低成本的數位影像修復 (OpenCV Inpainting)
低成本的數位影像修復 (OpenCV Inpainting) 影像的數位修復一向是個昂貴的工作。造成其價格居高不下的，除了高效能的硬體外，還有不便宜的軟體成本。目前市面上常見的數位修復軟體包括： Phoenix (DigitalVision) ， Diamant (HS-ART) ， PFClean (The Pixel Farm) ，以及較小眾的 DRS Nova (MTI) ，與部份使用特效軟體如 AE (Adobe) 來進行影像修復。這些產品通常都所費不貲，對於修復需求較小的個人或小型典藏單位而言並不是好的投資目標。如果透過外包給服務商的方式來處理，也是筆不小的花費。 面對這樣的問題，開源程式會是很好的解決方案。在 " Japan as destination in 20th century visual and material culture (2013-2016)" 這個計畫中，便使用 Python 程式語言的 OpenCV 函式庫，用其來進行影像中刮痕，髒點的修復與區域性降噪處理。 Inpainting 在使用這種方式進行數位修復前，需先安裝 Python 與 OpenCV 函式庫。 OpenCV 函式庫中，使用 cv2.inpaint() 這個函式來進行影像修復。修復影像的方式使用了兩種演算法： cv2.INPAINT_TELEA 與 cv2.INPAINT_NS 。 第一種演算法 TELEA 是 由Alexandru Telea在2004年提出的演算法， 使用 快速行進算法 來回溯需修復的區域。這種演算法會從修復區域的邊界開始，並向內填補。演算法的權重對於演算結果會相當大的影響，越往區域內部也可能有越大的誤差。 第二種演算法 NS 於 2001 年由 Bertalmio 等人提出的，使用用來描述流體的 Navier-Stokes 方程式，透過偏微分程式，由修復區域邊緣開始向內計算。由於流體的特性， 會延續其周圍區域的等距線（類似等高線，由相同強度的點所組成），並符合修復區域的邊界的強度變化。以這個方式，預期以最小差異的方式填補修復區域。 編寫程式碼 使用 Inpaint 的基本程式碼如下： import n