Machine LearningPython

Python กับ OpenCV เทคนิคการทำ Inpainting ตกแต่งภาพที่เสียหาย

การใช้ OpenCV ประมวลผลภาพทำการซ่อมภาพถ่ายที่เสียหาย (Inpainting) ผ่าน Python

กระบวนการทํา inpainting คือเทคนิคตกแต่งภาพส่วนที่เสียหาย โดยการเติมข้อมูลที่สังเคราะห์จากข้อมูลบริเวณโดยรอบเรามาดูวิธีการผ่าน Python OpenCV กัน

เอาจริงๆ เพิ่งเห็น Email Alert บน PyImageSearch แล้วนึกได้ว่าเออเทคนิคนี้เคยทำสมัยเรียน ตอน ป.โท แล้วทำไม่ได้ (แป่ววววววว) มารื้อฟื่นตัวอย่างในเว็บเค้าดู แล้วรู้สึกว่ายากไปนิดก็เลย Simple Code ให้ใหม่จะได้ย่อยและเข้าถึงได้ง่ายสำหรับใครที่อยากทดลองดู

บทเรียน ก่อนหน้า ที่ควรศึกษาร่วมกัน:

เป็นบทเรียนการทำ Image Processing กันอีกรอบครับกับ Python และ OpenCV คราวนี้เราจะมาลองเทคนิคประมวลผลภาพเพื่อซ่อมแซมภาพถ่ายที่เสียหาย หรือสูญหายซึ่งเรียกว่าการ Inpainting โดยเราจะทำผ่าน Python กัน ซึ่งอยากให้ทุกคนดาวน์โหลดตัวอย่างภาพต่อไปนี้ครับ

Download ตัวอย่างภาพที่ใช้ทดสอบกับบทเรียนนี้  คลิกที่นี่:  Download 

ตัวอย่างแรกเราต้องนำภาพที่เสียหายมาใช้ก่อนซึ่งผมเตรียมไว้แล้ว (เราจำเป็นต้องเอา Mask โดยการแก้ไขลอยที่เสียหายมาทำ Processing ซึ่งใช้ OpenCV invert ขาวดำเอาจะได้แบบตัวอย่าง (ขาว ดำ) บางคนก็ใช้ Photoshop เอาก็ได้นะ แต่ถ้าจะเทพควรใช้ image processing trace ค่ารอยออกมาบนพื้นดำ

ตัวอย่างแรกให้แตก zip ไฟล์ออกมาใช้ Picture.png ภาพที่มีรอยขาด และ tearmask.png คือภาพที่ trace สีเป็นรอยอย่างเดียวบนพื้นดำ

สร้างไฟล์ Python ขึ้นมาตั้งชื่อว่า inpaint.py แล้วทำการประกาศ Header ดังนี้:

ซึ่งค่า flags นั้นจะมีเทคนิคอยู่สองแบบ คือแบบวิธี fast marching เรียกใช้งานโดยคำสั่ง INPAINT_TELSA (วิธีการเดินเร็ว ตามชื่อ) เป็นวิธีการคำนวณเลขที่สร้างขึ้นโดย James Sethian เน้นความสัมพันธ์ฟังก์ชันของเวลาด้วยความเร็วในทิศทางปกติ ขึ้นตรงกับ จุดบนพื้นผิวแต่ละบริเวณที่เสียหายจะถูกคํานวณหาระยะทางระหวางจุดที่อยู่ใกล้สุดแล้วค่อยทำงานต่อไปยังลำดับชั้นถัดไป [1]

แต่ถ้าใช้อีกวิธี

ค่า flags สามารถเลือกเป็น INPAINT_NS ซึ่ง NS ก็มาจากเทคนิค Dynamic Fluid การไหลไม่สมบูรณ์ของ สมการนาเวียร์-สโตกส์ (Navier Stokes) เป็นการคำนวณตำแหน่งโดยรอบเช่นกัน เพียงแค่การคำนวณนั้นเป็นรูปแบบอนุพันธ์ย่อยที่ไม่เป็นเส้นตรง (non-linear) มีค่าความปรวนแปรเข้ามาช่วยในการประมวลผล จำลองกระบวนการเหมือนของเหลวไหลจาก พื้นที่ (region) ที่รู้จักไปยัง พื้นที่ (region) ที่ไม่รู้จัก [2]

ปล. เอาไว้ว่างๆ จะมาเปรียบเทียบให้ครับ แนบ References ให้แล้วลองไปอ่านดู ในเว็บต้นทางเค้าก็อธิบายไว้นะว่าเลือกใช้อะไรดี

ตอนนี้ของใช้แบบ TELEA ก่อน

ให้เรา Read ภาพที่เราจะใช้เข้าไปในตัวแปร image ชื่อ “Picture.png” ก่อน:

หลังจากนั้น read ค่ mask จากภาพ “tearmask.png” อย่าลืมเข้ารหัส BRG2GRAY

นำมาประมวลผลด้วยฟังก์ชัน inpaint()

ค่า 3 คือ radius เป็นรัศมีในการปรับฟื้นฟูภาพ สามารถปรับเลขได้ครับ ตอนนี้ใส่ 3 ก่อน ส่วน flags = จะไปเรียกตัวแปร floag ซึ่งเราเลือกแบบ cv2.INPAINT_TELEA ไปจะใช้แบบ NS (Navier Stokes) ก็ได้นะครับ

ข้างบนคือแสดงผลภาพหลังประมวลผล (กด run) ดูจะเห็นโปรแกรมจะเรียกขึ้นมา 3 ภาพให้เราเห็นผ่านคำสั่ง

ทีนี้ลองภาพของตัวเองบ้าง ก็เปลี่ยนจาก Picture.png เป็น banyapon.png และ tearmask.png เป็น mask.png

ภาพmask.pngใช้เทคนิค theadhold ให้เป็น masking เพื่อจะลบ Sticker บนแล็ปท๊อปออก

รันดูหน่อยแบบ Navier Stokes

ลบออกไปอยู่ที่วง Raduis และเทคนิคแล้วว่าแบบไหนเวิร์ค เพราะนี่มันเล่นลบแบบหยาบๆ ไปหน่อย ลองไปศึกษาดูครับ

ปล. ตัวอย่างของ PyImageSearch ค่อนข้างครบอธิบายดี แต่ยากไม่เหมาะกับมือใหม่ ผม Simple ให้แล้วทีนี้ก็ไปศึกษาของที่ Advance ได้ที่ PyImageSearch ต่อเลยครับ

[1] เทคนิค cv2.INPAINT_TELEA An image inpainting technique based on the fast marching method (Telea, 2004)

[2] cv2.INPAINT_NS Navier-stokes, Fluid dynamics, and image and video inpainting (Bertalmío et al., 2001)

Tags

Asst. Prof. Banyapon Poolsawas

อาจารย์ประจำสาขาวิชาการออกแบบเชิงโต้ตอบ และการพัฒนาเกม วิทยาลัยครีเอทีฟดีไซน์ & เอ็นเตอร์เทนเมนต์เทคโนโลยี มหาวิทยาลัยธุรกิจบัณฑิตย์ ผู้ก่อตั้ง บริษัท Daydev Co., Ltd, (เดย์เดฟ จำกัด)

Related Articles

Back to top button
Close
Close

Adblock Detected

เราตรวจพบว่าคุณใช้ Adblock บนบราวเซอร์ของคุณ,กรุณาปิดระบบ Adblock ก่อนเข้าอ่าน Content ของเรานะครับ, ถือว่าช่วยเหลือกัน