允许将 Gipsa/Listic Labs 模型与 OpenCV 一起使用的类。更多...

#include <opencv2/bioinspired/retina.hpp>

cv::bioinspired::Retina 的协作图

公共成员函数
virtual void	activateContoursProcessing (const bool activate)=0
	激活/停用视网膜的视网膜通路处理（轮廓信息提取），默认情况下，它是激活的。

virtual void	activateMovingContoursProcessing (const bool activate)=0
	激活/停用视网膜的视网膜通路处理（运动信息提取），默认情况下，它是激活的。

virtual void	applyFastToneMapping (InputArray inputImage, OutputArray outputToneMappedImage)=0
	该方法处理图像，旨在校正其亮度，校正背光问题，增强阴影中的细节。

virtual void	clearBuffers ()=0
	清除所有视网膜缓冲区。

virtual Size	getInputSize ()=0
	检索视网膜输入缓冲区大小。

virtual void	getMagno (OutputArray retinaOutput_magno)=0
	视网膜运动通道的访问器（模拟周边视觉）。

virtual Mat	getMagnoRAW () const =0

virtual void	getMagnoRAW (OutputArray retinaOutput_magno)=0
	视网膜运动通道的访问器（模拟周边视觉）。

virtual Size	getOutputSize ()=0
	检索视网膜输出缓冲区大小，如果应用了空间对数变换，它可能与输入不同。

virtual RetinaParameters	getParameters ()=0

virtual void	getParvo (OutputArray retinaOutput_parvo)=0
	视网膜细节通道的访问器（模拟中央视觉）。

virtual Mat	getParvoRAW () const =0

virtual void	getParvoRAW (OutputArray retinaOutput_parvo)=0
	视网膜细节通道的访问器（模拟中央视觉）。

virtual String	printSetup ()=0
	输出一个字符串，显示使用的参数设置。

virtual void	run (InputArray inputImage)=0
	该方法允许将视网膜应用于输入图像。

virtual void	setColorSaturation (const bool saturateColors=true, const float colorSaturationValue=4.0f)=0
	激活颜色饱和度作为颜色解复用的最后一步 -> 此饱和度是应用于解复用图像每个通道的 S 型函数。

virtual void	setup (cv::FileStorage &fs, const bool applyDefaultSetupOnFailure=true)=0

virtual void	setup (RetinaParameters newParameters)=0

virtual void	setup (String retinaParameterFile="", const bool applyDefaultSetupOnFailure=true)=0
	尝试打开一个 XML 视网膜参数文件以调整当前视网膜实例设置。

virtual void	setupIPLMagnoChannel (const bool normaliseOutput=true, const float parasolCells_beta=0.f, const float parasolCells_tau=0.f, const float parasolCells_k=7.f, const float amacrinCellsTemporalCutFrequency=1.2f, const float V0CompressionParameter=0.95f, const float localAdaptintegration_tau=0.f, const float localAdaptintegration_k=7.f)=0
	设置内丛状层 (IPL) 视网膜通道的参数值。

virtual void	setupOPLandIPLParvoChannel (const bool colorMode=true, const bool normaliseOutput=true, const float photoreceptorsLocalAdaptationSensitivity=0.7f, const float photoreceptorsTemporalConstant=0.5f, const float photoreceptorsSpatialConstant=0.53f, const float horizontalCellsGain=0.f, const float HcellsTemporalConstant=1.f, const float HcellsSpatialConstant=7.f, const float ganglionCellsSensitivity=0.7f)=0
	设置 OPL 和 IPL 视网膜通道（参见生物学模型）

virtual void	write (FileStorage &fs) const CV_OVERRIDE=0

virtual void	write (String fs) const =0
	写入 xml/yml 格式的参数信息。

从 cv::Algorithm 继承的公共成员函数
	Algorithm ()

virtual	~Algorithm ()

virtual void	clear ()
	清除算法状态。

virtual bool	empty () const
	如果算法为空（例如，在最开始或读取不成功后），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

void	write (FileStorage &fs, const String &name) const

静态公共成员函数
static Ptr< Retina >	create (Size inputSize)

static Ptr< Retina >	create (Size inputSize, const bool colorMode, int colorSamplingMethod=RETINA_COLOR_BAYER, const bool useRetinaLogSampling=false, const float reductionFactor=1.0f, const float samplingStrength=10.0f)
	来自标准化接口的构造函数：检索指向 Retina 实例的智能指针。

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())
	从文件中加载算法。

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。

附加继承的成员
从 cv::Algorithm 继承的受保护成员函数
void	writeFormat (FileStorage &fs) const

详细说明

允许将 Gipsa/Listic Labs 模型与 OpenCV 一起使用的类。

此视网膜模型允许进行时空图像处理（应用于静止图像、视频序列）。总而言之，这些是视网膜模型的属性

它应用了频谱白化（中频细节增强）
高频时空噪声抑制
低频亮度降低（亮度范围压缩）
局部对数亮度压缩允许在弱光条件下增强细节

使用：此模型基本上可用于时空视频效果，也可用于：_使用 getParvo 方法输出矩阵：纹理分析，具有增强的信噪比和增强的细节，对输入图像亮度范围具有鲁棒性_使用 getMagno 方法输出矩阵：运动分析，也具有前面提到的属性

有关更多信息，请参阅以下论文：Benoit A.、Caplier A.、Durette B.、Herault, J.，“使用人眼视觉系统建模进行受生物启发的低级图像处理”，Elsevier，计算机视觉与图像理解 114（2010），第 758-773 页，DOI：http://dx.doi.org/10.1016/j.cviu.2010.01.011 视觉：图像、信号和神经网络：视觉感知中神经处理模型（神经处理进展），作者：Jeanny Herault，ISBN：9814273686。WAPI（塔式 ID）：113266891。

视网膜过滤器包含来自博士/研究同事的研究贡献，作者从这些贡献中重新绘制了代码：查看 retinacolor.hpp 模块以发现 Brice Chaix de Lavarene 颜色镶嵌/解镶嵌以及参考论文：B. Chaix de Lavarene、D. Alleysson、B. Durette、J. Herault (2007)。“通过递归过滤进行高效的解镶嵌”，IEEE 国际图像处理会议 ICIP 2007 查看 imagelogpolprojection.hpp 以发现来自 Barthelemy Durette 博士与 Jeanny Herault 的视网膜空间对数采样。还提出了 Retina / V1 皮层投影，它源于 Jeanny 的讨论。更多信息请参阅上面引用的 Jeanny Heraults 的书。

成员函数文档

◆ activateContoursProcessing()

virtual void cv::bioinspired::Retina::activateContoursProcessing ( const bool activate )

纯虚函数

Python
	cv.bioinspired.Retina.activateContoursProcessing(	activate	) ->	None

激活/停用视网膜的视网膜通路处理（轮廓信息提取），默认情况下，它是激活的。

参数

activate 如果要激活视网膜（轮廓信息提取）输出，则为 true，否则为 false... 如果激活，则可以使用 Retina::getParvo 方法检索视网膜输出。

◆ activateMovingContoursProcessing()

virtual void cv::bioinspired::Retina::activateMovingContoursProcessing ( const bool activate )

纯虚函数

Python
	cv.bioinspired.Retina.activateMovingContoursProcessing(	activate	) ->	None

激活/停用视网膜的视网膜通路处理（运动信息提取），默认情况下，它是激活的。

参数

activate 如果 Magnocellular 输出应该被激活，则为真，否则为假... 如果被激活，可以使用 **getMagno** 方法检索 Magnocellular 输出。

◆ applyFastToneMapping()

virtual void cv::bioinspired::Retina::applyFastToneMapping	(	InputArray	inputImage,
		OutputArray	outputToneMappedImage
	)

纯虚函数

Python
	cv.bioinspired.Retina.applyFastToneMapping(	inputImage[, outputToneMappedImage]	) ->	outputToneMappedImage

该方法处理图像，旨在校正其亮度，校正背光问题，增强阴影中的细节。

此方法旨在执行高动态范围图像色调映射（将 > 8 位/像素图像压缩到 8 位/像素）。这是 Retina 视网膜小细胞模型的简化版本（run/getParvo 方法调用的简化版本），因为它不包括模拟视网膜外丛状层的时空滤波器，该滤波器执行光谱白化和其他许多操作。但是，它非常适合色调映射，并且速度更快。

查看演示和实验部分以查看示例以及使用原始视网膜模型和该方法执行色调映射的方法。

参数

inputImage	要处理的输入图像（应以浮点格式编码：CV_32F、CV_32FC1、CV_32F_C3、CV_32F_C4，第 4 个通道将不会被考虑）。
outputToneMappedImage	输出 8 位/通道色调映射图像（CV_8U 或 CV_8UC3 格式）。

◆ clearBuffers()

virtual void cv::bioinspired::Retina::clearBuffers ( )

纯虚函数

Python
	cv.bioinspired.Retina.clearBuffers(		) ->	None

清除所有视网膜缓冲区。

（相当于在长时间闭眼后睁开眼睛；o) 注意此方法调用后发生的时态转换。

◆ create() [1/2]

static Ptr< Retina > cv::bioinspired::Retina::create ( Size inputSize )

static


cv.bioinspired.Retina.create(	inputSize	) ->	retval
cv.bioinspired.Retina.create(	inputSize, colorMode[, colorSamplingMethod[, useRetinaLogSampling[, reductionFactor[, samplingStrength]]]]	) ->	retval
cv.bioinspired.Retina_create(	inputSize	) ->	retval
cv.bioinspired.Retina_create(	inputSize, colorMode[, colorSamplingMethod[, useRetinaLogSampling[, reductionFactor[, samplingStrength]]]]	) ->	retval

这是一个重载成员函数，为了方便起见而提供。它与上面的函数的不同之处仅在于它接受的参数。

◆ create() [2/2]

static Ptr< Retina > cv::bioinspired::Retina::create	(	Size	inputSize,
		const bool	colorMode,
		int	colorSamplingMethod = `RETINA_COLOR_BAYER`,
		const bool	useRetinaLogSampling = `false`,
		const float	reductionFactor = `1.0f`,
		const float	samplingStrength = `10.0f`
	)

static


cv.bioinspired.Retina.create(	inputSize	) ->	retval
cv.bioinspired.Retina.create(	inputSize, colorMode[, colorSamplingMethod[, useRetinaLogSampling[, reductionFactor[, samplingStrength]]]]	) ->	retval
cv.bioinspired.Retina_create(	inputSize	) ->	retval
cv.bioinspired.Retina_create(	inputSize, colorMode[, colorSamplingMethod[, useRetinaLogSampling[, reductionFactor[, samplingStrength]]]]	) ->	retval

来自标准化接口的构造函数：检索指向 Retina 实例的智能指针。

参数

inputSize	输入帧大小
colorMode	选择的处理模式：有或没有颜色处理
colorSamplingMethod	指定将使用哪种颜色采样 cv::bioinspired::RETINA_COLOR_RANDOM: 每个像素位置都是 R、G 或 B，随机选择 cv::bioinspired::RETINA_COLOR_DIAGONAL: 颜色采样是 RGBRGBRGB...，第 2 行 BRGBRGBRG...，第 3 行 GBRGBRGBR... cv::bioinspired::RETINA_COLOR_BAYER: 标准拜耳采样
useRetinaLogSampling	激活视网膜对数采样，如果为真，则可以使用以下两个参数
reductionFactor	仅在参数 useRetinaLogSampling=true 时有用，指定输出帧的缩减因子（因为中心（中央凹）是高分辨率的，而角点可以被缩小，因此允许缩减输出而不会损失精度）
samplingStrength	仅在参数 useRetinaLogSampling=true 时有用，指定应用的对数刻度的强度

◆ getInputSize()

virtual Size cv::bioinspired::Retina::getInputSize ( )

纯虚函数

Python
	cv.bioinspired.Retina.getInputSize(		) ->	retval

检索视网膜输入缓冲区大小。

返回值: 视网膜输入缓冲区大小

◆ getMagno()

virtual void cv::bioinspired::Retina::getMagno ( OutputArray retinaOutput_magno )

纯虚函数

Python
	cv.bioinspired.Retina.getMagno(	[, retinaOutput_magno]	) ->	retinaOutput_magno

视网膜运动通道的访问器（模拟周边视觉）。

警告，getMagnoRAW 方法返回的缓冲区未在 [0;255] 范围内重新缩放，而非 RAW 方法允许检索标准化的矩阵。

参数

retinaOutput_magno

输出缓冲区（如果需要，将重新分配），格式可以是

一个 Mat，此输出已重新缩放，以便在 OpenCV 中用于标准 8 位图像处理
RAW 方法实际上返回一个 1D 矩阵（编码为 M1、M2、... Mn），此输出是原始视网膜滤波器模型的输出，没有任何量化或重新缩放。

另请参阅: getMagnoRAW

◆ getMagnoRAW() [1/2]

virtual Mat cv::bioinspired::Retina::getMagnoRAW ( ) const

纯虚函数

Python
	cv.bioinspired.Retina.getMagnoRAW(	[, retinaOutput_magno]	) ->	retinaOutput_magno
	cv.bioinspired.Retina.getMagnoRAW(		) ->	retval

这是一个重载成员函数，为了方便起见而提供。它与上面的函数的不同之处仅在于它接受的参数。

◆ getMagnoRAW() [2/2]

virtual void cv::bioinspired::Retina::getMagnoRAW ( OutputArray retinaOutput_magno )

纯虚函数

Python
	cv.bioinspired.Retina.getMagnoRAW(	[, retinaOutput_magno]	) ->	retinaOutput_magno
	cv.bioinspired.Retina.getMagnoRAW(		) ->	retval

视网膜运动通道的访问器（模拟周边视觉）。

另请参阅: getMagno

◆ getOutputSize()

virtual Size cv::bioinspired::Retina::getOutputSize ( )

纯虚函数

Python
	cv.bioinspired.Retina.getOutputSize(		) ->	retval

检索视网膜输出缓冲区大小，如果应用了空间对数变换，它可能与输入不同。

返回值: 视网膜输出缓冲区大小

◆ getParameters()

virtual RetinaParameters cv::bioinspired::Retina::getParameters ( )

纯虚函数

返回值: 当前参数设置

◆ getParvo()

virtual void cv::bioinspired::Retina::getParvo ( OutputArray retinaOutput_parvo )

纯虚函数

Python
	cv.bioinspired.Retina.getParvo(	[, retinaOutput_parvo]	) ->	retinaOutput_parvo

视网膜细节通道的访问器（模拟中央视觉）。

警告，getParvoRAW 方法返回的缓冲区未在 [0;255] 范围内重新缩放，而非 RAW 方法允许检索标准化的矩阵。

参数

retinaOutput_parvo

输出缓冲区（如果需要，将重新分配），格式可以是

一个 Mat，此输出已重新缩放，以便在 OpenCV 中用于标准 8 位图像处理
RAW 方法实际上返回一个 1D 矩阵（编码为 R1、R2、... Rn、G1、G2、... Gn、B1、B2、... Bn），此输出是原始视网膜滤波器模型的输出，没有任何量化或重新缩放。

另请参阅: getParvoRAW

◆ getParvoRAW() [1/2]

virtual Mat cv::bioinspired::Retina::getParvoRAW ( ) const

纯虚函数

Python
	cv.bioinspired.Retina.getParvoRAW(	[, retinaOutput_parvo]	) ->	retinaOutput_parvo
	cv.bioinspired.Retina.getParvoRAW(		) ->	retval

这是一个重载成员函数，为了方便起见而提供。它与上面的函数的不同之处仅在于它接受的参数。

◆ getParvoRAW() [2/2]

virtual void cv::bioinspired::Retina::getParvoRAW ( OutputArray retinaOutput_parvo )

纯虚函数

Python
	cv.bioinspired.Retina.getParvoRAW(	[, retinaOutput_parvo]	) ->	retinaOutput_parvo
	cv.bioinspired.Retina.getParvoRAW(		) ->	retval

视网膜细节通道的访问器（模拟中央视觉）。

另请参阅: getParvo

◆ printSetup()

virtual String cv::bioinspired::Retina::printSetup ( )

纯虚函数

Python
	cv.bioinspired.Retina.printSetup(		) ->	retval

输出一个字符串，显示使用的参数设置。

返回值: 包含格式化参数信息的字符串

◆ run()

virtual void cv::bioinspired::Retina::run ( InputArray inputImage )

纯虚函数

Python
	cv.bioinspired.Retina.run(	inputImage	) ->	None

该方法允许将视网膜应用于输入图像。

运行后，封装的视网膜模块已准备好使用专用访问器提供其输出，请参阅 getParvo 和 getMagno 方法

参数

inputImage 要处理的输入 Mat 图像，可以是灰度级或 BGR 编码，任何格式（从 8 位到 16 位）

◆ setColorSaturation()

virtual void cv::bioinspired::Retina::setColorSaturation	(	const bool	saturateColors = `true`,
		const float	colorSaturationValue = `4.0f`
	)

纯虚函数

Python
	cv.bioinspired.Retina.setColorSaturation(	[, saturateColors[, colorSaturationValue]]	) ->	None

激活颜色饱和度作为颜色解复用的最后一步 -> 此饱和度是应用于解复用图像每个通道的 S 型函数。

参数

saturateColors	激活颜色饱和度（如果为真）或停用（如果为假）的布尔值
colorSaturationValue	饱和度因子：应用于色度缓冲区的简单因子

◆ setup() [1/3]

virtual void cv::bioinspired::Retina::setup	(	cv::FileStorage &	fs,
		const bool	applyDefaultSetupOnFailure = `true`
	)

纯虚函数

Python
	cv.bioinspired.Retina.setup(	[, retinaParameterFile[, applyDefaultSetupOnFailure]]	) ->	None

这是一个重载成员函数，为了方便起见而提供。它与上面的函数的不同之处仅在于它接受的参数。

参数

fs	包含视网膜参数的打开的 Filestorage
applyDefaultSetupOnFailure	设置为 true 如果必须在错误时抛出错误

◆ setup() [2/3]

virtual void cv::bioinspired::Retina::setup ( RetinaParameters newParameters )

纯虚函数

Python
	cv.bioinspired.Retina.setup(	[, retinaParameterFile[, applyDefaultSetupOnFailure]]	) ->	None

这是一个重载成员函数，为了方便起见而提供。它与上面的函数的不同之处仅在于它接受的参数。

参数

newParameters 使用新目标配置更新的参数结构。

◆ setup() [3/3]

virtual void cv::bioinspired::Retina::setup	(	String	retinaParameterFile = `""`,
		const bool	applyDefaultSetupOnFailure = `true`
	)

纯虚函数

Python
	cv.bioinspired.Retina.setup(	[, retinaParameterFile[, applyDefaultSetupOnFailure]]	) ->	None

尝试打开一个 XML 视网膜参数文件以调整当前视网膜实例设置。

如果 xml 文件不存在，则应用默认设置
警告，如果读取的 XML 文件无效，则会抛出异常
参数

retinaParameterFile 参数文件名

applyDefaultSetupOnFailure 设置为 true 如果必须在错误时抛出错误

可以使用 Retina::getParameters 方法检索当前参数结构，并在运行 Retina::setup 方法之前对其进行更新。

◆ setupIPLMagnoChannel()

virtual void cv::bioinspired::Retina::setupIPLMagnoChannel	(	const bool	normaliseOutput = `true`,
		const float	parasolCells_beta = `0.f`,
		const float	parasolCells_tau = `0.f`,
		const float	parasolCells_k = `7.f`,
		const float	amacrinCellsTemporalCutFrequency = `1.2f`,
		const float	V0CompressionParameter = `0.95f`,
		const float	localAdaptintegration_tau = `0.f`,
		const float	localAdaptintegration_k = `7.f`
	)

纯虚函数

Python
	cv.bioinspired.Retina.setupIPLMagnoChannel(	[, normaliseOutput[, parasolCells_beta[, parasolCells_tau[, parasolCells_k[, amacrinCellsTemporalCutFrequency[, V0CompressionParameter[, localAdaptintegration_tau[, localAdaptintegration_k]]]]]]]]	) ->	None

设置内丛状层 (IPL) 视网膜通道的参数值。

此通道处理来自 OPL 处理阶段的周边视觉输出信号，它允许运动信息增强。它与细节通道无关。有关更多详细信息，请参阅参考论文。

参数

normaliseOutput	指定输出是否（true）在 0 到 255 之间重新缩放，否则（false）
parasolCells_beta	用于视网膜 IPL 级别的局部对比度适应（对于神经节细胞的局部适应）的低通滤波器增益，典型值为 0
parasolCells_tau	用于视网膜 IPL 级别的局部对比度适应（对于神经节细胞的局部适应）的低通滤波器时间常数，单位为帧，典型值为 0（即时响应）
parasolCells_k	用于视网膜 IPL 级别的局部对比度适应（对于神经节细胞的局部适应）的低通滤波器空间常数，单位为像素，典型值为 5
amacrinCellsTemporalCutFrequency	大细胞通路（运动信息通道）的一阶高通滤波器的时间常数，单位为帧，典型值为 1.2
V0CompressionParameter	神经节细胞局部适应输出的压缩强度，设置 0.6 到 1 之间的值以获得最佳结果，较高的值会更多地提高低值灵敏度... 并且输出会更快地饱和，建议值为：0.95
localAdaptintegration_tau	指定参与局部适应计算的局部“运动平均值”计算的低通滤波器的时态常数
localAdaptintegration_k	指定用于局部自适应计算的局部“运动均值”计算中涉及的低通滤波器的空间常数

◆ setupOPLandIPLParvoChannel()

virtual void cv::bioinspired::Retina::setupOPLandIPLParvoChannel	(	const bool	colorMode = `true`,
		const bool	normaliseOutput = `true`,
		const float	photoreceptorsLocalAdaptationSensitivity = `0.7f`,
		const float	photoreceptorsTemporalConstant = `0.5f`,
		const float	photoreceptorsSpatialConstant = `0.53f`,
		const float	horizontalCellsGain = `0.f`,
		const float	HcellsTemporalConstant = `1.f`,
		const float	HcellsSpatialConstant = `7.f`,
		const float	ganglionCellsSensitivity = `0.7f`
	)

纯虚函数

Python
	cv.bioinspired.Retina.setupOPLandIPLParvoChannel(	[, colorMode[, normaliseOutput[, photoreceptorsLocalAdaptationSensitivity[, photoreceptorsTemporalConstant[, photoreceptorsSpatialConstant[, horizontalCellsGain[, HcellsTemporalConstant[, HcellsSpatialConstant[, ganglionCellsSensitivity]]]]]]]]]	) ->	None

设置 OPL 和 IPL 视网膜通道（参见生物学模型）

OPL 被称为视网膜的外丛状层，它允许进行时空滤波，该滤波可以使频谱变宽并减少时空噪声，同时衰减全局亮度（低频能量）。IPL parvo 是 OPL 的下一个处理阶段，它指的是视网膜内丛状层的一部分，它允许在中央凹视觉中具有高轮廓敏感性。有关更多信息，请参阅参考论文。有关更多信息，请查看Benoit A., Caplier A., Durette B., Herault, J.，“使用人类视觉系统建模进行生物启发式低级图像处理”，Elsevier，计算机视觉与图像理解 114 (2010)，第 758-773 页，DOI：http://dx.doi.org/10.1016/j.cviu.2010.01.011

参数

colorMode	指定是否 (true) 处理颜色或不处理 (false) 以便处理灰度图像
normaliseOutput	指定输出是否（true）在 0 到 255 之间重新缩放，否则（false）
photoreceptorsLocalAdaptationSensitivity	感光细胞的敏感度范围为 0-1（值越大，对数压缩效果越强）
photoreceptorsTemporalConstant	感光细胞的一阶低通滤波器的时间常数，用于截断高时间频率（噪声或快速运动），单位为帧，典型值为 1 帧
photoreceptorsSpatialConstant	感光细胞的一阶低通滤波器的空间常数，用于截断高空间频率（噪声或厚轮廓），单位为像素，典型值为 1 像素
horizontalCellsGain	水平细胞网络的增益，如果为 0，则输出的平均值为零，如果参数接近 1，则亮度不会被滤波，并且仍然可以在输出端获得，典型值为 0
HcellsTemporalConstant	水平细胞的一阶低通滤波器的时间常数，用于截断低时间频率（局部亮度变化），单位为帧，典型值为 1 帧，与感光细胞相同
HcellsSpatialConstant	水平细胞的一阶低通滤波器的空间常数，用于截断低空间频率（局部亮度），单位为像素，典型值为 5 像素，此值也用于在计算神经节细胞水平的局部对比度自适应（内丛状层小细胞通道模型）时计算局部对比度
ganglionCellsSensitivity	神经节细胞局部自适应输出的压缩强度，设置 0.6 到 1 之间的值以获得最佳结果，较高的值会更多地提高低值敏感度......并且输出更快地饱和，推荐值：0.7

◆ write() [1/2]

virtual void cv::bioinspired::Retina::write ( FileStorage & fs ) const

纯虚函数

Python
	cv.bioinspired.Retina.write(	fs	) ->	None

这是一个重载成员函数，为了方便起见而提供。它与上面的函数的不同之处仅在于它接受的参数。

从 cv::Algorithm 重新实现。

◆ write() [2/2]

virtual void cv::bioinspired::Retina::write ( String fs ) const

纯虚函数

Python
	cv.bioinspired.Retina.write(	fs	) ->	None

写入 xml/yml 格式的参数信息。

参数

fs	将要打开并使用格式化参数信息写入的 xml 文件的文件名

此类的文档是从以下文件生成的

opencv2/bioinspired/retina.hpp

retinaParameterFile	参数文件名
applyDefaultSetupOnFailure	设置为 true 如果必须在错误时抛出错误

公共成员函数

静态公共成员函数

附加继承的成员

详细说明

成员函数文档

◆ activateContoursProcessing()

◆ activateMovingContoursProcessing()

◆ applyFastToneMapping()

◆ clearBuffers()

◆ create() [1/2]

◆ create() [2/2]

◆ getInputSize()

◆ getMagno()

◆ getMagnoRAW() [1/2]

◆ getMagnoRAW() [2/2]

◆ getOutputSize()

◆ getParameters()

◆ getParvo()

◆ getParvoRAW() [1/2]

◆ getParvoRAW() [2/2]

◆ printSetup()

◆ run()

◆ setColorSaturation()

◆ setup() [1/3]

◆ setup() [2/3]

◆ setup() [3/3]

◆ setupIPLMagnoChannel()

◆ setupOPLandIPLParvoChannel()

◆ write() [1/2]

◆ write() [2/2]