OpenCV inpaint边缘区域NaN像素插值修复失效问题咨询

OpenCV的inpaint接口（包含INPAINT_NS和INPAINT_TELEA两种实现）的边界处理逻辑如下：

• 算法执行修复迭代时，不会对图像边界外的区域做任何像素值填充或插值假设
• 待修复像素需要保证以自身为中心、inpaintRadius为半径的方形邻域完全落在图像范围内，才会被纳入迭代计算；如果邻域存在越界，该像素会被直接跳过，保留输入时的原始值

你提供的复现案例完全符合这个逻辑：

• nan像素在[1,3]位置时，y轴邻域范围是1-2=-1到1+2=3，上半部分邻域超出图像上边界（图像y轴坐标从0开始），因此被算法跳过，保留原nan值
• nan像素移到[2,3]位置时，邻域x范围为1~5、y范围为0~4，完全落在6x6图像的坐标范围内，因此可以正常修复得到全0结果

另外原示例代码中mask生成方式存在隐患：通过input != 0标记待修复区域依赖nan值的比较逻辑，鲁棒性差，建议直接通过np.isnan()识别nan位置生成mask（OpenCV inpaint要求mask中非0值对应需要修复的像素位置）。

最通用、修复效果最稳定的方案是预填充边界+修复后裁切，具体实现逻辑是在执行inpaint前，给原图像和mask同步做宽度等于inpaintRadius的边界填充，保证所有待修复像素的邻域都落在填充后的图像范围内，修复完成后再裁去填充的边界部分即可。填充时建议使用边缘复制模式（BORDER_REPLICATE），避免引入额外的边缘伪影。

修正后的可运行代码如下：

import numpy as np
import cv2 as cv

if __name__ == '__main__':
    input = np.zeros((6,6))
    input[1, 3] = np.nan
    input = np.float32(input)
    # 稳妥生成mask：标记所有nan位置为待修复区域（mask值为1）
    mask = np.uint8(np.isnan(input))
    inpaintRadius = 2
    inpaintAlgorithm = cv.INPAINT_NS

    # 同步给图像和mask做边界填充，填充宽度等于修复半径
    pad_size = inpaintRadius
    input_pad = cv.copyMakeBorder(
        input, pad_size, pad_size, pad_size, pad_size, 
        cv.BORDER_REPLICATE
    )
    mask_pad = cv.copyMakeBorder(
        mask, pad_size, pad_size, pad_size, pad_size, 
        cv.BORDER_CONSTANT, value=0
    )

    # 执行修复后裁切回原尺寸
    output_pad = cv.inpaint(input_pad, mask_pad, inpaintRadius, inpaintAlgorithm)
    output = output_pad[pad_size:pad_size+input.shape[0], pad_size:pad_size+input.shape[1]]
    print(output)

如果对边缘极窄区域的修复精度要求不高，也可以在inpaint前先对边缘位置的nan值做邻域均值/边缘复制预填充，再执行修复，但该方法的效果弱于边界填充方案。

注意：传入cv.inpaint的图像中，mask未标记的有效区域不能存在nan值，否则nan会参与邻域迭代计算，导致大面积修复结果异常。

内容的提问来源于stack exchange，提问作者Marc Alexander