HDR 成像

詳細描述

本節描述了高動態範圍成像演算法，即色調對映、曝光對齊、多重曝光相機校準和曝光融合。

類
類	cv::AlignExposures
	用於對齊同一場景不同曝光影像的演算法的基類。更多...
類	cv::AlignMTB
	此演算法將影像轉換為中值閾值點陣圖（亮度高於中值亮度的畫素為 1，否則為 0），然後使用位操作對結果點陣圖進行對齊。更多...
類	cv::CalibrateCRF
	用於相機響應校準演算法的基類。更多...
類	cv::CalibrateDebevec
	透過將目標函式作為線性系統進行最小化，為每個亮度值提取逆相機響應函式。目標函式是使用所有影像中相同位置的畫素值構建的，並添加了額外的項以使結果更平滑。更多...
類	cv::CalibrateRobertson
	透過將目標函式作為線性系統進行最小化，為每個亮度值提取逆相機響應函式。此演算法使用所有影像畫素。更多...
類	cv::MergeDebevec
	生成的 HDR 影像是根據曝光值和相機響應計算的曝光加權平均值。更多...
類	cv::MergeExposures
	可將曝光序列合併為單個影像的演算法的基類。更多...
類	cv::MergeMertens
	畫素使用對比度、飽和度和曝光良好度度量進行加權，然後使用拉普拉斯金字塔合併影像。更多...
類	cv::MergeRobertson
	生成的 HDR 影像是根據曝光值和相機響應計算的曝光加權平均值。更多...
類	cv::Tonemap
	色調對映演算法的基類 - 用於將 HDR 影像對映到 8 位範圍的工具。更多...
類	cv::TonemapDrago
	自適應對數對映是一種快速的全域性色調對映演算法，它在對數域中縮放影像。更多...
類	cv::TonemapMantiuk
	此演算法使用高斯金字塔所有層上的梯度將影像轉換為對比度，將對比度值轉換為 HVS 響應並縮放響應。之後，影像從新的對比度值重建。更多...
類	cv::TonemapReinhard
	這是一種模擬人類視覺系統的全域性色調對映運算子。更多...

列舉
列舉	{ cv::LDR_SIZE = 256 }

函式
Ptr< AlignMTB >	cv::createAlignMTB (int max_bits=6, int exclude_range=4, bool cut=true)
	建立 AlignMTB 物件。
Ptr< CalibrateDebevec >	cv::createCalibrateDebevec (int samples=70, float lambda=10.0f, bool random=false)
	建立 CalibrateDebevec 物件。
Ptr< CalibrateRobertson >	cv::createCalibrateRobertson (int max_iter=30, float threshold=0.01f)
	建立 CalibrateRobertson 物件。
Ptr< MergeDebevec >	cv::createMergeDebevec ()
	建立 MergeDebevec 物件。
Ptr< MergeMertens >	cv::createMergeMertens (float contrast_weight=1.0f, float saturation_weight=1.0f, float exposure_weight=0.0f)
	建立 MergeMertens 物件。
Ptr< MergeRobertson >	cv::createMergeRobertson ()
	建立 MergeRobertson 物件。
Ptr< Tonemap >	cv::createTonemap (float gamma=1.0f)
	Creates simple linear mapper with gamma correction.
Ptr< TonemapDrago >	cv::createTonemapDrago (float gamma=1.0f, float saturation=1.0f, float bias=0.85f)
	建立 TonemapDrago 物件。
Ptr< TonemapMantiuk >	cv::createTonemapMantiuk (float gamma=1.0f, float scale=0.7f, float saturation=1.0f)
	建立 TonemapMantiuk 物件。
Ptr< TonemapReinhard >	cv::createTonemapReinhard (float gamma=1.0f, float intensity=0.0f, float light_adapt=1.0f, float color_adapt=0.0f)
	建立 TonemapReinhard 物件。

列舉型別文件

匿名列舉

匿名列舉

#include <opencv2/photo.hpp>

列舉器
LDR_SIZE  Python: cv.LDR_SIZE

函式文件

createAlignMTB()

Ptr< AlignMTB > cv::createAlignMTB	(	int	max_bits = 6,
		int	exclude_range = 4,
		bool	cut = true )

Python
	cv.createAlignMTB(	[, max_bits[, exclude_range[, cut]]]	) ->	retval

#include <opencv2/photo.hpp>

建立 AlignMTB 物件。

引數

max_bits	各維度最大位移的以 2 為底的對數。值為 5 和 6 通常足夠好（分別對應 31 和 63 畫素位移）。
exclude_range	用於排除點陣圖的範圍，該點陣圖用於抑制中值附近的噪聲。
剪下	如果為 true，則剪下影像；否則，用零填充新區域。

createCalibrateDebevec()

Ptr< CalibrateDebevec > cv::createCalibrateDebevec	(	int	samples = 70,
		float	lambda = 10.0f,
		bool	random = false )

Python
	cv.createCalibrateDebevec(	[, samples[, lambda_[, random]]]	) ->	retval

#include <opencv2/photo.hpp>

建立 CalibrateDebevec 物件。

引數

samples	要使用的畫素位置數量
lambda	平滑項權重。值越大，結果越平滑，但可能會改變響應。
random	如果為 true，則隨機選擇取樣畫素位置；否則，它們形成一個矩形網格。

createCalibrateRobertson()

Ptr< CalibrateRobertson > cv::createCalibrateRobertson	(	int	max_iter = 30,
		float	threshold = 0.01f )

Python
	cv.createCalibrateRobertson(	[, max_iter[, threshold]]	) ->	retval

#include <opencv2/photo.hpp>

建立 CalibrateRobertson 物件。

引數

max_iter	高斯-賽德爾求解器最大迭代次數。
RANSAC引數。它是點到畫素中對極線的最大距離，超過此距離的點將被視為異常值，不用於計算最終的基本矩陣。它可以設定為1-3左右，具體取決於點定位的精度、影像解析度和影像噪聲。	最小化連續兩個步驟結果之間的目標差值。

createMergeDebevec()

Ptr< MergeDebevec > cv::createMergeDebevec

(

)

Python
	cv.createMergeDebevec(		) ->	retval

#include <opencv2/photo.hpp>

建立 MergeDebevec 物件。

createMergeMertens()

Ptr< MergeMertens > cv::createMergeMertens	(	float	contrast_weight = 1.0f,
		float	saturation_weight = 1.0f,
		float	exposure_weight = 0.0f )

Python
	cv.createMergeMertens(	[, contrast_weight[, saturation_weight[, exposure_weight]]]	) ->	retval

#include <opencv2/photo.hpp>

建立 MergeMertens 物件。

引數

對比度權重	對比度測量權重。參見 MergeMertens。
saturation_weight	飽和度測量權重
exposure_weight	曝光良好度測量權重

createMergeRobertson()

Ptr< MergeRobertson > cv::createMergeRobertson

(

)

Python
	cv.createMergeRobertson(		) ->	retval

#include <opencv2/photo.hpp>

建立 MergeRobertson 物件。

createTonemap()

Ptr< Tonemap > cv::createTonemap

(

float

gamma = 1.0f

)

Python
	cv.createTonemap(	[, gamma]	) ->	retval

#include <opencv2/photo.hpp>

Creates simple linear mapper with gamma correction.

引數

gamma

伽馬校正的正值。伽馬值為 1.0 意味著沒有校正，伽馬值為 2.2f 適用於大多數顯示器。通常，伽馬值 > 1 會使影像變亮，伽馬值 < 1 會使影像變暗。

createTonemapDrago()

Ptr< TonemapDrago > cv::createTonemapDrago	(	float	gamma = 1.0f,
		float	saturation = 1.0f,
		float	bias = 0.85f )

Python
	cv.createTonemapDrago(	[, gamma[, saturation[, bias]]]	) ->	retval

#include <opencv2/photo.hpp>

建立 TonemapDrago 物件。

引數

gamma	伽馬校正的伽馬值。請參閱 createTonemap
saturation	正飽和度增強值。1.0 保留飽和度，大於 1 的值增加飽和度，小於 1 的值降低飽和度。
bias	[0, 1] 範圍內的偏置函式值。0.7 到 0.9 之間的值通常能提供最佳結果，預設值為 0.85。

createTonemapMantiuk()

Ptr< TonemapMantiuk > cv::createTonemapMantiuk	(	float	gamma = 1.0f,
		float	scale = 0.7f,
		float	saturation = 1.0f )

Python
	cv.createTonemapMantiuk(	[, gamma[, scale[, saturation]]]	) ->	retval

#include <opencv2/photo.hpp>

建立 TonemapMantiuk 物件。

引數

gamma	伽馬校正的伽馬值。請參閱 createTonemap
scale	對比度縮放因子。HVS 響應乘以該引數，從而壓縮動態範圍。0.6 到 0.9 之間的值能產生最佳結果。
saturation	飽和度增強值。請參閱 createTonemapDrago

createTonemapReinhard()

Ptr< TonemapReinhard > cv::createTonemapReinhard	(	float	gamma = 1.0f,
		float	intensity = 0.0f,
		float	light_adapt = 1.0f,
		float	color_adapt = 0.0f )

Python
	cv.createTonemapReinhard(	[, gamma[, intensity[, light_adapt[, color_adapt]]]]	) ->	retval

#include <opencv2/photo.hpp>

建立 TonemapReinhard 物件。

引數

gamma	伽馬校正的伽馬值。請參閱 createTonemap
intensity	結果強度在 [-8, 8] 範圍內。強度越大，結果越亮。
light_adapt	光適應在 [0, 1] 範圍內。如果為 1，適應僅基於畫素值；如果為 0，則為全域性適應；否則，它是這兩種情況的加權平均值。
color_adapt	色度適應在 [0, 1] 範圍內。如果為 1，通道獨立處理；如果為 0，每個通道的適應級別相同。