文章目录：『youcans 的 OpenCV 例程200篇 - 总目录』
【youcans 的 OpenCV 例程200篇】220.对图像进行马赛克处理
9. 图像的马赛克处理
马赛克效果是广泛使用的图像和视频处理方法。将图像中指定区域的色阶细节劣化，造成色块模糊的效果，看上去像是一个个小格子组成的色块，称为马赛克。马赛克效果的主要目的是使特定区域的细节无法辨认，经常用于遮挡人物脸部、隐私信息。
马赛克的方法很简单，将处理区域划分为一个个小方块，每个小方块内所有像素置为相同的或相似的像素值。例程 A4.13 给出了一个简单的实施案例。
马赛克方块的尺寸越大，图像越模糊，马赛克区域图像丢失的细节越多。
这与图像多尺度像素采样是相似的：图像向下采样，分辨率逐级降低。对整幅图像进行马赛克处理，与图像下采样是等效的；对图像局部进行马赛克处理，相当于原始图像与局部图像下采样的融合。
上采样和下采样是不可逆的，将下采样的图像还原回原来尺寸时会丢失高频信息，使图片变模糊。因此，消除图像马赛克在原理上是不可能的。但是，通过图片像素临近点插值的填充算法，可以增强马赛克区域的视觉效果。近年来，随着 AI 技术的发展，基于对大量类似清晰图像的学习，使用 AI 算法可以较好地还原图像，识别被马赛克遮挡的人脸或文本，取得了很好的效果。
例程 A4.13：对图像指定区域进行马赛克处理
对于选定的 ROI 区域进行马赛克处理。马赛克方块的尺寸越大，图像越模糊，马赛克区域图像丢失的细节越多。
# A4.13 对图像指定区域进行马赛克处理
img = cv.imread("../images/imgLena.tif", 1) # 加载原始图片，单通道
roi = cv.selectROI(img, showCrosshair=True, fromCenter=False)
x, y, wRoi, hRoi = roi # 矩形裁剪区域的位置参数
# x, y, wRoi, hRoi = 208, 176, 155, 215 # 矩形裁剪区域
imgROI = img[y:y+hRoi, x:x+wRoi].copy() # 切片获得矩形裁剪区域
print(x, y, wRoi, hRoi)
plt.figure(figsize=(9, 6))
plt.subplot(231), plt.title("Original image"), plt.axis('off')
plt.imshow(cv.cvtColor(img, cv.COLOR_BGR2RGB))
plt.subplot(232), plt.title("Region of interest"), plt.axis('off')
plt.imshow(cv.cvtColor(imgROI, cv.COLOR_BGR2RGB))
mosaic = np.zeros(imgROI.shape, np.uint8) # ROI 区域
ksize = [5, 10, 20] # 马赛克块的宽度
for i in range(3):
k = ksize[i]
for h in range(0, hRoi, k):
for w in range(0, wRoi, k):
color = imgROI[h,w]
mosaic[h:h+k,w:w+k,:] = color # 用顶点颜色覆盖马赛克块
imgMosaic = img.copy()
imgMosaic[y:y + hRoi, x:x + wRoi] = mosaic
plt.subplot(2,3,i+4), plt.title("Coding image (size={})".format(k)), plt.axis('off')
plt.imshow(cv.cvtColor(imgMosaic, cv.COLOR_BGR2RGB))
plt.subplot(233), plt.title("Mosaic"), plt.axis('off')
plt.imshow(cv.cvtColor(mosaic, cv.COLOR_BGR2RGB))
plt.show()
【本节完】
版权声明：
youcans@xupt 原创作品，转载必须标注原文链接：(https://blog.csdn.net/youcans/article/details/125522759)
Copyright 2022 youcans, XUPT
Crated：2022-6-30