进行的是图片二值化处理和创建结构元素，其中详细代码如下：
import cv2
import numpy as np
path =““
img = cv2.
hight， width， depth = :3
#图片二值化处理，把[240， 240， 240][255， 255， 255]以外的颜色变成0
thresh = cv2.， np.)
#创建形状和尺寸的结构元素
kernel = np.， )
2、扩张修复区域：
识别到修复区域并根据相邻像素值进行扩张达到弥补像素值修复图片的效果。（）函数主要涉及两种算法。
一种算法是从该区域的边界开始，然后进入区域内，逐渐填充边界中的所有内容。它需要在邻近的像素周围的一个小邻域进行修复。该像素由邻居中所有已知像素的归一化加权和代替。选择权重是一个重要的问题。对于靠近该点的那些像素，靠近边界的法线和位于边界轮廓上的像素，给予更多的权重。
另一种是基于流体动力学并利用偏微分方程。基本原则是heurisitic。它首先沿着已知区域的边缘行进到未知区域（因为边缘是连续的）。它继续等照片（连接具有相同强度的点的线，就像轮廓连接具有相同高度的点一样），同时在修复区域的边界处匹配渐变矢量。为此，使用来自流体动力学的一些方法。获得颜色后，填充颜色以减少该区域的最小差异。
详细代码如下：
#扩张待修复区域
hi_mask = cv2.
specular = cv2.
cv2.
cv2.， )
cv2.
cv2.
cv2.， )
a=cv2.
cv2.
cv2.
cv2.
修复程序处理二的搭建
1、图像处理第二步：
转换成hsv值，根据hsv值判断图片的前景和后景。hsv是一种将rgb色彩空间中的点在倒圆锥体中的表示方法。hsv即色相(hue)、饱和度(saturation)、明度(value)，又称。色相是色彩的基本属性，就是平常说的颜色的名称，如红色、黄色等。饱和度（s）是指色彩的纯度，越高色彩越纯，低则逐渐变灰，取0-100%的数值。明度（v），取0-。hsv颜色空间可以用一个圆锥空间模型来描述。圆锥的顶点处，v=0，h和s无定义，代表黑色。圆锥的顶面中心处v