cv::xphoto::LearningBasedWB 类参考

更复杂的基于学习的自动白平衡算法。 更多...

#include <opencv2/xphoto/white_balance.hpp>

cv::xphoto::LearningBasedWB 的协作图

公共成员函数
virtual void	extractSimpleFeatures (InputArray src, OutputArray dst)=0
	实现算法的特征提取部分。
virtual int	getHistBinNum () const =0
	定义算法内部使用的三维 RGB 直方图的一个维度的大小。对于具有更高位深度的图像，增加箱数通常是有意义的（例如，对于 12 位图像，箱数为 256）。
virtual int	getRangeMaxVal () const =0
	输入图像的最大可能值（例如，8 位图像为 255，12 位图像为 4095）。
virtual float	getSaturationThreshold () const =0
	用于确定饱和像素的阈值，即至少一个通道超过 \(\texttt{saturation_threshold}\times\texttt{range_max_val}\) 的像素将被忽略。
virtual void	setHistBinNum (int val)=0
	定义算法内部使用的三维 RGB 直方图的一个维度的大小。对于具有更高位深度的图像，增加箱数通常是有意义的（例如，对于 12 位图像，箱数为 256）。
virtual void	setRangeMaxVal (int val)=0
	输入图像的最大可能值（例如，8 位图像为 255，12 位图像为 4095）。
virtual void	setSaturationThreshold (float val)=0
	用于确定饱和像素的阈值，即至少一个通道超过 \(\texttt{saturation_threshold}\times\texttt{range_max_val}\) 的像素将被忽略。
从 cv::xphoto::WhiteBalancer 继承的公共成员函数
virtual void	balanceWhite (InputArray src, OutputArray dst)=0
	对输入图像应用白平衡。
从 cv::Algorithm 继承的公共成员函数
	算法 ()
virtual	~Algorithm ()
virtual void	clear ()
	清除算法状态。
virtual bool	empty () const
	如果 Algorithm 为空（例如，在最开始或读取失败后），则返回 true。
virtual String	getDefaultName () const
virtual void	read (const FileNode &fn)
	从文件存储读取算法参数。
virtual void	save (const String &filename) const
void	write (const Ptr< FileStorage > &fs, const String &name=String()) const
virtual void	write (FileStorage &fs) const
	将算法参数存储在文件存储中。
void	write (FileStorage &fs, const String &name) const

其他继承成员
从 cv::Algorithm 继承的静态公共成员函数
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	从文件加载算法。
template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	从字符串加载算法。
template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	从文件节点读取算法。
从 cv::Algorithm 继承的受保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

更复杂的基于学习的自动白平衡算法。

与 GrayworldWB 一样，此算法通过对输入图像通道应用不同的增益来工作，但与简单的灰世界假设相比，它们的计算要复杂得多。有关算法的更多详细信息，请参阅 [55] 。

为了屏蔽饱和像素，此函数仅使用满足以下条件的像素

\[ \frac{\textrm{max}(R,G,B)}{\texttt{range_max_val}} < \texttt{saturation_thresh} \]

当前支持类型为 CV_8UC3 和 CV_16UC3 的图像。

成员函数文档

extractSimpleFeatures()

virtual void cv::xphoto::LearningBasedWB::extractSimpleFeatures ( InputArray  src, OutputArray  dst  )

纯虚函数

Python
	cv.xphoto.LearningBasedWB.extractSimpleFeatures(	src[, dst]	) ->	dst

实现算法的特征提取部分。

根据 [55] ，为输入图像计算以下特征

1. 平均 (R,G,B) 元组的色度
2. 最亮 (R,G,B) 元组的色度（同时忽略饱和像素）
3. 主导 (R,G,B) 元组的色度（在 RGB 直方图中具有最高值的元组）
4. 色度调色板的模式，该调色板是通过根据 RGB 直方图获取 300 种最常见的颜色并将其投影到色度平面而构建的。模式是调色板中密度最高的点，通过使用 Epanechnikov 核函数的简单固定带宽核密度估计器来计算。

参数

src	输入三通道图像（假设 BGR 颜色空间）。
dst	对应于上面列出的特征的四个 (r,g) 色度元组的数组。

getHistBinNum()

virtual int cv::xphoto::LearningBasedWB::getHistBinNum ( ) const

纯虚函数

Python
	cv.xphoto.LearningBasedWB.getHistBinNum(		) ->	retval

定义算法内部使用的三维 RGB 直方图的一个维度的大小。对于具有更高位深度的图像，增加箱数通常是有意义的（例如，对于 12 位图像，箱数为 256）。

另请参阅

setHistBinNum

getRangeMaxVal()

virtual int cv::xphoto::LearningBasedWB::getRangeMaxVal ( ) const

纯虚函数

Python
	cv.xphoto.LearningBasedWB.getRangeMaxVal(		) ->	retval

输入图像的最大可能值（例如，8 位图像为 255，12 位图像为 4095）。

另请参阅

setRangeMaxVal

getSaturationThreshold()

virtual float cv::xphoto::LearningBasedWB::getSaturationThreshold ( ) const

纯虚函数

Python
	cv.xphoto.LearningBasedWB.getSaturationThreshold(		) ->	retval

用于确定饱和像素的阈值，即至少一个通道超过 \(\texttt{saturation_threshold}\times\texttt{range_max_val}\) 的像素将被忽略。

另请参阅

setSaturationThreshold

setHistBinNum()

virtual void cv::xphoto::LearningBasedWB::setHistBinNum ( int  val )

纯虚函数

Python
	cv.xphoto.LearningBasedWB.setHistBinNum(	val	) ->	None

定义算法内部使用的三维 RGB 直方图的一个维度的大小。对于具有更高位深度的图像，增加箱数通常是有意义的（例如，对于 12 位图像，箱数为 256）。

另请参阅

getHistBinNum

setRangeMaxVal()

virtual void cv::xphoto::LearningBasedWB::setRangeMaxVal ( int  val )

纯虚函数

Python
	cv.xphoto.LearningBasedWB.setRangeMaxVal(	val	) ->	None

输入图像的最大可能值（例如，8 位图像为 255，12 位图像为 4095）。

另请参阅

getRangeMaxVal

setSaturationThreshold()

virtual void cv::xphoto::LearningBasedWB::setSaturationThreshold ( float  val )

纯虚函数

Python
	cv.xphoto.LearningBasedWB.setSaturationThreshold(	val	) ->	None

用于确定饱和像素的阈值，即至少一个通道超过 \(\texttt{saturation_threshold}\times\texttt{range_max_val}\) 的像素将被忽略。

另请参阅

getSaturationThreshold

---

此类的文档是从以下文件生成的

• opencv2/xphoto/white_balance.hpp