1 )图像去噪
前面阐述了几种图像平滑和去噪算法，这次主要阐述了非局部平均去噪算法，然后与其他几种去噪算法进行比较。
非局部平均去噪有四个接口。
(1) cv.fastnlmeansdenoising(-一块灰度
)2) cv.fastnlmeansdenoisingcolored (-一张彩色照片
)3) cv.fastnlmeansdenoisingmulti(-多个灰度
)4) cv.fastnlmeansdenoisingcoloredmulti (-多个色图
从接口可以看出，与其它去噪算法相比，非局部平均去噪可以输入多幅图像来提取信息和去除噪声。
基本原理：当前像素的估计可从图像中具有与其相邻结构的像素的加权平均得出； 本文提到的相似邻域结构，例如帽子的边缘点和边缘点是相似邻域结构，平均滤波对区域附近的所有像素给予相同的权重，而非局部平均在一定范围内找到该像素点的相似邻域结构，并基于相似度确定权重。
以下是具体实现和效果的比较。
2 )图像修复
cv.inpaint(src，inpaintMask，inpaintRadius，flags[，dst] ) )
主要参数：
src :输入图像
inpaintMask :要修复区域的蒙版图像(灰度，除0以外要修复的区域) )。
inpaintRadius :修改当前点应考虑的邻域半径
flags:2 :两种修复算法cv:INPAINT_NS和cv:INPAINT_TELEA
基本原理：每次先处理修复区域边界，边界点修复根据最近的非修复区域像素进行加权处理，重复直到修复完成。
其中，您可以自行准备蒙版图像，也可以在选择要用鼠标放大镜修复的区域的同时进行处理。 就像很多图像处理软件的p图。
感兴趣的朋友请关注((*^_^* )微信公众号) :桔子算法之路