假设您将图像拉伸为大约 48,500 行的表格中的列，我假设您拥有尺寸为 220x220 的原始图像。

您可以使用通过 OpenCV 提供的名为 的函数inpaint，该函数将恢复丢失的像素值（例如退化照片的黑色像素）。

这是一个图像示例。左上角显示缺失值的图像（黑色）。右上角仅显示缺失值（掩码）。左下和右下是最终输出，比较了两种不同的填充图像算法。

我建议在你的图像上尝试这两种方法，看看什么看起来最好。

有关算法本身的更多详细信息，请查看文档。这是实际功能的文档。

至于代码，它看起来像这样：

import opencv as cv    # you will need to install OpenCV

dst = cv.inpaint(img, mask, 3, cv.INPAINT_TELEA)

• 第一个参数是缺少值的图像
• 第二个是掩码，其中包含丢失像素的位置，即应该填充/插值哪些像素。
• 第三是要填充的缺失像素周围的半径
• 第四个是要使用的算法的标志（请参阅上面的链接以获取两种选择）

对于每个图像，您可以使用以下内容生成掩码：

mask = image[np.isnan(image)]

注意：'==' 不适用于 np.nan

在此之后有多种方法可以解决。您可以进行均值插补、中值插补、众数插补或最常见的值插补。根据数据的结构方式，为行或列计算上述值之一。填充 Nan 的最简单方法之一是df.fillna使用 pandas

对于任何 (x,y) 如果 NAN，您可以将周围像素的平均值估算为：

if((x==0  & y==0):
 return (x+1)+(y+1))/2 

else if(x==x_max & y==y_max):
 return (x-1)+(y-1))/2

else if(x==0 & y==y_max):
 return (x+1)+(y-1))/2

else if(x==x_max & y==0):
 return (x-1)+(y+1))/2

else if(x==0):
 return ((x+1)+(y-1)+(y+1))/3

else if(x==x_max):
 return ((x-1)+(y-1)+(y+1))/3

else if(y==0):
 return ((x+1)+(x-1)+(y+1))/3

else if(y==y_max):
 return ((x-1)+(x+1)+(y-1))/3

else :
  return  ((x-1)+(x+1)+(y-1)+(y+1))/4 

如果相邻行是相邻像素，我将使用相邻像素的平均值。这对于图像来说似乎是有意义的，而且人眼肯定很难看到。