来源于stack exchange，提问作者Fabio Spoto