一個包裝類,允許 Meylan 等人 (2007) 的色調對映演算法與 OpenCV 一起使用。
此演算法已在 Retina 類中實現(retina::applyFastToneMapping),但使用它不需要分配所有視網膜模型。這允許在低記憶體裝置(智慧手機等)上實現輕量級記憶體使用。總而言之,這些是模型特性
- 具有不同區域性鄰域的2個區域性亮度適應階段。
- 第一階段模擬視網膜感光細胞的區域性亮度適應
- 第二階段模擬神經節細胞的區域性資訊適應
- 與最初的出版物相比,此類別使用時空低通濾波器而非僅空間濾波器。這有助於在影片序列使用場景中提高噪聲魯棒性和時間穩定性。
更多資訊請參考以下論文:Meylan L., Alleysson D., and Susstrunk S., A Model of Retinal Local Adaptation for the Tone Mapping of Color Filter Array Images, Journal of Optical Society of America, A, Vol. 24, N 9, September, 1st, 2007, pp. 2807-2816Benoit A., Caplier A., Durette B., Herault, J., "USING HUMAN VISUAL SYSTEM MODELING FOR BIO-INSPIRED LOW LEVEL IMAGE PROCESSING", Elsevier, Computer Vision and Image Understanding 114 (2010), pp. 758-773, DOI: http://dx.doi.org/10.1016/j.cviu.2010.01.011 關於時空濾波器和更大的視網膜模型:《Vision: Images, Signals and Neural Networks: Models of Neural Processing in Visual Perception (Progress in Neural Processing)》,作者:Jeanny Herault, ISBN: 9814273686。WAPI (Tower ID): 113266891。
| virtual void cv::bioinspired::RetinaFastToneMapping::applyFastToneMapping |
( |
InputArray | inputImage, |
|
|
OutputArray | outputToneMappedImage ) |
|
純虛擬函式 |
| Python |
|---|
| cv.bioinspired.RetinaFastToneMapping.applyFastToneMapping( | inputImage[, outputToneMappedImage] | ) -> | outputToneMappedImage |
應用亮度校正(最初是高動態 範圍 (HDR) 色調對映)
僅使用視網膜小細胞通路的2個區域性適應階段:感光細胞水平和神經節細胞水平。應用時空濾波,但僅限於時間平滑和最終的高頻衰減。這是一種比使用常規 retina::run 方法更輕量級的方法。因此它更快,但不包括完整的時間濾波或視網膜光譜白化。因此,它對具有極高動態範圍的影像的影響可能更有限。這是對 David Alleyson、Sabine Susstruck 和 Laurence Meylan 作品中原始靜態影像 HDR 色調對映演算法的改編,請引用:-> Meylan L., Alleysson D., and Susstrunk S., A Model of Retinal Local Adaptation for the Tone Mapping of Color Filter Array Images, Journal of Optical Society of America, A, Vol. 24, N 9, September, 1st, 2007, pp. 2807-2816
- 引數
-
| inputImage | 要處理的輸入影像,可以是 RGB 或灰度級 |
| outputToneMappedImage | 輸出的色調對映影像 |