采用多种掩模方法修复图像代码

以下是一个示例Python代码，演示如何采用多种掩模方法修复图像：

import cv2
import numpy as np

# 加载图像
img = cv2.imread('example.jpg', cv2.IMREAD_GRAYSCALE)

# 定义三个不同的掩模
mask1 = np.array([[0, 0, 0], [0, 1, 0], [0, 0, 0]])
mask2 = np.array([[1, 1, 1], [1, 1, 1], [1, 1, 1]])
mask3 = np.array([[0, 1, 0], [1, 1, 1], [0, 1, 0]])

# 对图像应用三个掩模，得到三个修复后的图像
img1 = cv2.dilate(img, mask1, iterations=1)
img2 = cv2.erode(img, mask2, iterations=1)
img3 = cv2.morphologyEx(img, cv2.MORPH_OPEN, mask3)

# 将三个修复后的图像进行加权合成，得到最终修复后的图像
result = cv2.addWeighted(img1, 0.5, img2, 0.3, 0)
result = cv2.addWeighted(result, 0.8, img3, 0.2, 0)

# 显示原始图像和修复后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Repaired Image', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

这段代码首先加载了一个灰度图像，然后定义了三个不同的掩模，分别是膨胀、腐蚀和开运算。接着，分别应用这三个掩模对图像进行修复，得到三个修复后的图像。最后，将这三个修复后的图像进行加权合成，得到最终的修复后的图像，并将原始图像和修复后的图像显示出来。需要注意的是，这里使用的是加权合成方法，可以根据需要调整不同图像的权重，以得到更好的修复效果。