【第二部分图像处理】第4章 Opencv图像处理高阶【1马赛克】

本文主要是介绍【第二部分图像处理】第4章 Opencv图像处理高阶【1马赛克】，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1.1马赛克概述

笔者今天要讲的是马赛克，相信很多朋友对这个是有有兴趣的，这个号讨厌的，我想大家都懂的哈！好了，言归正传，我们开始今天的讲解吧。
马赛克的实现原理是把图像上某个像素点一定范围邻域内的所有点用邻域内随机选取的一个像素点的颜色代替，这样可以模糊细节，但是可以保留大体的轮廓。

1.2马赛克检测

1.2.1马赛克检测原理

首先讲解马赛克检测吧，以一幅图片为例，来说明马赛克检测所用方法，这里采用的图片如下所示。

图1
可以发现，图片中人物脸部打了马赛克。针对这片区域的马赛克，看本算法是否能够有效识别。首先，对上图进行Canny边缘检测，阈值分别取40和200，得到图像的检测结果。
这里写图片描述

图2
观察上图，发现马赛克区域经过边缘检测后，出现了一堆方块状或类方块状的区域。这些区域大体可分为如下5种情况。
这里写图片描述

图3
方块和类方块大体分为以上5种，分别为完备的正方形、分别缺一边的不完备正方形。为了统计上述边缘检测结果图中含有的这5类正方形，可以采取下述方式进行统计：
边长从3开始，逐次加1，到33截止（这里有待考究）。判断每个像素以这个边长能否组成正方形（5种情况，以下简称正方形）。如果能，这个边长的正方形数加1，如果不能继续遍历。
上述步骤有一个问题就是，怎样才算构成了正方形的判断准则？
1）整体判断法：以此边长遍历整个正方形区域，如果无缺失的像素/整个正方形的像素大于70%，认为这个正方形存在。这种方法的优点是判断准确，综合利用了正方形所有的像素，但缺点同样明显，运算速度极低；
2)八点判断法：选取正方形中的八个点来进行判断，如果选择的八个点都满足构成正方形条件，那么，认为此正方形存在。这种方法的优点是运算速度有所提升，但是准确率上存在不足；
3）四点判断法：选取正方形上的四个点位置进行判断，如果选择的四个点都满足构成正方的条件，认为此正方形存在。这种方法运算速度最快，伴随着的是不太理想的准确率。
由于图片中马赛克的检测既要考虑处理图片的速度，也要兼顾判断的准确度，所以，这里采用了八点判断法。

1.2.2马赛克检测实例

代码参考附件【demo1】
以一组10帧图片为例进行检测，得到如下的结果图。
 C实现

图4
 C++实现
这里写图片描述

图5
经人工鉴定，这10帧图片中，只有第3张图片不含马赛克，其他的均有马赛克，实验准确率100%。可以看出用C方式比C++效率更高，这也是优化代码需要考虑的地方。

1.3马赛克实现

代码参考附件【demo2】

图6

1.4马赛克清除

对于这个问题恐怕才是大家最关心的问题，根据马赛克的原理可以看出，按照一般的方法是不能将其清除的，但是目前Google Brain目前发布了“像素递归超分辨率”（pixel recursive super resolution ）技术，可以还原马赛克，这属于人工智能的部分，有兴趣的朋友可以去研究，博主就帮大家到这里了！