OpenCV的inpaint()适合中等文字擦除，关键在高质量掩膜：需HSV阈值粗提+形态学膨胀闭运算+高斯模糊边缘；TELEA算法优于NS；大区域或复杂背景需改用seamlessClone或patch-based方法。
用 OpenCV 的 inpaint() 做基础文字擦除修补
直接删掉文字区域再用纯色填充，背景会突兀；inpaint() 是 C++ 里最常用且开箱即用的修补方案，它基于图像梯度和等照度线做局部纹理延续，对中等大小的文字区域（比如水印、标题字）效果稳定。
关键不是“全图重绘”，而是给它一个靠谱的掩膜（mask）：先用二值化或颜色阈值把文字区域标成白色（255），其余为黑（0），再传给 inpaint()：
cv::Mat mask = cv::Mat::zeros(src.size(), CV_8UC1); // 示例：用 HSV 阈值粗略抠出白色文字区域 cv::cvtColor(src, hsv, cv::COLOR_BGR2HSV); cv::inRange(hsv, cv::Scalar(0,0,200), cv::Scalar(180,30,255), mask); cv::Mat result; cv::inpaint(src, mask, result, 3, cv::INPAINT_TELEA); // 注意：3 是邻域半径
两个主流算法选型：cv::INPAINT_TELEA 更适合边缘平滑过渡（推荐默认）；cv::INPAINT_NS（Navier-Stokes）对细长结构稍好但更慢，且对 mask 边界敏感——一旦 mask 多挖一像素，就容易带入无关纹理。
手动优化 mask 才是修补质量的分水岭
自动阈值生成的 mask 通常毛边严重、包含噪点，或者漏掉半透明文字边缘。这些都会导致 inpaint() 向错误方向“脑补”。必须人工干预：
立即学习“C++免费学习笔记（深入）”；
- 用
cv::morphologyEx()膨胀（cv::MORPH_DILATE）把文字区域连成片，避免修补时被切成碎块 - 紧接着用闭运算（
cv::MORPH_CLOSE）填掉 mask 内部的小孔——否则修补会从孔洞向内塌陷 - 对 mask 边缘做轻微高斯模糊（
cv::GaussianBlur(mask, mask, cv::Size(3,3), 0)），能让修补过渡更柔和，尤其在文字与背景明暗交界处
别跳过这步。实测中，90% 的“修补发虚”“颜色偏移”问题，根源都在 mask 不够干净或边界太硬。
大区域或复杂背景时，inpaint() 会失效
当要擦除整行标题、或者背景本身有密集纹理（如木纹、织物、人群），inpaint() 的局部搜索机制会迅速崩溃：它找不到足够长的可靠纹理方向，结果就是模糊块、色斑、伪影。
这时得换策略：
- 如果背景相对平坦（如PPT截图、白底App界面），优先试
cv::seamlessClone()：选一个干净背景块，用cv::NORMAL_CLONE模式覆盖过去，比inpaint()更可控 - 若需保持全局一致性（比如擦除后还要缩放/旋转），得上 patch-based 方法：用
cv::matchTemplate()在周围找相似纹理块，手动拼接替换——代码量上升，但结果可预测 - OpenCV 4.8+ 的
cv::xphoto::inpaint()（来自 xphoto 模块）支持更鲁棒的纹理合成，但需额外编译，且对 GPU 加速不友好
没有银弹。文字越小、背景越均匀，inpaint() 越省事；反之，就得接受得写更多逻辑来定义“哪里算背景”“哪块纹理能复用”。
性能和精度之间的现实取舍
inpaint() 的半径参数（第三个参数）不是越大越好。设成 5 或 7 看似更“细致”，实际会导致：
- 计算量指数级上升（尤其在高清图上），1080p 图耗时可能从 20ms 涨到 300ms+
- 过度平滑：细线、文字笔画残留的阴影会被抹掉，反而损失细节真实感
- 内存访问越界风险：输入图若未 padding，大半径可能触发 OpenCV 内部边界检查失败
建议固定用 3，配合高质量 mask；真需要更大感受野，不如先缩小图像做修补，再双三次插值放大——视觉效果往往更好，且可控。
真正难的从来不是调通函数，而是判断“这一块该不该修”“修多大范围才不穿帮”。自动化只能到掩膜为止，后面全是语义层面的权衡。
