附加照片處理演算法

詳細說明

類
類	cv::xphoto::GrayworldWB
	灰度世界白平衡演算法。更多...
類	cv::xphoto::LearningBasedWB
	更復雜的基於學習的自動白平衡演算法。更多...
類	cv::xphoto::SimpleWB
	一種簡單的白平衡演算法，透過獨立地將每個輸入影像通道拉伸到指定範圍來工作。為了提高魯棒性，它忽略了頂部和底部 \(p\%\) 的畫素值。更多...
類	cv::xphoto::TonemapDurand
	該演算法使用雙邊濾波器將影像分解為兩層：基礎層和細節層，並壓縮基礎層的對比度，從而保留所有細節。更多...
類	cv::xphoto::WhiteBalancer
	自動白平衡演算法的基類。更多...

列舉
enum	cv::xphoto::Bm3dSteps {   cv::xphoto::BM3D_STEPALL = 0 ,   cv::xphoto::BM3D_STEP1 = 1 ,   cv::xphoto::BM3D_STEP2 = 2 }
	BM3D 演算法步驟。更多...
enum	cv::xphoto::InpaintTypes {   cv::xphoto::INPAINT_SHIFTMAP = 0 ,   cv::xphoto::INPAINT_FSR_BEST = 1 ,   cv::xphoto::INPAINT_FSR_FAST = 2 }
	各種影像修復演算法。更多...
enum	cv::xphoto::TransformTypes { cv::xphoto::HAAR = 0 }
	BM3D 變換型別。更多...

函式
void	cv::xphoto::applyChannelGains (InputArray src, OutputArray dst, float gainB, float gainG, float gainR)
	實現一種高效的定點近似方法來應用通道增益，這是多種白平衡演算法的最後一步。
void	cv::xphoto::bm3dDenoising (InputArray src, InputOutputArray dstStep1, OutputArray dstStep2, float h=1, int templateWindowSize=4, int searchWindowSize=16, int blockMatchingStep1=2500, int blockMatchingStep2=400, int groupSize=8, int slidingStep=1, float beta=2.0f, int normType=cv::NORM_L2, int step=cv::xphoto::BM3D_STEPALL, int transformType=cv::xphoto::HAAR)
	使用塊匹配和三維濾波演算法 http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf 執行影像去噪，並進行了一些計算最佳化。噪聲預計為高斯白噪聲。
void	cv::xphoto::bm3dDenoising (InputArray src, OutputArray dst, float h=1, int templateWindowSize=4, int searchWindowSize=16, int blockMatchingStep1=2500, int blockMatchingStep2=400, int groupSize=8, int slidingStep=1, float beta=2.0f, int normType=cv::NORM_L2, int step=cv::xphoto::BM3D_STEPALL, int transformType=cv::xphoto::HAAR)
	使用塊匹配和三維濾波演算法 http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf 執行影像去噪，並進行了一些計算最佳化。噪聲預計為高斯白噪聲。
Ptr< GrayworldWB >	cv::xphoto::createGrayworldWB ()
	建立 GrayworldWB 的例項。
Ptr< LearningBasedWB >	cv::xphoto::createLearningBasedWB (const String &path_to_model=String())
	建立 LearningBasedWB 的例項。
Ptr< SimpleWB >	cv::xphoto::createSimpleWB ()
	建立 SimpleWB 的例項。
Ptr< TonemapDurand >	cv::xphoto::createTonemapDurand (float gamma=1.0f, float contrast=4.0f, float saturation=1.0f, float sigma_color=2.0f, float sigma_space=2.0f)
	建立 TonemapDurand 物件。
void	cv::xphoto::dctDenoising (const Mat &src, Mat &dst, const double sigma, const int psize=16)
	該函式實現簡單的基於 DCT 的去噪。
virtual float	cv::xphoto::TonemapDurand::getContrast () const =0
virtual float	cv::xphoto::TonemapDurand::getSaturation () const =0
virtual float	cv::xphoto::TonemapDurand::getSigmaColor () const =0
virtual float	cv::xphoto::TonemapDurand::getSigmaSpace () const =0
void	cv::xphoto::inpaint (const Mat &src, const Mat &mask, Mat &dst, const int algorithmType)
	該函式實現不同的單幅影像修復演算法。
void	cv::xphoto::oilPainting (InputArray src, OutputArray dst, int size, int dynRatio)
	油畫效果 詳細資訊請參見書籍 [48]。
void	cv::xphoto::oilPainting (InputArray src, OutputArray dst, int size, int dynRatio, int code)
	油畫效果 詳細資訊請參見書籍 [48]。
virtual void	cv::xphoto::TonemapDurand::setContrast (float contrast)=0
virtual void	cv::xphoto::TonemapDurand::setSaturation (float saturation)=0
virtual void	cv::xphoto::TonemapDurand::setSigmaColor (float sigma_color)=0
virtual void	cv::xphoto::TonemapDurand::setSigmaSpace (float sigma_space)=0

列舉型別文件 (Enumeration Type Documentation)

Bm3dSteps

列舉 cv::xphoto::Bm3dSteps

#include <opencv2/xphoto/bm3d_image_denoising.hpp>

BM3D 演算法步驟。

列舉值 (Enumerator)
BM3D_STEPALL  Python: cv.xphoto.BM3D_STEPALL	執行演算法的所有步驟
BM3D_STEP1  Python: cv.xphoto.BM3D_STEP1	僅執行演算法的第一步
BM3D_STEP2  Python: cv.xphoto.BM3D_STEP2	僅執行演算法的第二步

InpaintTypes

列舉 cv::xphoto::InpaintTypes

#include <opencv2/xphoto/inpainting.hpp>

各種影像修復演算法。

另請參閱

inpaint

列舉值 (Enumerator)
INPAINT_SHIFTMAP  Python: cv.xphoto.INPAINT_SHIFTMAP	該演算法搜尋影像塊的主要對應關係（變換），並嘗試使用這些變換無縫填充要修復的區域
INPAINT_FSR_BEST  Python: cv.xphoto.INPAINT_FSR_BEST	執行頻率選擇性重建 (FSR)。可以選擇 BEST 和 FAST 兩種質量配置檔案之一，具體取決於重建可用時間。有關詳細資訊，請參見 [106] 和 [243]。 該演算法可用於以下應用領域 錯誤隱藏（影像修復）。取樣掩碼指示要重建的失真輸入影像的缺失畫素。 非正則取樣。有關如何選擇良好取樣掩碼的更多資訊，請參閱 [115] 和 [114]。 接受 1 通道灰度或 3 通道 BGR 影像。 常規接受範圍 CV_8U 為 0-255 CV_16U 為 0-65535 CV_32F/CV_64F 為 0-1。
INPAINT_FSR_FAST  Python: cv.xphoto.INPAINT_FSR_FAST	請參見 INPAINT_FSR_BEST。

TransformTypes

列舉 cv::xphoto::TransformTypes

#include <opencv2/xphoto/bm3d_image_denoising.hpp>

BM3D 變換型別。

列舉值 (Enumerator)
HAAR  Python: cv.xphoto.HAAR	未歸一化的 Haar 變換

函式文件 (Function Documentation)

applyChannelGains()

void cv::xphoto::applyChannelGains	(	InputArray	src,
		OutputArray	dst,
		float	gainB,
		float	gainG,
		float	gainR )

Python
	cv.xphoto.applyChannelGains(	src, gainB, gainG, gainR[, dst]	) ->	dst

#include <opencv2/xphoto/white_balance.hpp>

實現一種高效的定點近似方法來應用通道增益，這是多種白平衡演算法的最後一步。

引數

src	BGR 色彩空間中的三通道影像輸入（CV_8UC3 或 CV_16UC3）
dst	與 src 具有相同大小和型別的輸出影像。
gainB	B 通道的增益
gainG	G 通道的增益
gainR	R 通道的增益

bm3dDenoising() [1/2]

void cv::xphoto::bm3dDenoising	(	InputArray	src,
		InputOutputArray	dstStep1,
		OutputArray	dstStep2,
		float	h = 1,
		int	templateWindowSize = 4,
		int	searchWindowSize = 16,
		int	blockMatchingStep1 = 2500,
		int	blockMatchingStep2 = 400,
		int	groupSize = 8,
		int	slidingStep = 1,
		float	beta = 2.0f,
		int	normType = cv::NORM_L2,
		int	step = cv::xphoto::BM3D_STEPALL,
		int	transformType = cv::xphoto::HAAR )

Python
	cv.xphoto.bm3dDenoising(	src, dstStep1[, dstStep2[, h[, templateWindowSize[, searchWindowSize[, blockMatchingStep1[, blockMatchingStep2[, groupSize[, slidingStep[, beta[, normType[, step[, transformType]]]]]]]]]]]]	) ->	dstStep1, dstStep2
	cv.xphoto.bm3dDenoising(	src[, dst[, h[, templateWindowSize[, searchWindowSize[, blockMatchingStep1[, blockMatchingStep2[, groupSize[, slidingStep[, beta[, normType[, step[, transformType]]]]]]]]]]]]	) ->	dst

#include <opencv2/xphoto/bm3d_image_denoising.hpp>

使用塊匹配和三維濾波演算法 http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf 執行影像去噪，並進行了一些計算最佳化。噪聲預計為高斯白噪聲。

引數

src	輸入 8 位或 16 位 1 通道影像。
dstStep1	BM3D 第一步的輸出影像，與 src 具有相同的大小和型別。
dstStep2	BM3D 第二步的輸出影像，與 src 具有相同的大小和型別。
h	調節濾波器強度的引數。較大的 h 值可以完美地去除噪聲，但也去除了影像細節；較小的 h 值保留了細節，但也保留了一些噪聲。
templateWindowSize	用於塊匹配的模板補丁的畫素大小。應為 2 的冪。
searchWindowSize	用於執行塊匹配的視窗的畫素大小。線性影響效能：較大的 searchWindowsSize 導致較長的去噪時間。必須大於 templateWindowSize。
blockMatchingStep1	BM3D 第一步（硬閾值）的塊匹配閾值，即兩個塊被視為相似的最大距離。值以歐幾里得距離表示。
blockMatchingStep2	BM3D 第二步（維納濾波）的塊匹配閾值，即兩個塊被視為相似的最大距離。值以歐幾里得距離表示。
groupSize	協作濾波的 3D 組的最大大小。
slidingStep	處理每個下一個參考塊的滑動步長。
beta	影響視窗變換旁瓣衰減的 Kaiser 視窗引數。Kaiser 視窗用於減少邊界效應。要停用視窗使用，請將 beta 設定為零。
normType	用於計算塊之間距離的範數。L2 比 L1 慢，但產生更準確的結果。
step (步長)	要執行的 BM3D 步驟。可能的變體是：步驟 1、步驟 2、兩個步驟。
transformType	協作濾波步驟中使用的正交變換型別。目前僅支援 Haar 變換。

此函式預計應用於灰度影像。此函式的更高階用法是在不同的顏色空間中手動對彩色影像進行去噪。

另請參閱

fastNlMeansDenoising

bm3dDenoising() [2/2]

void cv::xphoto::bm3dDenoising	(	InputArray	src,
		OutputArray	dst,
		float	h = 1,
		int	templateWindowSize = 4,
		int	searchWindowSize = 16,
		int	blockMatchingStep1 = 2500,
		int	blockMatchingStep2 = 400,
		int	groupSize = 8,
		int	slidingStep = 1,
		float	beta = 2.0f,
		int	normType = cv::NORM_L2,
		int	step = cv::xphoto::BM3D_STEPALL,
		int	transformType = cv::xphoto::HAAR )

Python
	cv.xphoto.bm3dDenoising(	src, dstStep1[, dstStep2[, h[, templateWindowSize[, searchWindowSize[, blockMatchingStep1[, blockMatchingStep2[, groupSize[, slidingStep[, beta[, normType[, step[, transformType]]]]]]]]]]]]	) ->	dstStep1, dstStep2
	cv.xphoto.bm3dDenoising(	src[, dst[, h[, templateWindowSize[, searchWindowSize[, blockMatchingStep1[, blockMatchingStep2[, groupSize[, slidingStep[, beta[, normType[, step[, transformType]]]]]]]]]]]]	) ->	dst

#include <opencv2/xphoto/bm3d_image_denoising.hpp>

使用塊匹配和三維濾波演算法 http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf 執行影像去噪，並進行了一些計算最佳化。噪聲預計為高斯白噪聲。

引數

src	輸入 8 位或 16 位 1 通道影像。
dst	輸出影像與 src 具有相同的大小和型別。
h	調節濾波器強度的引數。較大的 h 值可以完美地去除噪聲，但也去除了影像細節；較小的 h 值保留了細節，但也保留了一些噪聲。
templateWindowSize	用於塊匹配的模板補丁的畫素大小。應為 2 的冪。
searchWindowSize	用於執行塊匹配的視窗的畫素大小。線性影響效能：較大的 searchWindowsSize 導致較長的去噪時間。必須大於 templateWindowSize。
blockMatchingStep1	BM3D 第一步（硬閾值）的塊匹配閾值，即兩個塊被視為相似的最大距離。值以歐幾里得距離表示。
blockMatchingStep2	BM3D 第二步（維納濾波）的塊匹配閾值，即兩個塊被視為相似的最大距離。值以歐幾里得距離表示。
groupSize	協作濾波的 3D 組的最大大小。
slidingStep	處理每個下一個參考塊的滑動步長。
beta	影響視窗變換旁瓣衰減的 Kaiser 視窗引數。Kaiser 視窗用於減少邊界效應。要停用視窗使用，請將 beta 設定為零。
normType	用於計算塊之間距離的範數。L2 比 L1 慢，但產生更準確的結果。
step (步長)	要執行的 BM3D 步驟。只允許 BM3D_STEP1 和 BM3D_STEPALL。BM3D_STEP2 不允許，因為它需要存在基本估計。
transformType	協作濾波步驟中使用的正交變換型別。目前僅支援 Haar 變換。

此函式預計應用於灰度影像。此函式的更高階用法是在不同的顏色空間中手動對彩色影像進行去噪。

另請參閱

fastNlMeansDenoising

createGrayworldWB()

Ptr< GrayworldWB > cv::xphoto::createGrayworldWB

(

)

Python
	cv.xphoto.createGrayworldWB(		) ->	retval

#include <opencv2/xphoto/white_balance.hpp>

建立 GrayworldWB 的例項。

createLearningBasedWB()

Ptr< LearningBasedWB > cv::xphoto::createLearningBasedWB

(

const String &

path_to_model = String()

)

Python
	cv.xphoto.createLearningBasedWB(	[, path_to_model]	) ->	retval

#include <opencv2/xphoto/white_balance.hpp>

建立 LearningBasedWB 的例項。

引數

path_to_model

模型 .yml 檔案的路徑。如果未指定，則使用預設模型

createSimpleWB()

Ptr< SimpleWB > cv::xphoto::createSimpleWB

(

)

Python
	cv.xphoto.createSimpleWB(		) ->	retval

#include <opencv2/xphoto/white_balance.hpp>

建立 SimpleWB 的例項。

createTonemapDurand()

Ptr< TonemapDurand > cv::xphoto::createTonemapDurand	(	float	gamma = 1.0f,
		float	contrast = 4.0f,
		float	saturation = 1.0f,
		float	sigma_color = 2.0f,
		float	sigma_space = 2.0f )

Python
	cv.xphoto.createTonemapDurand(	[, gamma[, contrast[, saturation[, sigma_color[, sigma_space]]]]]	) ->	retval

#include <opencv2/xphoto/tonemap.hpp>

建立 TonemapDurand 物件。

您需要在 cmake 中設定 OPENCV_ENABLE_NONFREE 選項才能使用這些功能。使用它們風險自負。

引數

gamma	伽馬校正的伽馬值。參見 createTonemap
對比度	對數刻度上的結果對比度，即 log(max / min)，其中 max 和 min 是結果影像的最大和最小亮度值。
飽和度	飽和度增強值。參見 createTonemapDrago
sigma_color	色彩空間中的雙邊濾波器 sigma
sigma_space	座標空間中的雙邊濾波器 sigma

dctDenoising()

void cv::xphoto::dctDenoising	(	const Mat &	src,
		Mat &	dst,
		const double	sigma,
		const int	psize = 16 )

Python
	cv.xphoto.dctDenoising(	src, dst, sigma[, psize]	) ->	None

#include <opencv2/xphoto/dct_image_denoising.hpp>

該函式實現簡單的基於 DCT 的去噪。

http://www.ipol.im/pub/art/2011/ys-dct/.

引數

src	源影像
dst	目標影像
sigma	預期噪聲標準差
psize	計算 dct 的塊邊長大小

另請參閱

fastNlMeansDenoising

getContrast()

virtual float cv::xphoto::TonemapDurand::getContrast ( ) const

純虛擬函式

Python
	cv.xphoto.TonemapDurand.getContrast(		) ->	retval

#include <opencv2/xphoto/tonemap.hpp>

getSaturation()

virtual float cv::xphoto::TonemapDurand::getSaturation ( ) const

純虛擬函式

Python
	cv.xphoto.TonemapDurand.getSaturation(		) ->	retval

#include <opencv2/xphoto/tonemap.hpp>

getSigmaColor()

virtual float cv::xphoto::TonemapDurand::getSigmaColor ( ) const

純虛擬函式

Python
	cv.xphoto.TonemapDurand.getSigmaColor(		) ->	retval

#include <opencv2/xphoto/tonemap.hpp>

getSigmaSpace()

virtual float cv::xphoto::TonemapDurand::getSigmaSpace ( ) const

純虛擬函式

Python
	cv.xphoto.TonemapDurand.getSigmaSpace(		) ->	retval

#include <opencv2/xphoto/tonemap.hpp>

inpaint()

void cv::xphoto::inpaint	(	const Mat &	src,
		const Mat &	mask,
		Mat &	dst,
		const int	algorithmType )

Python
	cv.xphoto.inpaint(	src, mask, dst, algorithmType	) ->	None

#include <opencv2/xphoto/inpainting.hpp>

該函式實現不同的單幅影像修復演算法。

有關詳細資訊，請參見原始論文 [122] (Shiftmap) 或 [106] 和 [243] (FSR)。

引數

src	源影像 INPAINT_SHIFTMAP：它可以是任何型別，通道數從 1 到 4。對於 3 通道和 4 通道影像，函式期望它們在 CIELab 顏色空間或類似的顏色空間中，其中第一個顏色分量顯示強度，而第二個和第三個顯示顏色。儘管如此，您可以嘗試任何顏色空間。 INPAINT_FSR_BEST 或 INPAINT_FSR_FAST：1 通道灰度或 3 通道 BGR 影像。
mask	掩碼 (CV_8UC1)，其中非零畫素表示有效影像區域，而零畫素表示要修復的區域
dst	目標影像
algorithmType	參見 xphoto::InpaintTypes

oilPainting() [1/2]

void cv::xphoto::oilPainting	(	InputArray	src,
		OutputArray	dst,
		int	size (大小),
		int	dynRatio )

Python
	cv.xphoto.oilPainting(	src, size, dynRatio, code[, dst]	) ->	dst
	cv.xphoto.oilPainting(	src, size, dynRatio[, dst]	) ->	dst

#include <opencv2/xphoto/oilpainting.hpp>

油畫效果 詳細資訊請參見書籍 [48]。

引數

src	輸入三通道或單通道影像（CV_8UC3 或 CV_8UC1）
dst	與 src 具有相同大小和型別的輸出影像。
size (大小)	相鄰大小為 2-size+1
dynRatio	在直方圖處理之前，影像按 dynRatio 分割

oilPainting() [2/2]

void cv::xphoto::oilPainting	(	InputArray	src,
		OutputArray	dst,
		int	size (大小),
		int	dynRatio,
		int	code )

Python
	cv.xphoto.oilPainting(	src, size, dynRatio, code[, dst]	) ->	dst
	cv.xphoto.oilPainting(	src, size, dynRatio[, dst]	) ->	dst

#include <opencv2/xphoto/oilpainting.hpp>

油畫效果 詳細資訊請參見書籍 [48]。

引數

src	輸入三通道或單通道影像（CV_8UC3 或 CV_8UC1）
dst	與 src 具有相同大小和型別的輸出影像。
size (大小)	相鄰大小為 2-size+1
dynRatio	在直方圖處理之前，影像按 dynRatio 分割
code	顏色空間轉換程式碼（參見 ColorConversionCodes）。直方圖將只使用第一個平面

setContrast()

virtual void cv::xphoto::TonemapDurand::setContrast ( float 對比度 )

純虛擬函式

Python
	cv.xphoto.TonemapDurand.setContrast(	對比度	) ->	None

#include <opencv2/xphoto/tonemap.hpp>

setSaturation()

virtual void cv::xphoto::TonemapDurand::setSaturation ( float 飽和度 )

純虛擬函式

Python
	cv.xphoto.TonemapDurand.setSaturation(	飽和度	) ->	None

#include <opencv2/xphoto/tonemap.hpp>

setSigmaColor()

virtual void cv::xphoto::TonemapDurand::setSigmaColor ( float sigma_color )

純虛擬函式

Python
	cv.xphoto.TonemapDurand.setSigmaColor(	sigma_color	) ->	None

#include <opencv2/xphoto/tonemap.hpp>

setSigmaSpace()

virtual void cv::xphoto::TonemapDurand::setSigmaSpace ( float sigma_space )

純虛擬函式

Python
	cv.xphoto.TonemapDurand.setSigmaSpace(	sigma_space	) ->	None

#include <opencv2/xphoto/tonemap.hpp>